数据分析-Pandas数据如何图示规律

数据分析和处理中，难免会遇到各种数据，那么数据呈现怎样的规律呢？不管金融数据，风控数据，营销数据等等，莫不如此。如何通过图示展示数据的规律？

数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。数据分析过程中重新调整，重塑数据表是很重要的技巧，此处选择Titanic数据，以及巴黎、伦敦欧洲城市空气质量监测 $NO_2$ 数据作为样例。

数据分析

数据分析-Pandas如何转换产生新列

数据分析-Pandas如何统计数据概况

数据分析-Pandas如何轻松处理时间序列数据

数据分析-Pandas如何选择数据子集

数据分析-Pandas如何重塑数据表-CSDN博客

经典算法

经典算法-遗传算法的python实现

经典算法-模拟退火算法的python实现

经典算法-粒子群算法的python实现-CSDN博客

本文用到的样例数据：

Titanic数据

空气质量监测 $NO_2$ 数据

样例代码：

源代码参考 Pandas如何重塑数据表

源代码参考 python数据分析-数据表读写到pandas

导入关键模块

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

plt.close("all")
1
2
3
4
5

画图有几种方式：

1、使用matplotlib的 pyplot模块

2、直接使用序列数据画图，实质上也是调用pyplot模块

3、直接使用Dataframe数据画图，实质上也是调用pyplot模块

探究序列数据展示

当使用的是序列数据时，如何把序列数据展示为曲线呢？

该例使用随机生成数据来举例，需要指定index，使用时间刻度。

# serial plot vs date time
np.random.seed(123456)

ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
ts = ts.cumsum()

ts.plot()
plt.show()
plt.close("all")
1
2
3
4
5
6
7
8
9

序列展示

当使用时间日期数据，其实调用的是 gcf().autofmt_xdate() 函数格式化x轴。

探究Dataframe数据展示

有时候使用的是dataframe数据类型，如何把dataframe数据展示为曲线呢？

这样是可以一张图同时画出多列数据线集中展示，需要比较数据：

# dataframe plot 画图
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))

df = df.cumsum()
df.plot();
plt.show()

plt.close("all")
1
2
3
4
5
6
7
8

Dataframe多列展示

探究列之间的数据关系

有时候，Boss突发奇想，看看两列的关系呢？如何展示？

当然除了都放在一张图以外，还可以画出两列之间的关系，只要在plot函数指定x，y参数。

df3 = pd.DataFrame(np.random.randn(1000, 2), columns=["B", "C"]).cumsum()

df3["A"] = pd.Series(list(range(len(df))))

df3.plot(x="A", y="B");
1
2
3
4
5

数据列之间的关系

以上代码只是一个简单示例，示例代码中的表达式可以根据实际问题进行修改。

后面介绍下除了画线以外的展示形式。

df.plot.area     df.plot.barh     df.plot.density  df.plot.hist     df.plot.line 
df.plot.bar      df.plot.box      df.plot.hexbin   df.plot.kde      df.plot.pie
df.plot.scatter
1
2
3