如何在 pandas 中建立繪圖？#

../../_images/04_plot_overview.svg
In [1]: import pandas as pd

In [2]: import matplotlib.pyplot as plt
本教學課程使用資料

  • 本教學課程使用 OpenAQ 提供，並使用 py-openaq 套件的 \(NO_2\) 空氣品質資料。 air_quality_no2.csv 資料集提供巴黎、安特衛普和倫敦的測量站 FR04014、BETR801 和 London Westminster 的 \(NO_2\) 值。

    至原始資料 
    In [3]: air_quality = pd.read_csv("data/air_quality_no2.csv", index_col=0, parse_dates=True)

In [4]: air_quality.head()
Out[4]: 
                     station_antwerp  station_paris  station_london
datetime                                                           
2019-05-07 02:00:00              NaN            NaN            23.0
2019-05-07 03:00:00             50.5           25.0            19.0
2019-05-07 04:00:00             45.0           27.7            19.0
2019-05-07 05:00:00              NaN           50.4            16.0
2019-05-07 06:00:00              NaN           61.9             NaN

    注意

    read_csv 函數的 index_col 和 parse_dates 參數的使用方式，分別將第一個 (第 0 個) 欄定義為結果 DataFrame 的索引，並將該欄中的日期轉換為 Timestamp 物件。

  • 我想快速查看資料。

    In [5]: air_quality.plot()
Out[5]: <Axes: xlabel='datetime'>

In [6]: plt.show()
    ../../_images/04_airqual_quick.png

    使用 DataFrame 時，pandas 會預設為每個具有數字資料的欄位建立一個折線圖。

  • 我只想繪製資料表中巴黎資料的欄位。

    In [7]: air_quality["station_paris"].plot()
Out[7]: <Axes: xlabel='datetime'>

In [8]: plt.show()
    ../../_images/04_airqual_paris.png

    若要繪製特定欄位，請使用 子集資料教學課程 的選取方法，搭配 plot() 方法。因此，plot() 方法可以在 Series 和 DataFrame 上執行。

  • 我想視覺化比較倫敦與巴黎測量到的 \(NO_2\) 值。

    In [9]: air_quality.plot.scatter(x="station_london", y="station_paris", alpha=0.5)
Out[9]: <Axes: xlabel='station_london', ylabel='station_paris'>

In [10]: plt.show()
    ../../_images/04_airqual_scatter.png

除了使用 plot 函數時預設的 line 繪圖外，還有許多其他繪製資料的選項。讓我們使用一些標準 Python 來概覽可用的繪圖方法

In [11]: [
   ....:     method_name
   ....:     for method_name in dir(air_quality.plot)
   ....:     if not method_name.startswith("_")
   ....: ]
   ....: 
Out[11]: 
['area',
 'bar',
 'barh',
 'box',
 'density',
 'hexbin',
 'hist',
 'kde',
 'line',
 'pie',
 'scatter']

注意

在許多開發環境以及 IPython 和 Jupyter Notebook 中，使用 TAB 按鈕來概覽可用的方法，例如 air_quality.plot. + TAB。

其中一個選項是 DataFrame.plot.box()，它指的是 箱型圖。box 方法適用於空氣品質範例資料

In [12]: air_quality.plot.box()
Out[12]: <Axes: >

In [13]: plt.show()
../../_images/04_airqual_boxplot.png
至使用者指南

如需預設折線圖以外的繪圖簡介，請參閱使用者指南關於 支援的繪圖樣式 的章節。

  • 我希望每個欄位都在一個獨立的子繪圖中。

    In [14]: axs = air_quality.plot.area(figsize=(12, 4), subplots=True)

In [15]: plt.show()
    ../../_images/04_airqual_area_subplot.png

    每個資料欄位的獨立子繪圖由 plot 函數的 subplots 參數支援。值得檢閱每個 pandas 繪圖函數中可用的內建選項。

至使用者指南

使用者指南關於 繪圖格式化 的章節中說明了一些其他格式化選項。

  • 我希望進一步自訂、延伸或儲存產生的繪圖。

    In [16]: fig, axs = plt.subplots(figsize=(12, 4))

In [17]: air_quality.plot.area(ax=axs)
Out[17]: <Axes: xlabel='datetime'>

In [18]: axs.set_ylabel("NO$_2$ concentration")
Out[18]: Text(0, 0.5, 'NO$_2$ concentration')

In [19]: fig.savefig("no2_concentrations.png")

In [20]: plt.show()
    ../../_images/04_airqual_customized.png

pandas 建立的每個繪圖物件都是 Matplotlib 物件。由於 Matplotlib 提供許多選項來自訂繪圖，讓 pandas 與 Matplotlib 之間的連結明確，就能讓繪圖擁有 Matplotlib 的所有功能。這個策略套用在前面的範例中

fig, axs = plt.subplots(figsize=(12, 4))        # Create an empty Matplotlib Figure and Axes
air_quality.plot.area(ax=axs)                   # Use pandas to put the area plot on the prepared Figure/Axes
axs.set_ylabel("NO$_2$ concentration")          # Do any Matplotlib customization you like
fig.savefig("no2_concentrations.png")           # Save the Figure/Axes using the existing Matplotlib method.
plt.show()                                      # Display the plot

請記住

  • .plot.* 方法適用於 Series 和 DataFrames。

  • 預設情況下，每個欄位都繪製成不同的元素（線條、箱型圖，…）。

  • pandas 建立的任何繪圖都是 Matplotlib 物件。

至使用者指南

pandas 中繪圖的完整概述在 視覺化頁面 中提供。