Pandas內(nèi)置繪圖Pandas概述1Pandas家族成員2Pandas處理數(shù)據(jù)3Pandas數(shù)據(jù)可視化4Pandas概述WesMcKinney韋斯·麥金尼美國紐約量化投資分析師2008年認(rèn)識(shí)PandasPandas認(rèn)識(shí)Pandas什么是Pandas認(rèn)識(shí)Pandas認(rèn)識(shí)PandasPandas的名字Paneldata面板數(shù)據(jù)，表示多維數(shù)據(jù)結(jié)構(gòu)PythondataanalysisPython數(shù)據(jù)分析核心數(shù)據(jù)分析庫內(nèi)置繪圖函數(shù)認(rèn)識(shí)Pandas為什么使用Pandas內(nèi)置繪圖函數(shù)來繪制圖表認(rèn)識(shí)Pandas認(rèn)識(shí)Pandas#繪制閱讀量折線圖df=df[['閱讀','日期']]df.plot(x='日期',kind='line',legend=True,figsize=(5,3))pip工具安裝1在Pycharm開發(fā)環(huán)境中安裝2安裝PandasPandas家族成員Series對(duì)象1DataFrame對(duì)象2成員維數(shù)描述Series對(duì)象1帶索引的一維數(shù)組結(jié)構(gòu)（一列數(shù)據(jù)）DataFrame對(duì)象2帶索引的二維數(shù)組結(jié)構(gòu)（表格型數(shù)據(jù)，包括行和列，像Excel一樣）Series對(duì)象包含一些屬性和函數(shù)，主要用來對(duì)每一列數(shù)據(jù)中的字符串?dāng)?shù)據(jù)進(jìn)行操作，包括查找、替換、切分等等。DataFrame對(duì)象主要對(duì)表格數(shù)據(jù)進(jìn)行操作，如底層數(shù)據(jù)和屬性（行數(shù)、列數(shù)、數(shù)據(jù)維數(shù)等等），數(shù)據(jù)的輸入輸出、數(shù)據(jù)類型轉(zhuǎn)換、缺失數(shù)據(jù)檢測(cè)和處理、索引設(shè)置、數(shù)據(jù)選擇篩選、數(shù)據(jù)計(jì)算、數(shù)據(jù)分組統(tǒng)計(jì)、數(shù)據(jù)重塑排序與轉(zhuǎn)換、數(shù)據(jù)增加與合并，日期時(shí)間數(shù)據(jù)的處理、以及通過DataFrame實(shí)現(xiàn)繪制圖表等。Series對(duì)象是Pandas庫中的一種數(shù)據(jù)結(jié)構(gòu)，它類似一維數(shù)組，由一組數(shù)據(jù)以及與這組數(shù)據(jù)相關(guān)的索引組成，或者僅有一組數(shù)據(jù)沒有索引也可以創(chuàng)建一個(gè)簡(jiǎn)單的Series對(duì)象。Series對(duì)象可以存儲(chǔ)整數(shù)、浮點(diǎn)數(shù)、字符串、Python對(duì)象等多種類型的數(shù)據(jù)，可以通過Pandas的Series類來創(chuàng)建，也可以是DataFrame對(duì)象的一些方法的返回值，具體要看API文檔對(duì)于該方法返回值的描述。創(chuàng)建Series對(duì)象也就是創(chuàng)建一列數(shù)據(jù)，主要使用Pandas的Series類。Series對(duì)象DataFrame對(duì)象是一個(gè)二維表數(shù)據(jù)結(jié)構(gòu)，是由行列數(shù)據(jù)組成的表格數(shù)據(jù)。DataFrame對(duì)象既有行索引也有列索引，它可以看作是由Series對(duì)象組成的字典，不過這些Series對(duì)象共用一個(gè)索引。DataFrame對(duì)象DataFrame對(duì)象Pandas處理數(shù)據(jù)在Pandas中數(shù)據(jù)除了可以自己創(chuàng)建以外，還可以通過Pandas將其他渠道的數(shù)據(jù)讀取進(jìn)來轉(zhuǎn)換成DataFrame，以方便使用Pandas進(jìn)行處理和分析。如Excel文件、CSV文件、數(shù)據(jù)庫中的數(shù)據(jù)等等。常用的是Excel文件，主要使用Pandas的read_excel方法。讀取數(shù)據(jù)數(shù)據(jù)抽取如果只抽取指定列的數(shù)據(jù)，可以直接使用列名。例如抽取“閱讀”、“點(diǎn)贊”和“收藏”。（1）直接使用列名df=df[['閱讀','點(diǎn)贊','收藏']]數(shù)據(jù)抽取抽取任意行列數(shù)據(jù)主要使用DataFrame對(duì)象的loc屬性和iloc屬性。（2）抽取任意行列數(shù)據(jù)loc屬性iloc屬性以列名（columns）和行名（index）作為參數(shù)，當(dāng)只有一個(gè)參數(shù)時(shí)，默認(rèn)是行名，即抽取整行數(shù)據(jù)，包括所有列。以行和列位置索引（即0，1，2，…）作為參數(shù)，0表示第一行，1表示第二行，依此類推。當(dāng)只有一個(gè)參數(shù)時(shí)，默認(rèn)是行索引，即抽取整行數(shù)據(jù)，包括所有列。df.loc['2025-05-01']df.iloc[0]數(shù)據(jù)抽取#抽取“閱讀”、“點(diǎn)贊”和“收藏”列df[['閱讀','點(diǎn)贊','收藏']]df.loc[:,'閱讀']#抽取所有行，“閱讀”列df.iloc[0:3,[0]]#第1行到第3行，第1列df.iloc[[1],[2]]#第2行第3列df.iloc[1:,[2]]#第2行到最后一行，第3列df.iloc[1:,[0,2]])#第2行到最后一行，第1列和第3列df.iloc[:,2])#所有行，第3列舉例數(shù)據(jù)抽取Pandas數(shù)據(jù)可視化DataFrame.plot函數(shù)1繪制柱形圖3繪制直方圖5繪制箱形圖7繪制折線圖2繪制餅形圖4繪制散點(diǎn)圖6DataFrame.plot函數(shù)Pandas實(shí)現(xiàn)數(shù)據(jù)可視化主要使用DataFrame.plot函數(shù)，該函數(shù)用于繪制Series對(duì)象和DataFrame對(duì)象圖像。DataFrame.plot(*args,**kwargs)繪制折線圖繪制折線圖主要使用plot函數(shù)中的kind參數(shù)，設(shè)置該參數(shù)值為line。下面繪制閱讀量折線圖。繪制折線圖繪制多折線圖。繪制多折線圖需要用到多列數(shù)據(jù)，例如將所有特征數(shù)據(jù)繪制成多折線圖。繪制柱形圖繪制柱形圖主要使用plot函數(shù)中的kind參數(shù)，設(shè)置該參數(shù)值為bar。df['閱讀'].plot(kind='bar',legend=True,figsize=(5,3))下面繪制帶日期的柱形圖。首先按星期統(tǒng)計(jì)閱讀量，然后將統(tǒng)計(jì)結(jié)果繪制成柱形。繪制柱形圖繪制多柱形圖。多柱形圖就是通過柱形圖顯示多列數(shù)據(jù)，例如將各門店銷售數(shù)據(jù)通過多柱形圖展示，月份作為x軸。繪制柱形圖繪制堆疊柱形圖，堆疊柱形圖的好處是不僅可以看到個(gè)體數(shù)據(jù)情況還可以看到總體數(shù)據(jù)情況。例如，不同顏色的單個(gè)柱子代表每一個(gè)分店的銷量情況，那么多個(gè)柱子堆疊在一起就是總體銷量情況，這樣的圖表看上去更加具體、清晰和直觀。實(shí)現(xiàn)堆疊柱形圖，主要設(shè)置stacked參數(shù)為True。繪制柱形圖繪制餅形圖主要使用plot函數(shù)中的kind參數(shù)，設(shè)置該參數(shù)值為pie。下面通過標(biāo)準(zhǔn)餅形圖查看各門店銷量占比情況。繪制餅形圖繪制直方圖繪制直方圖主要使用DataFrame對(duì)象的hist函數(shù)實(shí)現(xiàn)。下面將“英語成績(jī)報(bào)告.csv”中的“得分”繪制成直方圖。繪制散