图表可视化#
注意
以下示例假设您使用的是 Jupyter.
本节演示了通过图表进行可视化。有关表格数据可视化的信息,请参见 表格可视化 部分。
我们使用标准约定来引用 matplotlib API
In [1]: import matplotlib.pyplot as plt
In [2]: plt.close("all")
我们在 pandas 中提供了基本功能,可以轻松创建外观不错的图表。有关超越此处记录的基本功能的可视化库,请参见 生态系统页面。
注意
所有对 np.random
的调用都使用 123456 作为种子。
基本绘图:plot
#
我们将演示基本操作,有关高级策略,请参阅食谱。
Series 和 DataFrame 上的 plot
方法只是 plt.plot()
的简单包装器。
In [3]: np.random.seed(123456)
In [4]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [5]: ts = ts.cumsum()
In [6]: ts.plot();
如果索引包含日期,它将调用 gcf().autofmt_xdate()
尝试像上面那样对 x 轴进行格式化。
在 DataFrame 上,plot()
是一个方便的方法,可以绘制所有带标签的列。
In [7]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [8]: df = df.cumsum()
In [9]: plt.figure();
In [10]: df.plot();
您可以使用 plot()
中的 x
和 y
关键字绘制一列与另一列的对比图。
In [11]: df3 = pd.DataFrame(np.random.randn(1000, 2), columns=["B", "C"]).cumsum()
In [12]: df3["A"] = pd.Series(list(range(len(df))))
In [13]: df3.plot(x="A", y="B");
注意
有关更多格式和样式选项,请参阅下面的格式化。
其他绘图#
绘图方法允许使用除默认折线图之外的几种绘图样式。这些方法可以作为 kind
关键字参数提供给 plot()
,包括
例如,条形图可以通过以下方式创建
In [14]: plt.figure();
In [15]: df.iloc[5].plot(kind="bar");
您也可以使用 DataFrame.plot.<kind>
方法来创建这些其他图表,而不是提供 kind
关键字参数。这使得更容易发现绘图方法及其使用的特定参数
In [16]: df = pd.DataFrame()
In [17]: df.plot.<TAB> # noqa: E225, E999
df.plot.area df.plot.barh df.plot.density df.plot.hist df.plot.line df.plot.scatter
df.plot.bar df.plot.box df.plot.hexbin df.plot.kde df.plot.pie
除了这些 kind
之外,还有 DataFrame.hist() 和 DataFrame.boxplot() 方法,它们使用单独的接口。
最后,在 pandas.plotting
中有几个 绘图函数,它们接受 Series
或 DataFrame
作为参数。这些包括
条形图#
对于带标签的非时间序列数据,您可能希望生成条形图
In [18]: plt.figure();
In [19]: df.iloc[5].plot.bar();
In [20]: plt.axhline(0, color="k");
调用 DataFrame 的 plot.bar()
方法会生成一个多条形图
In [21]: df2 = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])
In [22]: df2.plot.bar();
要生成堆叠条形图,请传递 stacked=True
In [23]: df2.plot.bar(stacked=True);
要获得水平条形图,请使用 barh
方法
In [24]: df2.plot.barh(stacked=True);
直方图#
直方图可以通过使用 DataFrame.plot.hist()
和 Series.plot.hist()
方法来绘制。
In [25]: df4 = pd.DataFrame(
....: {
....: "a": np.random.randn(1000) + 1,
....: "b": np.random.randn(1000),
....: "c": np.random.randn(1000) - 1,
....: },
....: columns=["a", "b", "c"],
....: )
....:
In [26]: plt.figure();
In [27]: df4.plot.hist(alpha=0.5);
直方图可以使用 stacked=True
进行堆叠。可以使用 bins
关键字更改箱体大小。
In [28]: plt.figure();
In [29]: df4.plot.hist(stacked=True, bins=20);
您可以传递 matplotlib hist
支持的其他关键字。例如,水平和累积直方图可以通过 orientation='horizontal'
和 cumulative=True
绘制。
In [30]: plt.figure();
In [31]: df4["a"].plot.hist(orientation="horizontal", cumulative=True);
请参阅 hist
方法和 matplotlib hist 文档 以了解更多信息。
现有的接口 DataFrame.hist
用于绘制直方图,仍然可以使用。
In [32]: plt.figure();
In [33]: df["A"].diff().hist();
DataFrame.hist()
在多个子图上绘制各列的直方图。
In [34]: plt.figure();
In [35]: df.diff().hist(color="k", alpha=0.5, bins=50);
可以指定 by
关键字来绘制分组直方图。
In [36]: data = pd.Series(np.random.randn(1000))
In [37]: data.hist(by=np.random.randint(0, 4, 1000), figsize=(6, 4));
此外,还可以指定 by
关键字在 DataFrame.plot.hist()
中。
在版本 1.4.0 中更改。
In [38]: data = pd.DataFrame(
....: {
....: "a": np.random.choice(["x", "y", "z"], 1000),
....: "b": np.random.choice(["e", "f", "g"], 1000),
....: "c": np.random.randn(1000),
....: "d": np.random.randn(1000) - 1,
....: },
....: )
....:
In [39]: data.plot.hist(by=["a", "b"], figsize=(10, 5));
箱线图#
可以通过调用 Series.plot.box()
和 DataFrame.plot.box()
,或 DataFrame.boxplot()
来绘制箱线图,以可视化每列中值的分布。
例如,以下是一个箱线图,它表示对 [0,1) 上的均匀随机变量进行 10 次观测的 5 次试验。
In [40]: df = pd.DataFrame(np.random.rand(10, 5), columns=["A", "B", "C", "D", "E"])
In [41]: df.plot.box();
可以通过传递 color
关键字来对箱线图进行着色。您可以传递一个 dict
,其键为 boxes
、whiskers
、medians
和 caps
。如果 dict
中缺少某些键,则对相应的艺术家使用默认颜色。此外,箱线图具有 sym
关键字来指定异常值的样式。
当您通过 color
关键字传递其他类型的参数时,它将直接传递给 matplotlib,用于所有 boxes
、whiskers
、medians
和 caps
的着色。
这些颜色将应用于要绘制的每个箱体。如果您想要更复杂的着色,可以通过传递 return_type 来获取每个绘制的艺术家。
In [42]: color = {
....: "boxes": "DarkGreen",
....: "whiskers": "DarkOrange",
....: "medians": "DarkBlue",
....: "caps": "Gray",
....: }
....:
In [43]: df.plot.box(color=color, sym="r+");
此外,您还可以传递 matplotlib boxplot
支持的其他关键字。例如,可以通过 vert=False
和 positions
关键字绘制水平和自定义位置的箱线图。
In [44]: df.plot.box(vert=False, positions=[1, 4, 5, 6, 8]);
有关更多信息,请参阅 boxplot
方法和 matplotlib 箱线图文档。
现有的绘制箱线图的接口 DataFrame.boxplot
仍然可以使用。
In [45]: df = pd.DataFrame(np.random.rand(10, 5))
In [46]: plt.figure();
In [47]: bp = df.boxplot()
您可以使用 by
关键字参数创建分组,从而创建分层箱线图。例如,
In [48]: df = pd.DataFrame(np.random.rand(10, 2), columns=["Col1", "Col2"])
In [49]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [50]: plt.figure();
In [51]: bp = df.boxplot(by="X")
您还可以传递要绘制的列子集,以及按多个列分组
In [52]: df = pd.DataFrame(np.random.rand(10, 3), columns=["Col1", "Col2", "Col3"])
In [53]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [54]: df["Y"] = pd.Series(["A", "B", "A", "B", "A", "B", "A", "B", "A", "B"])
In [55]: plt.figure();
In [56]: bp = df.boxplot(column=["Col1", "Col2"], by=["X", "Y"])
您也可以使用 DataFrame.plot.box()
创建分组,例如
在版本 1.4.0 中更改。
In [57]: df = pd.DataFrame(np.random.rand(10, 3), columns=["Col1", "Col2", "Col3"])
In [58]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [59]: plt.figure();
In [60]: bp = df.plot.box(column=["Col1", "Col2"], by="X")
在 boxplot
中,可以通过 return_type
关键字控制返回类型。有效选项为 {"axes", "dict", "both", None}
。通过 by
关键字使用 DataFrame.boxplot
创建的分面也会影响输出类型
|
分面 |
输出类型 |
---|---|---|
|
否 |
axes |
|
是 |
2-D 轴数组 |
|
否 |
axes |
|
是 |
轴序列 |
|
否 |
艺术家字典 |
|
是 |
艺术家字典序列 |
|
否 |
命名元组 |
|
是 |
命名元组序列 |
Groupby.boxplot
始终返回 return_type
的 Series
。
In [61]: np.random.seed(1234)
In [62]: df_box = pd.DataFrame(np.random.randn(50, 2))
In [63]: df_box["g"] = np.random.choice(["A", "B"], size=50)
In [64]: df_box.loc[df_box["g"] == "B", 1] += 3
In [65]: bp = df_box.boxplot(by="g")
上面的子图首先按数值列拆分,然后按 g
列的值拆分。子图下方首先按 g
列的值拆分,然后按数值列拆分。
In [66]: bp = df_box.groupby("g").boxplot()
面积图#
您可以使用 Series.plot.area()
和 DataFrame.plot.area()
创建面积图。面积图默认情况下是堆叠的。要生成堆叠面积图,每列必须全部为正值或全部为负值。
当输入数据包含 NaN
时,它将自动填充为 0。如果您想删除或用不同的值填充,请在调用 plot
之前使用 dataframe.dropna()
或 dataframe.fillna()
。
In [67]: df = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])
In [68]: df.plot.area();
要生成非堆叠图,请传递 stacked=False
。除非另有指定,否则 alpha 值设置为 0.5。
In [69]: df.plot.area(stacked=False);
散点图#
可以使用 DataFrame.plot.scatter()
方法绘制散点图。散点图需要用于 x 轴和 y 轴的数值列。这些可以通过 x
和 y
关键字指定。
In [70]: df = pd.DataFrame(np.random.rand(50, 4), columns=["a", "b", "c", "d"])
In [71]: df["species"] = pd.Categorical(
....: ["setosa"] * 20 + ["versicolor"] * 20 + ["virginica"] * 10
....: )
....:
In [72]: df.plot.scatter(x="a", y="b");
要在单个轴上绘制多个列组,请重复 plot
方法并指定目标 ax
。建议指定 color
和 label
关键字以区分每个组。
In [73]: ax = df.plot.scatter(x="a", y="b", color="DarkBlue", label="Group 1")
In [74]: df.plot.scatter(x="c", y="d", color="DarkGreen", label="Group 2", ax=ax);
关键字 c
可以作为列名给出,以提供每个点的颜色。
In [75]: df.plot.scatter(x="a", y="b", c="c", s=50);
如果将分类列传递给 c
,则会生成一个离散的颜色条。
1.3.0 版本新增。
In [76]: df.plot.scatter(x="a", y="b", c="species", cmap="viridis", s=50);
您可以传递 matplotlib 支持的其他关键字 scatter
。以下示例使用 DataFrame
中的一列作为气泡大小来显示气泡图。
In [77]: df.plot.scatter(x="a", y="b", s=df["c"] * 200);
有关更多信息,请参阅 scatter
方法和 matplotlib scatter 文档。
六边形箱体图#
您可以使用 DataFrame.plot.hexbin()
创建六边形箱体图。如果您的数据过于密集而无法单独绘制每个点,则六边形箱体图可以作为散点图的有用替代方案。
In [78]: df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])
In [79]: df["b"] = df["b"] + np.arange(1000)
In [80]: df.plot.hexbin(x="a", y="b", gridsize=25);
一个有用的关键字参数是 gridsize
;它控制 x 方向上的六边形数量,默认值为 100。较大的 gridsize
表示更多、更小的箱体。
默认情况下,会计算每个 (x, y)
点周围的计数直方图。您可以通过将值传递给 C
和 reduce_C_function
参数来指定其他聚合。 C
指定每个 (x, y)
点的值,而 reduce_C_function
是一个参数为 1 的函数,它将箱体中的所有值缩减为单个数字(例如 mean
、max
、sum
、std
)。在此示例中,位置由列 a
和 b
给出,而值由列 z
给出。箱体使用 NumPy 的 max
函数进行聚合。
In [81]: df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])
In [82]: df["b"] = df["b"] + np.arange(1000)
In [83]: df["z"] = np.random.uniform(0, 3, 1000)
In [84]: df.plot.hexbin(x="a", y="b", C="z", reduce_C_function=np.max, gridsize=25);
请参阅 hexbin
方法和 matplotlib hexbin 文档 了解更多信息。
饼图#
您可以使用 DataFrame.plot.pie()
或 Series.plot.pie()
创建饼图。如果您的数据包含任何 NaN
,它们将自动填充为 0。如果您的数据中存在任何负值,将引发 ValueError
。
In [85]: series = pd.Series(3 * np.random.rand(4), index=["a", "b", "c", "d"], name="series")
In [86]: series.plot.pie(figsize=(6, 6));
对于饼图,最好使用正方形图形,即图形纵横比为 1。您可以创建具有相同宽度和高度的图形,或者在绘图后通过在返回的 axes
对象上调用 ax.set_aspect('equal')
来强制纵横比相等。
请注意,使用 DataFrame
的饼图要求您通过 y
参数或 subplots=True
指定目标列。当指定 y
时,将绘制所选列的饼图。如果指定了 subplots=True
,则将为每列绘制饼图作为子图。默认情况下,每个饼图中都会绘制图例;指定 legend=False
以隐藏它。
In [87]: df = pd.DataFrame(
....: 3 * np.random.rand(4, 2), index=["a", "b", "c", "d"], columns=["x", "y"]
....: )
....:
In [88]: df.plot.pie(subplots=True, figsize=(8, 4));
您可以使用 labels
和 colors
关键字来指定每个扇形的标签和颜色。
警告
大多数 pandas 图表使用 label
和 color
参数(注意这些参数没有“s”)。为了与 matplotlib.pyplot.pie()
保持一致,您必须使用 labels
和 colors
。
如果您想隐藏扇形标签,请指定 labels=None
。如果指定了 fontsize
,则该值将应用于扇形标签。此外,还可以使用 matplotlib.pyplot.pie()
支持的其他关键字。
In [89]: series.plot.pie(
....: labels=["AA", "BB", "CC", "DD"],
....: colors=["r", "g", "b", "c"],
....: autopct="%.2f",
....: fontsize=20,
....: figsize=(6, 6),
....: );
....:
如果您传递的值总和少于 1.0,它们将被重新缩放,使其总和为 1。
In [90]: series = pd.Series([0.1] * 4, index=["a", "b", "c", "d"], name="series2")
In [91]: series.plot.pie(figsize=(6, 6));
有关更多信息,请参阅 matplotlib pie 文档。
使用缺失数据绘图#
pandas 试图对包含缺失数据的 DataFrames
或 Series
进行务实的绘图。缺失值将根据绘图类型被删除、遗漏或填充。
绘图类型 |
NaN 处理 |
---|---|
线 |
在 NaN 处留出间隙 |
线(堆叠) |
填充 0 |
条形 |
填充 0 |
散点 |
删除 NaN |
直方图 |
删除 NaN(按列) |
箱线图 |
删除 NaN(按列) |
面积 |
填充 0 |
KDE |
删除 NaN(按列) |
六边形图 |
删除 NaN |
饼图 |
填充 0 |
如果这些默认值中的任何一个不符合您的要求,或者您想明确地处理缺失值,请考虑在绘图之前使用 fillna()
或 dropna()
。
绘图工具#
这些函数可以从 pandas.plotting
导入,并接受 Series
或 DataFrame
作为参数。
散点矩阵图#
您可以使用 pandas.plotting
中的 scatter_matrix
方法创建散点矩阵。
In [92]: from pandas.plotting import scatter_matrix
In [93]: df = pd.DataFrame(np.random.randn(1000, 4), columns=["a", "b", "c", "d"])
In [94]: scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal="kde");
密度图#
您可以使用 Series.plot.kde()
和 DataFrame.plot.kde()
方法创建密度图。
In [95]: ser = pd.Series(np.random.randn(1000))
In [96]: ser.plot.kde();
安德鲁斯曲线#
安德鲁斯曲线允许将多元数据绘制为大量曲线,这些曲线是使用样本的属性作为傅里叶级数的系数创建的,有关更多信息,请参见 维基百科条目。通过为每个类别对这些曲线进行不同的颜色编码,可以可视化数据聚类。属于同一类别的样本的曲线通常会更靠近并形成更大的结构。
注意:“Iris”数据集可在此处获得 此处。
In [97]: from pandas.plotting import andrews_curves
In [98]: data = pd.read_csv("data/iris.data")
In [99]: plt.figure();
In [100]: andrews_curves(data, "Name");
平行坐标#
平行坐标是一种用于绘制多元数据的绘图技术,有关介绍,请参见 维基百科条目。平行坐标允许人们看到数据中的聚类并以视觉方式估计其他统计数据。使用平行坐标,点表示为连接的线段。每条垂直线代表一个属性。一组连接的线段代表一个数据点。倾向于聚类的点将彼此更靠近。
In [101]: from pandas.plotting import parallel_coordinates
In [102]: data = pd.read_csv("data/iris.data")
In [103]: plt.figure();
In [104]: parallel_coordinates(data, "Name");
滞后图#
滞后图用于检查数据集或时间序列是否随机。随机数据在滞后图中不应表现出任何结构。非随机结构意味着底层数据不是随机的。可以传递 lag
参数,当 lag=1
时,该图本质上是 data[:-1]
与 data[1:]
。
In [105]: from pandas.plotting import lag_plot
In [106]: plt.figure();
In [107]: spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)
In [108]: data = pd.Series(0.1 * np.random.rand(1000) + 0.9 * np.sin(spacing))
In [109]: lag_plot(data);
自相关图#
自相关图通常用于检查时间序列的随机性。这是通过计算不同时间滞后的数据值的自相关来完成的。如果时间序列是随机的,则所有时间滞后分离的自相关都应接近零。如果时间序列是非随机的,则一个或多个自相关将显着非零。图中显示的水平线对应于 95% 和 99% 的置信带。虚线是 99% 的置信带。有关自相关图的更多信息,请参见 维基百科条目。
In [110]: from pandas.plotting import autocorrelation_plot
In [111]: plt.figure();
In [112]: spacing = np.linspace(-9 * np.pi, 9 * np.pi, num=1000)
In [113]: data = pd.Series(0.7 * np.random.rand(1000) + 0.3 * np.sin(spacing))
In [114]: autocorrelation_plot(data);
引导图#
引导图用于直观地评估统计量的置信度,例如平均值、中位数、中程等。从数据集中选择指定大小的随机子集,计算该子集的统计量,并重复该过程指定次数。生成的图和直方图构成了引导图。
In [115]: from pandas.plotting import bootstrap_plot
In [116]: data = pd.Series(np.random.rand(1000))
In [117]: bootstrap_plot(data, size=50, samples=500, color="grey");
RadViz#
RadViz 是一种可视化多变量数据的方法。它基于一个简单的弹簧张力最小化算法。基本上,您在平面上设置一堆点。在我们的例子中,它们均匀地分布在单位圆上。每个点代表一个属性。然后,您假装数据集中的每个样本都通过弹簧连接到这些点,弹簧的刚度与该属性的数值成正比(它们被归一化为单位间隔)。样本在平面上稳定下来的点(作用在样本上的力处于平衡状态的点)是绘制代表样本的点的点。根据样本所属的类别,它将以不同的颜色显示。有关更多信息,请参见 R 包 Radviz。
注意:“Iris”数据集可在此处获得 此处。
In [118]: from pandas.plotting import radviz
In [119]: data = pd.read_csv("data/iris.data")
In [120]: plt.figure();
In [121]: radviz(data, "Name");
绘图格式#
设置绘图样式#
从 1.5 版本开始,matplotlib 提供了一系列预配置的绘图样式。设置样式可以轻松地为绘图提供所需的整体外观。设置样式就像在创建绘图之前调用 matplotlib.style.use(my_plot_style)
一样简单。例如,您可以编写 matplotlib.style.use('ggplot')
来创建 ggplot 风格的绘图。
您可以在 matplotlib.style.available
中查看各种可用的样式名称,并且很容易尝试它们。
通用绘图样式参数#
大多数绘图方法都有一组关键字参数,用于控制返回的绘图的布局和格式。
In [122]: plt.figure();
In [123]: ts.plot(style="k--", label="Series");
对于每种类型的绘图(例如 line
、bar
、scatter
),任何额外的参数关键字都会传递给相应的 matplotlib 函数 (ax.plot()
、ax.bar()
、ax.scatter()
)。这些可以用来控制额外的样式,超出 pandas 提供的范围。
控制图例#
您可以将 legend
参数设置为 False
来隐藏图例,图例默认显示。
In [124]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [125]: df = df.cumsum()
In [126]: df.plot(legend=False);
控制标签#
您可以设置 xlabel
和 ylabel
参数来为绘图的 x 轴和 y 轴提供自定义标签。默认情况下,pandas 会将索引名称作为 xlabel,而 ylabel 则为空。
In [127]: df.plot();
In [128]: df.plot(xlabel="new x", ylabel="new y");
刻度#
您可以传递 logy
来获取对数刻度的 Y 轴。
In [129]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [130]: ts = np.exp(ts.cumsum())
In [131]: ts.plot(logy=True);
另请参阅 logx
和 loglog
关键字参数。
在辅助 y 轴上绘图#
要在辅助 y 轴上绘图,请使用 secondary_y
关键字。
In [132]: df["A"].plot();
In [133]: df["B"].plot(secondary_y=True, style="g");
要在 DataFrame
中绘制一些列,请将列名传递给 secondary_y
关键字。
In [134]: plt.figure();
In [135]: ax = df.plot(secondary_y=["A", "B"])
In [136]: ax.set_ylabel("CD scale");
In [137]: ax.right_ax.set_ylabel("AB scale");
请注意,在次要 y 轴上绘制的列会在图例中自动标记为“(right)”。要关闭自动标记,请使用 mark_right=False
关键字。
In [138]: plt.figure();
In [139]: df.plot(secondary_y=["A", "B"], mark_right=False);
时间序列图的自定义格式化程序#
pandas 提供了时间序列图的自定义格式化程序。这些会更改日期和时间的轴标签格式。默认情况下,自定义格式化程序仅应用于由 pandas 使用 DataFrame.plot()
或 Series.plot()
创建的图。要使它们应用于所有图,包括由 matplotlib 创建的图,请设置选项 pd.options.plotting.matplotlib.register_converters = True
或使用 pandas.plotting.register_matplotlib_converters()
。
抑制刻度分辨率调整#
pandas 包含对常规频率时间序列数据的自动刻度分辨率调整。对于 pandas 无法推断频率信息(例如,在外部创建的 twinx
中)的有限情况,您可以选择抑制此行为以进行对齐。
以下是默认行为,请注意 x 轴刻度标签是如何执行的。
In [140]: plt.figure();
In [141]: df["A"].plot();
使用 x_compat
参数,您可以抑制此行为。
In [142]: plt.figure();
In [143]: df["A"].plot(x_compat=True);
如果您有多个需要抑制的图,则可以在 with
语句中使用 pandas.plotting.plot_params
中的 use
方法。
In [144]: plt.figure();
In [145]: with pd.plotting.plot_params.use("x_compat", True):
.....: df["A"].plot(color="r")
.....: df["B"].plot(color="g")
.....: df["C"].plot(color="b")
.....:
自动日期刻度调整#
TimedeltaIndex
现在使用本机 matplotlib 刻度定位器方法,对于刻度标签重叠的图形,调用 matplotlib 的自动日期刻度调整很有用。
有关更多信息,请参阅 autofmt_xdate
方法和 matplotlib 文档。
子图#
在 DataFrame
中,每个 Series
都可以使用 subplots
关键字在不同的轴上绘制。
In [146]: df.plot(subplots=True, figsize=(6, 6));
使用布局和目标多个轴#
子图的布局可以通过 layout
关键字指定。它可以接受 (rows, columns)
。 layout
关键字也可以在 hist
和 boxplot
中使用。如果输入无效,将引发 ValueError
。
由 layout
指定的行 x 列可以包含的轴数量必须大于所需子图的数量。如果布局可以包含比所需更多的轴,则不会绘制空白轴。类似于 NumPy 数组的 reshape
方法,您可以使用 -1
来表示一个维度,以自动计算给定另一个维度所需的行列数。
In [147]: df.plot(subplots=True, layout=(2, 3), figsize=(6, 6), sharex=False);
上面的例子等同于使用
In [148]: df.plot(subplots=True, layout=(2, -1), figsize=(6, 6), sharex=False);
所需的列数 (3) 是根据要绘制的序列数和给定的行数 (2) 推断出来的。
您可以通过 ax
关键字传递事先创建的多个轴作为列表形式。这允许更复杂的布局。传递的轴必须与正在绘制的子图数量相同。
当通过 ax
关键字传递多个轴时, layout
、 sharex
和 sharey
关键字不会影响输出。您应该显式地传递 sharex=False
和 sharey=False
,否则您会看到警告。
In [149]: fig, axes = plt.subplots(4, 4, figsize=(9, 9))
In [150]: plt.subplots_adjust(wspace=0.5, hspace=0.5)
In [151]: target1 = [axes[0][0], axes[1][1], axes[2][2], axes[3][3]]
In [152]: target2 = [axes[3][0], axes[2][1], axes[1][2], axes[0][3]]
In [153]: df.plot(subplots=True, ax=target1, legend=False, sharex=False, sharey=False);
In [154]: (-df).plot(subplots=True, ax=target2, legend=False, sharex=False, sharey=False);
另一个选择是将 ax
参数传递给 Series.plot()
以在特定轴上绘制。
In [155]: np.random.seed(123456)
In [156]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [157]: ts = ts.cumsum()
In [158]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [159]: df = df.cumsum()
In [160]: fig, axes = plt.subplots(nrows=2, ncols=2)
In [161]: plt.subplots_adjust(wspace=0.2, hspace=0.5)
In [162]: df["A"].plot(ax=axes[0, 0]);
In [163]: axes[0, 0].set_title("A");
In [164]: df["B"].plot(ax=axes[0, 1]);
In [165]: axes[0, 1].set_title("B");
In [166]: df["C"].plot(ax=axes[1, 0]);
In [167]: axes[1, 0].set_title("C");
In [168]: df["D"].plot(ax=axes[1, 1]);
In [169]: axes[1, 1].set_title("D");
带有误差条的绘图#
在 DataFrame.plot()
和 Series.plot()
中支持带有误差条的绘图。
水平和垂直误差条可以提供给 plot()
的 xerr
和 yerr
关键字参数。误差值可以使用多种格式指定。
作为包含误差的
DataFrame
或dict
,其列名与绘图DataFrame
的columns
属性匹配,或与Series
的name
属性匹配。作为
str
,指示绘图DataFrame
的哪些列包含误差值。作为原始值 (
list
、tuple
或np.ndarray
)。必须与绘图DataFrame
/Series
的长度相同。
以下是一个使用原始数据轻松绘制分组均值和标准差的示例。
# Generate the data
In [170]: ix3 = pd.MultiIndex.from_arrays(
.....: [
.....: ["a", "a", "a", "a", "a", "b", "b", "b", "b", "b"],
.....: ["foo", "foo", "foo", "bar", "bar", "foo", "foo", "bar", "bar", "bar"],
.....: ],
.....: names=["letter", "word"],
.....: )
.....:
In [171]: df3 = pd.DataFrame(
.....: {
.....: "data1": [9, 3, 2, 4, 3, 2, 4, 6, 3, 2],
.....: "data2": [9, 6, 5, 7, 5, 4, 5, 6, 5, 1],
.....: },
.....: index=ix3,
.....: )
.....:
# Group by index labels and take the means and standard deviations
# for each group
In [172]: gp3 = df3.groupby(level=("letter", "word"))
In [173]: means = gp3.mean()
In [174]: errors = gp3.std()
In [175]: means
Out[175]:
data1 data2
letter word
a bar 3.500000 6.000000
foo 4.666667 6.666667
b bar 3.666667 4.000000
foo 3.000000 4.500000
In [176]: errors
Out[176]:
data1 data2
letter word
a bar 0.707107 1.414214
foo 3.785939 2.081666
b bar 2.081666 2.645751
foo 1.414214 0.707107
# Plot
In [177]: fig, ax = plt.subplots()
In [178]: means.plot.bar(yerr=errors, ax=ax, capsize=4, rot=0);
也支持非对称误差条,但这种情况下必须提供原始误差值。对于长度为 N
的 Series
,应提供一个 2xN
数组,指示上下(或左右)误差。对于 MxN
的 DataFrame
,非对称误差应位于 Mx2xN
数组中。
以下是一个使用非对称误差条绘制最小值/最大值范围的示例。
In [179]: mins = gp3.min()
In [180]: maxs = gp3.max()
# errors should be positive, and defined in the order of lower, upper
In [181]: errors = [[means[c] - mins[c], maxs[c] - means[c]] for c in df3.columns]
# Plot
In [182]: fig, ax = plt.subplots()
In [183]: means.plot.bar(yerr=errors, ax=ax, capsize=4, rot=0);
绘制表格#
在 DataFrame.plot()
和 Series.plot()
中,使用 table
关键字现在支持使用 matplotlib 表格绘制。 table
关键字可以接受 bool
、DataFrame
或 Series
。绘制表格的简单方法是指定 table=True
。数据将被转置以满足 matplotlib 的默认布局。
In [184]: np.random.seed(123456)
In [185]: fig, ax = plt.subplots(1, 1, figsize=(7, 6.5))
In [186]: df = pd.DataFrame(np.random.rand(5, 3), columns=["a", "b", "c"])
In [187]: ax.xaxis.tick_top() # Display x-axis ticks on top.
In [188]: df.plot(table=True, ax=ax);
此外,您可以将不同的 DataFrame
或 Series
传递给 table
关键字。数据将按照打印方法中显示的方式绘制(不会自动转置)。如果需要,应手动转置,如以下示例所示。
In [189]: fig, ax = plt.subplots(1, 1, figsize=(7, 6.75))
In [190]: ax.xaxis.tick_top() # Display x-axis ticks on top.
In [191]: df.plot(table=np.round(df.T, 2), ax=ax);
还存在一个辅助函数 pandas.plotting.table
,它从 DataFrame
或 Series
创建表格,并将其添加到 matplotlib.Axes
实例中。此函数可以接受 matplotlib table 拥有的关键字。
In [192]: from pandas.plotting import table
In [193]: fig, ax = plt.subplots(1, 1)
In [194]: table(ax, np.round(df.describe(), 2), loc="upper right", colWidths=[0.2, 0.2, 0.2]);
In [195]: df.plot(ax=ax, ylim=(0, 2), legend=None);
注意:您可以使用 axes.tables
属性获取轴上的表格实例,以进行进一步的装饰。有关更多信息,请参阅 matplotlib 表格文档。
颜色映射#
在绘制大量列时,一个潜在的问题是,由于默认颜色重复,可能难以区分某些序列。为了解决这个问题,DataFrame
绘图支持使用 colormap
参数,该参数接受 Matplotlib 颜色映射 或注册到 Matplotlib 的颜色映射名称的字符串。可以在 这里 查看默认 matplotlib 颜色映射的可视化。
由于 matplotlib 不直接支持基于线条的绘图的颜色映射,因此颜色是根据 DataFrame
中的列数确定的均匀间距选择的。没有考虑背景颜色,因此某些颜色映射会产生不易看到的线条。
要使用 cubehelix 颜色映射,我们可以传递 colormap='cubehelix'
。
In [196]: np.random.seed(123456)
In [197]: df = pd.DataFrame(np.random.randn(1000, 10), index=ts.index)
In [198]: df = df.cumsum()
In [199]: plt.figure();
In [200]: df.plot(colormap="cubehelix");
或者,我们可以传递颜色映射本身
In [201]: from matplotlib import cm
In [202]: plt.figure();
In [203]: df.plot(colormap=cm.cubehelix);
颜色映射也可以用于其他绘图类型,例如条形图
In [204]: np.random.seed(123456)
In [205]: dd = pd.DataFrame(np.random.randn(10, 10)).map(abs)
In [206]: dd = dd.cumsum()
In [207]: plt.figure();
In [208]: dd.plot.bar(colormap="Greens");
平行坐标图
In [209]: plt.figure();
In [210]: parallel_coordinates(data, "Name", colormap="gist_rainbow");
安德鲁斯曲线图
In [211]: plt.figure();
In [212]: andrews_curves(data, "Name", colormap="winter");
直接使用 Matplotlib 绘图#
在某些情况下,可能仍然需要或更倾向于直接使用 matplotlib 准备绘图,例如当 pandas 不(尚未)支持某种类型的绘图或自定义时。 Series
和 DataFrame
对象的行为类似于数组,因此可以直接传递给 matplotlib 函数,无需显式转换。
pandas 还自动注册识别日期索引的格式化程序和定位器,从而将日期和时间支持扩展到 matplotlib 中几乎所有可用的绘图类型。虽然这种格式化没有提供通过 pandas 绘图时获得的相同级别的细化,但在绘制大量点时可能会更快。
In [213]: np.random.seed(123456)
In [214]: price = pd.Series(
.....: np.random.randn(150).cumsum(),
.....: index=pd.date_range("2000-1-1", periods=150, freq="B"),
.....: )
.....:
In [215]: ma = price.rolling(20).mean()
In [216]: mstd = price.rolling(20).std()
In [217]: plt.figure();
In [218]: plt.plot(price.index, price, "k");
In [219]: plt.plot(ma.index, ma, "b");
In [220]: plt.fill_between(mstd.index, ma - 2 * mstd, ma + 2 * mstd, color="b", alpha=0.2);
绘图后端#
pandas 可以使用第三方绘图后端进行扩展。主要思想是让用户选择与基于 Matplotlib 的提供的后端不同的绘图后端。
这可以通过在 plot
函数中将 ‘backend.module’ 作为参数 backend
来完成。例如
>>> Series([1, 2, 3]).plot(backend="backend.module")
或者,您也可以全局设置此选项,这样您就不需要在每个 plot
调用中指定关键字。例如
>>> pd.set_option("plotting.backend", "backend.module")
>>> pd.Series([1, 2, 3]).plot()
或者
>>> pd.options.plotting.backend = "backend.module"
>>> pd.Series([1, 2, 3]).plot()
这或多或少等同于
>>> import backend.module
>>> backend.module.plot(pd.Series([1, 2, 3]))
然后,后端模块可以使用其他可视化工具(Bokeh、Altair、hvplot 等)来生成绘图。在 生态系统页面 上列出了为 pandas 实现后端的某些库。
开发人员指南可以在 https://pandas.ac.cn/docs/dev/development/extending.html#plotting-backends 找到