当前位置：首页 > news >正文

Pandas数据处理与分析实战:Pandas数据处理与Matplotlib可视化入门

news 2025/8/20 7:19:28

数据可视化基础：Pandas与Matplotlib的结合

学习目标

通过本课程的学习，学员将掌握如何使用Pandas并结合Matplotlib进行基本的数据可视化，了解Pandas基于Matplotlib封装的绘图功能的使用方法，以及如何使用Matplotlib库创建更加复杂和美观的图表。

学习内容

1 Pandas数据可视化基础

1.1 Pandas内置绘图功能

Pandas是一个强大的数据处理库，它不仅提供了高效的数据处理，还基于Matplotlib封装了部分绘图功能，使得数据可视化变得简单快捷。Pandas的绘图功能基于Matplotlib，这意味着可以利用Pandas的简洁语法快速生成图表，同时也可以结合Matplotlib进行更深入的定制。

1.1.1 基本图表类型

Pandas支持多种图表类型，包括但不限于折线图、柱状图、饼图、散点图等。这些图表类型可以通过DataFrame或Series对象的plot()方法轻松创建。例如，创建一个简单的折线图：

import pandas as pd
import matplotlib.pyplot as plt# 创建一个简单的数据集
data = {'Year': [1990, 1995, 2000, 2005, 2010, 2015],'Population': [5.3, 5.7, 6.1, 6.5, 6.9, 7.3]}
df = pd.DataFrame(data)# 使用Pandas绘制折线图
df.plot(x='Year', y='Population', kind='line', title='World Population Over Time')
plt.show()

这里首先导入必要的库，然后创建一个包含年份和人口数据的DataFrame。通过调用plot()方法并指定x和y参数，以及图表类型kind为line，轻松地生成了一个折线图。title参数用于设置图表的标题。

1.1.2 自定义图表样式

虽然Pandas的plot()方法默认图表样式已经足够美观，但有时可能需要对图表进行更详细的定制，比如改变线条颜色、添加图例等。这些都可以通过传递额外的参数给plot()方法来实现，还可以通过Matplotlib的API进行更深入的定制。

import pandas as pd
import matplotlib.pyplot as plt# 创建一个简单的数据集
data = {'Year': [1990, 1995, 2000, 2005, 2010, 2015],'Population': [5.3, 5.7, 6.1, 6.5, 6.9, 7.3]}
df = pd.DataFrame(data)
# 自定义图表样式
df.plot(x='Year', y='Population', kind='line', color='green', marker='o', linestyle='--', title='World Population Over Time')
plt.xlabel('Year')
plt.ylabel('Population (in billions)')
plt.legend(['Population'])
plt.grid(True)
plt.show()

这个例子通过color参数设置了线条的颜色，marker参数指定了数据点的标记样式，linestyle参数定义了线条的样式。此外，还使用了Matplotlib的API来设置x轴和y轴的标签、图例以及网格线，使得图表更加清晰易读。

1.2 Matplotlib基础

虽然Pandas的plot()方法功能大多数情况下已经足够，但在某些情况下可能需要更灵活的绘图选项，这时就需要结合使用Matplotlib，它是一个全面的绘图库，提供了丰富的API来创建各种类型的图表。

1.2.1 创建基本图表

Matplotlib的基本使用非常简单，通过pyplot模块，可以轻松创建图表。以下是一个创建柱状图的例子：

import matplotlib.pyplot as plt# 数据
years = [1990, 1995, 2000, 2005, 2010, 2015]
population = [5.3, 5.7, 6.1, 6.5, 6.9, 7.3]# 创建柱状图
plt.bar(years, population, color='blue')
plt.xlabel('Year')
plt.ylabel('Population (in billions)')
plt.title('World Population Over Time')
plt.show()

这段代码首先定义了年份和人口数据，然后使用plt.bar方法创建了一个柱状图。通过xlabel、ylabel和title方法设置了图表的标签和标题。

1.2.2 图表的高级定制

Matplotlib的强大之处在于其高度的可定制性。可以对图表的各个方面进行详细的设置，包括颜色、线条样式、图例、网格线等。以下是一个更复杂的例子，展示了如何创建带有图例和网格线的散点图：

# 数据
x = [1, 2, 3, 4, 5]
y1 = [2, 3, 5, 7, 11]
y2 = [1, 4, 9, 16, 25]# 创建散点图
plt.scatter(x, y1, color='red', label='Prime Numbers')
plt.scatter(x, y2, color='blue', label='Squares')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter Plot Example')
plt.legend()
plt.grid(True)
plt.show()