Визуализация

Мы используем стандартную конвенцию для ссылки на API matplotlib:

In [1]: import matplotlib.pyplot as plt

Мы предоставляем основы в pandas для лёгкого создания графиков с приличным внешним видом. Обратитесь к разделу экосистемы для библиотек визуализации, выходящих за рамки базовых функций, описанных здесь.

Базовая визуализация: plot

Мы продемонстрируем основы, см. справочник для некоторых продвинутых стратегий.

Метод plot для Series и DataFrame — это просто обертка над 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 0x7f20d5690710>

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

Для DataFrame, plot() — это удобный способ отобразить все столбцы 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 отобразить 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 0x7f20d5aabf28>

Другие графики

Методы построения графиков поддерживают ряд стилей, помимо стандартной линии. Эти методы могут быть предоставлены в качестве ключевого аргумента kind к plot(), и включают:

• ‘bar’ или ‘barh’ для столбчатых диаграмм
• ‘hist’ для гистограмм
• ‘box’ для ящиковых диаграмм
• ‘kde’ или ‘density’ для диаграмм плотности
• ‘area’ для диаграмм областей
• ‘scatter’ для диаграмм рассеяния
• ‘hexbin’ для диаграмм гексагональных ячеек
• ‘pie’ для круговых диаграмм

Например, столбчатую диаграмму можно создать следующим образом:

In [11]: plt.figure();

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

Вы также можете создавать эти другие графики, используя методы DataFrame.plot.<kind> вместо предоставления ключевого аргумента kind. Это упрощает поиск методов построения графиков и используемых ими конкретных 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(), использующие отдельный интерфейс.

Наконец, существуют несколько функций построения графиков в pandas.plotting , которые принимают Series или DataFrame в качестве аргумента. Они включают:

• Матрица рассеяния
• Кривые Эндрюса
• Параллельные координаты
• Диаграмма задержек
• Диаграмма автокорреляции
• Диаграмма бутстрепа
• RadViz

Графики также можно украсить погрешностями или таблицами.

Столбчатые диаграммы

Для помеченных данных, не являющихся временными рядами, вы можете создать столбчатую диаграмму:

In [15]: plt.figure();

In [16]: df.iloc[5].plot.bar(); plt.axhline(0, color='k')
Out[16]: <matplotlib.lines.Line2D at 0x7f20d46a4358>

Вызов метода plot.bar() DataFrame создаёт многорядную столбчатую диаграмму:

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

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

Чтобы создать столбчатую диаграмму с наложением, передайте stacked=True:

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

Для получения горизонтальных столбчатых диаграмм 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 0x7f20cf918908>

Гистограмму можно наложить, используя stacked=True. Размер бина можно изменить с помощью ключевого слова bins.

In [24]: plt.figure();

In [25]: df4.plot.hist(stacked=True, bins=20)
Out[25]: <matplotlib.axes._subplots.AxesSubplot at 0x7f20cf909a58>

Вы можете передать другие ключевые слова, поддерживаемые matplotlib hist. Например, горизонтальные 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 0x7f20cfbceba8>

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

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

In [28]: plt.figure();

In [29]: df['A'].diff().hist()
Out[29]: <matplotlib.axes._subplots.AxesSubplot at 0x7f20d550efd0>

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)