Визуализация

Мы используем стандартную конвенцию для ссылки на API matplotlib:

In [1]: import matplotlib.pyplot as plt

Мы предоставляем основы в pandas для легкого создания привлекательных графиков. Обратитесь к разделу экосистемы для библиотек визуализации, выходящих за рамки основных, документированных здесь.

Основные графики: plot

См. кулинарную книгу для некоторых продвинутых стратегий

Метод plot для Series и DataFrame — это просто обертка вокруг plt.plot():

In [2]: ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))

In [3]: ts = ts.cumsum()

In [4]: ts.plot()
Out[4]: <matplotlib.axes._subplots.AxesSubplot at 0x135383ba8>

Если индекс состоит из дат, он вызывает gcf().autofmt_xdate(), чтобы попытаться красиво отформатировать ось x, как указано выше.

Для DataFrame, plot() — это удобство для построения всех столбцов с метками:

In [5]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))

In [6]: df = df.cumsum()

In [7]: plt.figure(); df.plot();

Вы можете построить один столбец против другого, используя ключевые слова x и y в plot():

In [8]: df3 = pd.DataFrame(np.random.randn(1000, 2), columns=['B', 'C']).cumsum()

In [9]: df3['A'] = pd.Series(list(range(len(df))))

In [10]: df3.plot(x='A', y='B')
Out[10]: <matplotlib.axes._subplots.AxesSubplot at 0x13570bc18>

Другие графики

Методы построения графиков позволяют использовать несколько стилей графиков, помимо стандартного графика линий. Эти методы могут быть предоставлены в качестве ключевого аргумента kind к plot(). К ним относятся:

• ‘bar’ или ‘barh’ для гистограмм
• ‘hist’ для гистограммы
• ‘box’ для ящиковой диаграммы
• ‘kde’ или 'density' для графиков плотности
• ‘area’ для облачных графиков
• ‘scatter’ для точечных графиков
• ‘hexbin’ для гексагональных графиков
• ‘pie’ для круговых графиков

Например, гистограмма столбцов может быть создана следующим образом:

In [11]: plt.figure();

In [12]: df.iloc[5].plot(kind='bar');

Вы также можете создать эти другие графики, используя методы DataFrame.plot.<kind> вместо предоставления ключевого аргумента kind. Это упрощает поиск методов построения графиков и используемых ими специфических аргументов:

In [13]: df = pd.DataFrame()

In [14]: df.plot.<TAB>
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

В дополнение к этим kind существуют методы DataFrame.hist() и DataFrame.boxplot(), которые используют отдельный интерфейс.

Наконец, в pandas.plotting имеется несколько функций построения графиков, которые принимают Series или DataFrame в качестве аргумента. К ним относятся:

• Матрица рассеяния
• Кривые Эндрюса
• Параллельные координаты
• График запаздывания
• График автокорреляции
• График бутстрепа
• RadViz

Графики также можно дополнить ошибками или таблицами.

Гистограммы столбцов

Для меченых данных, не являющихся временными рядами, вы можете создать гистограмму столбцов:

In [15]: plt.figure();

In [16]: df.iloc[5].plot.bar(); plt.axhline(0, color='k')
Out[16]: <matplotlib.lines.Line2D at 0x135da0588>

Вызов метода DataFrame plot.bar() создает график с несколькими столбцами:

In [17]: df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])

In [18]: df2.plot.bar();

Чтобы создать стопку столбцов, передайте stacked=True:

In [19]: df2.plot.bar(stacked=True);

Чтобы получить гистограммы столбцов по горизонтали, используйте метод barh:

In [20]: df2.plot.barh(stacked=True);

Гистограммы

Гистограммы можно нарисовать, используя методы DataFrame.plot.hist() и Series.plot.hist().

In [21]: 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 [22]: plt.figure();

In [23]: df4.plot.hist(alpha=0.5)
Out[23]: <matplotlib.axes._subplots.AxesSubplot at 0x136364da0>

Гистограммы можно сделать стопкой, используя stacked=True. Размер бина можно изменить, используя ключевое слово bins.

In [24]: plt.figure();

In [25]: df4.plot.hist(stacked=True, bins=20)
Out[25]: <matplotlib.axes._subplots.AxesSubplot at 0x136353390>

Вы можете передать другие ключевые слова, поддерживаемые matplotlib hist. Например, гистограммы по горизонтали и кумулятивные гистограммы можно нарисовать с помощью orientation='horizontal' и cumulative=True.

In [26]: plt.figure();

In [27]: df4['a'].plot.hist(orientation='horizontal', cumulative=True)
Out[27]: <matplotlib.axes._subplots.AxesSubplot at 0x136955da0>

См. метод hist и документацию matplotlib по гистограммам для получения дополнительной информации.

Существующий интерфейс DataFrame.hist для построения гистограммы по-прежнему может быть использован.

In [28]: plt.figure();

In [29]: df['A'].diff().hist()
Out[29]: <matplotlib.axes._subplots.AxesSubplot at 0x1369e4a90>

DataFrame.hist() строит гистограммы столбцов на нескольких подграфиках:

In [30]: plt.figure()
Out[30]: <Figure size 640x480 with 0 Axes>

In [31]: df.diff().hist(color='k', alpha=0.5, bins=50)