Il existe plusieurs bibliothèques qui visualisent les données en Python, mais Pandas seul est plutôt bon. La visualisation avec Pandas peut être complétée dans une chaîne de méthodes, ce qui peut légèrement éviter un encombrement variable temporaire chaotique. Dans cet article, je présenterai des recettes de visualisation, en me concentrant sur celles que j'utilise souvent dans la pratique.

Préparation

environnement

Python 3.6.8
jupyter==1.0.0
pandas==0.25.3

Les données

Cette fois, j'emprunterai les deux données suivantes.

Rendre les DataFrames «titanesques» et «crime», respectivement.

import pandas as pd
import zipfile

with zipfile.ZipFile('titanic.zip') as myzip:
    with myzip.open('train.csv') as myfile:
        titanic = pd.read_csv(myfile)

with zipfile.ZipFile('crimes-in-boston.zip') as myzip:
    with myzip.open('crime.csv') as myfile:
        crime = pd.read_csv(myfile, encoding='latin-1', parse_dates=['OCCURRED_ON_DATE'])

Recette de visualisation

Histogramme

C'est le moyen le plus rapide de voir la distribution des données numériques. Un graphique à barres peut être plus approprié lorsqu'il y a peu de valeurs uniques.

titanic['Age'].plot.hist()

Boîte à moustaches

Utilisé pour regarder les quadrants. Les points en dehors de la longueur de la boîte x 1,5 sont indiqués par des marqueurs comme des valeurs aberrantes. Les diagrammes de violon ne peuvent pas être dessinés avec des Pandas, alors abandonnez et utilisez Seaborn.

titanic['Age'].plot.box()

Optimisation de la densité du noyau

C'est une méthode pour estimer un PDF à partir de données, mais si elle est unidimensionnelle, un histogramme peut suffire. Pour plus d'informations sur l'estimation de la densité du noyau Python, voir ici. Puisqu'il utilise scipy, s'il n'est pas installé, installez-le avec pip install scipy.

titanic['Age'].plot.kde()

Nuage de points

Il est utilisé pour voir la relation entre les nombres réels. Si les points se chevauchent trop, la densité ne sera pas connue, donc je pense qu'il est normal de la rendre transparente. Si l'un d'entre eux est une catégorie ou a peu de valeurs uniques, il est préférable d'utiliser les histogrammes groupés et les moustaches de boîte décrits ci-dessous.

titanic.plot.scatter(x='Age', y='Fare', alpha=0.3)

Tracé de regroupement hexagonal

Je ne l'ai jamais utilisé, mais je vais le présenter pour le moment.

titanic.plot.hexbin(x='Age', y='Fare', gridsize=30)

Bar Plot

Il est souvent utilisé pour afficher les valeurs agrégées de chaque catégorie.

titanic['Embarked'].value_counts(dropna=False).plot.bar()

Graphique à barres horizontales

J'ai essayé de m'allonger.

titanic['Embarked'].value_counts(dropna=False).plot.barh()

Horizontal Bar Plot with DataFrame Styling

Vous pouvez faire ressembler le DataFrame à un graphique à barres. Je l'utilise beaucoup car il me permet de rechercher par texte.

titanic['Embarked'].value_counts(dropna=False).to_frame().style.bar(vmin=0)

Graphique linéaire

Il est souvent utilisé pour voir les changements dans la série.

crime['OCCURRED_ON_DATE'].dt.date.value_counts().plot.line(figsize=(16, 4))

Tracé de zone

Comme avec le graphique de ligne de pliage, nous voyons la série changer, mais nous voyons la grandeur à partir de zéro. Cependant, si elle est trop fine, la vallée sera difficile à comprendre, il vaut donc mieux la disperser un peu.

crime['OCCURRED_ON_DATE'].dt.date.value_counts().plot.area(figsize=(16, 4), linewidth=0)

Graphique à secteurs

Je ne l'utilise pas car il est difficile de comprendre le graphique circulaire, mais je vais le présenter pour le moment. Les raisons pour lesquelles le graphique circulaire est difficile à comprendre sont résumées dans l'article suivant.

Utilisez-vous toujours le graphique circulaire? - Livre d'idées de visualisation des données

titanic['Embarked'].value_counts(dropna=False).plot.pie()

Grouped Histogram

Souvent utilisé pour comparer la distribution entre deux groupes. (Il n'est pas nécessaire que ce soit 2 groupes)

titanic.groupby('Survived')['Age'].plot.hist(alpha=0.5, legend=True)

titanic['Age'].groupby(titanic['Survived']).plot.hist(alpha=0.5, legend=True)

Ainsi, dans ce dernier cas, vous pouvez utiliser une série externe.

Grouped Box Plot

Cela ne fonctionne pas avec groupby, alors écrivez comme suit.

titanic.boxplot(column='Age', by='Survived')

Grouped Kernel Density Estimation

Il peut être utilisé pour comparer la distribution entre deux groupes ainsi que l'histogramme.

titanic['Age'].groupby(titanic['Survived']).plot.kde(legend=True)

Grouped Scatter Plot

Je pense que je l'utilise souvent, mais je ne peux pas écrire intelligemment. S'il s'agit de «group by», il sera renvoyé sous forme de liste.

titanic.groupby('Survived').plot.scatter(x='Age', y='Fare', alpha=0.3)

Il ne peut être utilisé que si la clé est des données numériques, mais si vous l'écrivez comme suit, ce sera un diagramme de dispersion de couleurs différentes pour chaque groupe.

titanic.plot.scatter(x='Age', y='Fare', c='Survived', cmap='viridis', alpha=0.3)

Document officiel de Pandas montre comment partager Axis et dessiner deux graphiques. ..

ax = titanic[titanic['Survived'] == 0].plot.scatter(x='Age', y='Fare', label=0, alpha=0.3)
titanic[titanic['Survived'] == 1].plot.scatter(x='Age', y='Fare', c='tab:orange', label=1, alpha=0.3, ax=ax)

Grouped Hexagonal Binning Plot

titanic.groupby('Survived').plot.hexbin(x='Age', y='Fare', gridsize=30)

Grouped Bar Plot

titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack().plot.bar()

titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack(0).plot.bar()

Grouped Horizontal Bar Plot

titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack().plot.barh()

titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack(0).plot.barh()

Grouped Horizontal Bar Plot with DataFrame Styling

titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack(0).style.bar(vmin=0, axis=None)

Grouped Line Plot

crime['OCCURRED_ON_DATE'].dt.date.groupby(crime['DISTRICT']).value_counts().unstack(0).plot.line(figsize=(16, 4), alpha=0.5)

crime['OCCURRED_ON_DATE'].dt.date.groupby(crime['DISTRICT']).value_counts().unstack(0).iloc[:, :4].plot.line(figsize=(16, 4), alpha=0.5)

Stacked Area Plot

crime['OCCURRED_ON_DATE'].dt.date.groupby(crime['DISTRICT']).value_counts().unstack(0).plot.area(figsize=(16, 4), linewidth=0)

crime['OCCURRED_ON_DATE'].dt.date.groupby(crime['DISTRICT']).value_counts().unstack(0).iloc[:, :4].plot.area(figsize=(16, 4), linewidth=0)

Grouped Pie Plot

titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack(0).plot.pie(subplots=True)

Stacked Bar Plot

titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack().plot.bar(stacked=True)

titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack(0).plot.bar(stacked=True)

Stacked Horizontal Bar Plot

titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack().plot.barh(stacked=True)

titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack(0).plot.barh(stacked=True)

Percent Stacked Bar Plot

Pour dessiner un graphique à barres empilées à 100%, vous devez calculer le ratio.

(titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack()
 .div(titanic['Survived'].value_counts(dropna=False), axis=0)
 .plot.bar(stacked=True))

(titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack(0)
 .div(titanic['Embarked'].value_counts(dropna=False), axis=0)
 .plot.bar(stacked=True))

Percent Stacked Horizontal Bar Plot

(titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack()
 .div(titanic['Survived'].value_counts(dropna=False), axis=0)
 .plot.barh(stacked=True))

(titanic['Embarked'].groupby(titanic['Survived']).value_counts(dropna=False).unstack(0)
 .div(titanic['Embarked'].value_counts(dropna=False), axis=0)
 .plot.barh(stacked=True))

Overlay Plots

Superposez l'histogramme et le graphique de l'estimation de la densité du noyau.

titanic['Age'].groupby(titanic['Survived']).plot.hist(alpha=0.5, legend=True)
titanic['Age'].groupby(titanic['Survived']).plot.kde(legend=True, secondary_y=True)

Grouped Bar Plot with Error Bars

Vous devez calculer l'erreur standard pour dessiner la barre d'erreur.

yerr = titanic.groupby(['Survived', 'Pclass'])['Fare'].std().unstack(0)
titanic.groupby(['Survived', 'Pclass'])['Fare'].mean().unstack(0).plot.bar(yerr=yerr)

Heat Map with DataFrame Styling

(pd.crosstab(crime['DAY_OF_WEEK'], crime['HOUR'].div(3).map(int).mul(3), normalize=True)
 .reindex(['Sunday', 'Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday'])
 .style.background_gradient(axis=None).format('{:.3%}'))

Si vous changez la carte des couleurs, cela ressemblera à une pelouse.

(pd.crosstab(crime['DAY_OF_WEEK'], crime['MONTH'], normalize=True)
 .reindex(['Sunday', 'Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday'])
 .style.background_gradient(axis=None, cmap='YlGn').format('{:.3%}'))

Correlation Heat Map with DataFrame Styling

Je l'introduirai dans le prochain article.

[One line] Heat-map la matrice de corrélation avec Pandas uniquement

corr = titanic.corr()
low = (1 + corr.values.min()) / (1 - corr.values.min())
corr.style.background_gradient(axis=None, cmap='viridis', low=low).format('{:.6f}')

la fin

J'ai présenté ceux qui semblent relativement faciles à utiliser. Il y a aussi une telle chose! S'il vous plaît, faites-moi savoir. Si vous souhaitez dessiner un graphique plus élaboré, la page suivante vous sera utile.

Visualization — pandas documentation
Styling — pandas documentation
Maîtriser la fonction de tracé des pandas Python --StatsFragments
[Explication de tous les arguments de l'intrigue de Pandas | Voyage d'auto-considération](https://own-search-and-study.xyz/2016/08/03/pandas%E3%81%AEplot%E3%81% AE% E5% 85% A8% E5% BC% 95% E6% 95% B0% E3% 82% 92% E4% BD% BF% E3% 81% 84% E3% 81% 93% E3% 81% AA% E3% 81% 99 /)

Visualisez rapidement avec les pandas