相见恨晚，一招搞定数据可视化

导言：

• matplotlib虽然非常强大，但是太偏低层和原生态，好比做饭，你需要砍柴，生火，架灶具，最后才是淘米烧饭

• 能否有一个类似电饭锅这样的库，直接封装了matplotlib里面的库
  

• 然后我们只需要把数据放进去，设定几个参数，一副图就出来了，有的就是神器Pandas自带的作图功能
  

当然后面有空会介绍更高级的神器Tableau,d3

我们用一组表格数据，有行有列比如一组学生的数据：

• 这是一个非常非常典型的二维数据，我们在处理数据的时候经常会用到，聪明的同学会发现，这不是Pandas的最喜欢的DataFrame类型吗，对的就是这样的数据格式

• 如何可视化呢，如果用以前的方法，需要手动构造x轴和y轴，非常麻烦，有没有简单的方法呢
  

• 有的，Pandas对象自带了作图功能，一招搞定，真的是让人相见恨晚

1. 导入三大神库:pandas,numpy,matplotlib

2. 构造一个pandas数据对象df,其实表格数据我们经常从CSV里面读进来，所以pandas的对象非常常见

3. 最精华的来了,直接用df调用plot()函数，一幅漂亮的图就生成了

• 哇！x轴和y轴刻度，标签全部自动搞定，竟然还有自动加图例

• 数据部分Height,Age,Score统统搞定，而且还自带颜色

• 细心的同学的发现，横坐标其实就是index里面的列表里面的值
  

上面的图虽然很爽，但是有几个小问题：

• 文字是竖体，看的不舒服

• X轴，Y轴没有说明，若有说明注释的话可以更爽一点

• 图例能不能放到左上角,y的刻度能否更细一点

• 数据部分是安装Age,Height,Score排列的，能不能按照数字大小排序呢

这些问题统统都更搞定，我们接着看

上面的4问题，虽然是细节，但是一幅好的数据可视乎图，细节决定成败，那么怎么搞定呢，其实很容易，我们看一下

• 在原来的df上面增加一个columns,其实就是增加了对数据的列的排序显示,让数据从高到低呈现

• 获取一个df.plot()的对象，这个对象是啥呢，其实就是返回一个matplotlib的axes对象，有了这个对象我们就可以自由的控制子图上的任何东西

• 用df.legend()设置一下图例,并用loc=2 关键字控制图例的位置

• 用df.set_yticket()重新设置y的刻度,set_ylable设置y轴的注释，set_title()设置子图的标题

现在看的是不是很爽了，经过上面2步，相信大家对pandas作图应该有所了解，pandas还有一种数据结构Series是大同小异呢，那么好学的小伙伴一定会问，是不是pandas只能画直方图啊，当然不是啦，我们接着看

除了上面的直方图,pandas可以简单就作出折线图,横向直方图,柱状图, 密度图

折线图:

比如我们看一组北京的2016/8和2017/8月份的天气数据

我们只需要把plot里面的kind设为line，就可以轻松画出折线图,marker=v表示有箭头,如果想画横向直方图可以把kind='barh',画散布图kind='kde'

横向直方图：

因为31天的数据横向展示会非常密集，这里作为示例我只取前9天

KDE密度图：

也是把kind设为kde即可.密度图能更好的反应数据内在的集中度，很明显温度集中在28-36度之间

结论：

好，懒人专用的Pandas作图，今天就讲到这里啦，其实还有很多神兵利器可以方便我们作图，比如R语言里面ggplot2可以对几十万，上百万的数据非常方便的分析并且做出可视化图,比如tableau是一款非常火爆的可视化工具,后面有时间我会写一些这方面的内容。

小白学数据分析可视化，我已经写了4篇

这一个小的系列暂时先告一段落

后面还有很多精彩的文章，敬请期待

欢迎大家关注 菜鸟学Python",更多好玩有趣的Python原创教程,趣味算法,经验技巧,行业动态，尽在菜鸟学Python,一起来学python吧

小白开始学Python最著名的绘图库

最适合小白学的花色玩Python折线图|画个天气预报

7招用Python画出酷酷的|散点直方图

来源 | 菜鸟学Python

作者 | xinxin

本篇文章来源于: 菜鸟学Python