7.3 数据的可视化

7.3数据的可视化学习内容7.3.1折线图7.3.2条形图7.3.3饼图7.3数据的可视化pandas结合matplotlib库，可以将数据以图表的形式可视化，反映出数据的各项特征。pandas数据的可视化的实现底层依赖于matplotlib，使用该框架前,必须先安装并导入它。可以使用conda直接安装matplotlib，语法如下：1condainstallmatplotlib或者使用pip安装，语法如下：1pipinstallmatplotlib7.3数据的可视化pandas提供了生成各类图表的plot()方法，通过参数来配置标题，网格，样式等，更加方便和简洁。表7.3.1plot()方法的常用参数序号参数说明1xx轴的数据，指数据框的行标签或者位置参数2yy轴的数据，指数据框的列标签或者位置参数3kind绘图类型，字符串类型，取值如下：'line':折线图，默认'bar':条形图。stacked为True时为堆叠的柱状图'barh':横向条形图'hist':直方图（数值频率分布）'box':箱型图'kde':密度图，主要对柱状图添加Kernel概率密度线'density':密度图'area':与x轴所围区域图（面积图）。Stacked=True时，每列必须全部为正或负值，stacked=False时，对数据没有要求'pie':饼图。数值必须为正值，需指定Y轴或者subplots=True'scatter':散点图。需指定X轴Y轴'hexbin':蜂巢图。需指定X轴Y轴'hexbin':蜂巢图。需指定X轴Y轴7.3数据的可视化表7.3.1plot()方法的常用参数（续）序号参数说明4title图的标题,其值为字符串或列表5grid图是否有网格，默认为False，没有网格。若设置为True，表示有网格6subplots设置图中是否有子图，默认为False,没有子图。若设置为True，表示画子图。7layout子图的行列布局，设置为(row,column)，row表示行数，column表示列数8figsize子图的大小，设置为（width,height）,width表示为宽度，height表示为高度。9legend子图的图例，布尔值，默认为True，表示显示图例。如果设置为False，表示不显示图例。10style指定图的线条等样式，取值如下：style=':'，虚线style='-.'虚实相间style='--'长虚线style='-'实线（默认）style='.'点style='*-'实线，数值为星星style='^-'实线，数值为三角形11autopct设置饼图百分比，可以使用格式化字符串或者format方法。7.3数据的可视化7.3.1折线图折线图可以展示数据随时间的变化，适用于显示在相等时间间隔下数据的趋势，例如每月的销售数据，每日的气温变化，每小时的股票交易量等等。在折线图中，一般x轴表示时间，y轴表示要展示数据的数值。案例：已知北京2019年每月的气温数据(data/北京2019气温数据.xlsx),利用DataFrame对象的plot()方法绘制折线图的代码如下所示：01importpandasaspd02df=pd.read_excel('data/北京2019气温数据.xlsx')03df7.3数据的可视化7.3.1折线图04importmatplotlib.pyplotasplt05plt.rcParams['font.sans-serif']=['SimHei']#解决中文乱码06plt.rcParams['axes.unicode_minus']=False#图中坐标轴“负号”显示不全07df.plot(x='月',y='平均最高气温(℃)',grid=True,title='北京2019年平均最高气温变化')绘制平均最高气温变化的折线图：7.3数据的可视化7.3.1折线图同时绘制平均最高气温和最低气温变化的折线图：08df.plot(x='月',y=['平均最高气温(℃)','平均最低气温(℃)'],grid=True,title='北京2019年平均气温变化',style=['^-','*-'])7.3数据的可视化7.3.1折线图绘制平均最高气温和最低气温变化的折线图子图：09df.plot(x='月',y=['平均最高气温(℃)','平均最低气温(℃)'],subplots=True,layout=(1,2),figsize=(10,2),grid=True,title='北京2019年平均气温变化',style=['^-','*-']))7.3数据的可视化7.3.2条形图条形图，又称柱形图，是一种以长方形的高度（长度）为变量的统计图。DataFrame对象的plot()方法绘制条形图主要设置kind='bar'。案例：已知北京2019年每月的气温数据(data/北京2019气温数据.xlsx),绘制北京2019年平均最高气温变化的条形图：01importpandasaspd02df=pd.read_excel('data/北京2019气温数据.xlsx')03df04importmatplotlib.pyplotasplt05plt.rcParams['font.sans-serif']=['SimHei']#解决中文乱码06plt.rcParams['axes.unicode_minus']=False#图中坐标轴“负号”显示不全07df.plot(x='月',y='平均最高气温(℃)',kind='bar',grid=True,title='北京2019年平均气温变化')7.3数据的可视化7.3.2条形图08df.plot(x='月',y=['平均最高气温(℃)','平均最低气温(℃)'],kind='bar',grid=True,title='北京2019年平均气温变化')同时绘制平均最高气温和最低气温变化的条形图：7.3数据的可视化7.3.2条形图09df.plot(x='月',y=['平均最高气温(℃)','平均最低气温(℃)'],kind='barh',grid=True,title='北京2019年平均气温变化')绘制平均最高气温变化的条形图（横向）：7.3数据的可视化7.3.2条形图10df.plot(x='月',y=['平均最高气温(℃)','平均最低气温(℃)'],kind='bar',subplots=True,layout=(1,2),figsize=(10,2),grid=True,title='北京2019年平均气温变化')同时绘制平均最高气温和最低气温变化的条形图子图：7.3数据的可视化7.3.3饼图以某公司人员数据(data/人员.xls)为例，绘制学历构成饼图01importpandasaspd02df=pd.read_excel('data/人员.xls')03df.head()04importmatplotlib.pyplotasplt05plt.rcParams['font.sans-serif']=['SimHei']#解决中文乱码06#按学历分组，并统计各组的数量df2=df.groupby(['学历'],as_index=False).count()07df2.drop(['月薪'],axis=1,inplace=True)#删除'月薪'列08df2.columns=['学历','数量']#修改df2的列标签09df2饼图常常用来显示数据各个部分占总体的百分比，例如男女性别的百分比，工资收入各项的百分比等等。利用DataFrame对象的plot()方法绘制饼图主要设置kind='pie'。7.3数据的可视化7.3.3饼图10df2.plot(x='学历',y='数量',kind='pie',autopct='%.0f%%',fontsize=14,legend=False)#绘制饼图11df2.index=['大专','本科','硕士']