本篇内容主要讲解“怎么用Python中的Pandas库绘制数据”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“怎么用Python中的Pandas库绘制数据”吧!
pandas是一个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算);用于数据挖掘和数据分析,同时也提供数据清洗功能,Pandas 广泛应用在学术、金融、统计学等各个数据分析领域。
在本系列中,我们将在每个库中制作相同的多条形柱状图,以便我们可以比较它们的工作方式。我们使用的数据是 1966 年至 2020 年的英国大选结果:
在继续之前,请注意你可能需要调整 Python 环境来运行此代码,包括:
运行最新版本的 Python(用于 Linux、Mac 和 Windows 的说明) 确认你运行的是与这些库兼容的 Python 版本
数据可在线获得,并可使用 Pandas 导入:
import pandas as pddf = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')
现在我们已经准备好了。在本系列文章中,我们已经看到了一些令人印象深刻的简单 API,但是 Pandas 一定能夺冠。
要在 x 轴上绘制按年份和每个党派分组的柱状图,我只需要这样做:
import matplotlib.pyplot as pltax = df.plot.bar(x='year')plt.show()
只有四行,这绝对是我们在本系列中创建的最棒的多条形柱状图。
我以宽格式使用数据,这意味着每个党派都有一列:
year conservative labour liberal others0 1966 253 364 12 11 1970 330 287 6 72 Feb 1974 297 301 14 18.. ... ... ... ... ...12 2015 330 232 8 8013 2017 317 262 12 5914 2019 365 202 11 72
这意味着 Pandas 会自动知道我希望如何分组,如果我希望进行不同的分组,Pandas 可以很容易地重组 DataFrame。
与 Seaborn 一样,Pandas 的绘图功能是 Matplotlib 之上的抽象,这就是为什么要调用 Matplotlib 的 plt.show() 函数来实际生成绘图的原因。
看起来是这样的:
调整样式
我们可以通过访问底层的 Matplotlib 方法轻松地调整样式。
首先,我们可以通过将 Matplotlib 颜色表传递到绘图函数来为柱状图着色:
from matplotlib.colors import ListedColormapcmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])ax = df.plot.bar(x='year', colormap=cmap)
我们可以使用绘图函数的返回值设置坐标轴标签和,它只是一个 Matplotlib 的 Axis 对象。
ax.set_xlabel(None)ax.set_ylabel('Seats')ax.set_title('UK election results')
这是现在的样子:
这与上面的 Matplotlib 版本几乎相同,但是只用了 8 行代码而不是 16 行!我内心的代码高手非常高兴。
抽象必须是可转义的
与 Seaborn 一样,向下访问 Matplotlib API 进行细节调整的能力确实很有帮助。这是给出抽象紧急出口使其既强大又简单的一个很好的例子。
到此,相信大家对“怎么用Python中的Pandas库绘制数据”有了更深的了解,不妨来实际操作一番吧!这里是编程网网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!