7个Pandas绘图函数助力数据可视化

大家好，在使用Pandas分析数据时，会使用Pandas函数来过滤和转换列，连接多个数据帧中的数据等操作。但是，生成图表将数据在数据帧中可视化，通常比仅仅查看数字更有帮助。

Pandas具有几个绘图函数，可以使用它们快速轻松地实现数据可视化，文中将介绍这些函数。

一、创建Pandas数据帧

首先创建一个用于分析的示例数据帧，将数据帧命名为df_employees，其中包含员工记录。我们将使用Faker和NumPy的随机模块来填充数据帧，生成200条记录。

注意：如果开发环境中没有安装Faker，请使用pip安装：pip install Faker。

运行以下代码片段来创建df_employees，并向其中填充记录：

import?pandas?as?pd
from?faker?import?Faker
import?numpy?as?np

#?实例化Faker对象
fake?=?Faker()
Faker.seed(27)

#?为员工创建一个数据帧
num_employees?=?200
departments?=?['Engineering',?'Finance',?'HR',?'Marketing',?'Sales',?'IT']

years_with_company?=?np.random.randint(1,?10,?size=num_employees)
salary?=?40000?+?2000?*?years_with_company?*?np.random.randn()

employee_data?=?{
?'EmployeeID':?np.arange(1,?num_employees?+?1),
?'FirstName':?[fake.first_name()?for?_?in?range(num_employees)],
?'LastName':?[fake.last_name()?for?_?in?range(num_employees)],
?'Age':?np.random.randint(22,?60,?size=num_employees),
?'Department':?[fake.random_element(departments)?for?_?in?range(num_employees)],
?'Salary':?np.round(salary),
?'YearsWithCompany':?years_with_company
}

df_employees?=?pd.DataFrame(employee_data)

#?显示数据帧的头部
df_employees.head(10)

设置种子以便重现结果，所以每次运行此代码，都会得到相同的记录。

以下是数据帧的前几条记录：

df_employees.head(10)的输出结果

二、Pandas绘图函数

1. 散点图

散点图通常用于了解数据集中任意两个变量之间的关系。对于df_employees数据帧，让我们创建一个散点图来可视化员工年龄和工资之间的关系。这将帮助大家了解员工年龄和工资之间是否存在一定的相关性。

要绘制散点图，可以使用plot.scatter()，如下所示：

#?散点图：年龄与工资
df_employees.plot.scatter(x='Age',?y='Salary',?title='Scatter?Plot:?Age?vs?Salary',?xlabel='Age',?ylabel='Salary',?grid=True)

对于此示例数据帧，并未看到员工年龄和工资之间的任何相关性。

2. 折线图

折线图适用于识别连续变量（通常是时间或类似刻度）上的趋势和模式。

在创建df_employees数据帧时，已经定义了员工在公司工作年限与工资之间的线性关系，观察一下显示工作年限与平均工资变化的折线图。

按工作年限分组找到平均工资，然后使用plot.line()绘制折线图：

#?折线图：平均工资随工作年限的变化趋势
average_salary_by_experience?=?df_employees.groupby('YearsWithCompany')['Salary'].mean()
df_employees['AverageSalaryByExperience']?=?df_employees['YearsWithCompany'].map(average_salary_by_experience)

df_employees.plot.line(x='YearsWithCompany',?y='AverageSalaryByExperience',?marker='o',?linestyle='-',?title='Average?Salary?Trend?Over?Years?of?Experience',?xlabel='Years?With?Company',?ylabel='Average?Salary',?legend=False,?grid=True)

由于选择使用员工在公司工作年限的线性关系来填充薪资字段，因此可以清晰地看到折线图反映了这一点。

3. 直方图

可以使用直方图来可视化连续变量的分布情况，方法是将数值划分成区间或分段，并显示每个分段中的数据点数量。

使用plot.hist()绘制直方图来了解员工年龄的分布情况，如下所示：

#?直方图：年龄分布
df_employees['Age'].plot.hist(title='Age?Distribution',?bins=15)

4. 箱形图

箱形图有助于了解变量的分布、扩散情况，并用于识别异常值。创建一个箱形图，比较不同部门间的工资分布情况，从而对组织部的工资分布情况进行高层次的比较。

箱形图还有助于确定薪资范围以及每个部门的有用信息，如中位数薪资和潜在的异常值等。

在这里，使用根据“部门（Department）”分组的“薪资（Salary）”列来绘制箱形图：

#?箱形图：按部门分列的薪金分布情况
df_employees.boxplot(column='Salary',?by='Department',?grid=True,?vert=False)

从箱线图中，可以看到某些部门的薪资分布比其他部门更广泛。

5. 条形图

如果想要了解变量在出现频率方面的分布情况，可以使用条形图。

使用plot.bar()绘制一个条形图来可视化员工数量：

#?条形图：按部门的员工数量
df_employees['Department'].value_counts().plot.bar(title='Employee?Count?by?Department')

6. 面积图

面积图通常用于可视化在连续轴或分类轴上的累积分布变量。对于员工数据帧，可以绘制不同年龄组的累积薪资分布图。为了将员工映射到基于年龄组的区间中，需要使用pd.cut()。

然后通过“年龄组（AgeGroup）”对薪资进行累积求和，为了得到面积图，使用plot.area()：

#?面积图：不同年龄组的累积薪资分布
df_employees['AgeGroup']?=?pd.cut(df_employees['Age'],?bins=[20,?30,?40,?50,?60],?labels=['20-29',?'30-39',?'40-49',?'50-59'])
cumulative_salary_by_age_group?=?df_employees.groupby('AgeGroup')['Salary'].cumsum()

df_employees['CumulativeSalaryByAgeGroup']?=?cumulative_salary_by_age_group

df_employees.plot.area(x='AgeGroup',?y='CumulativeSalaryByAgeGroup',?title='Cumulative?Salary?Distribution?Over?Age?Groups',?xlabel='Age?Group',?ylabel='Cumulative?Salary',?legend=False,?grid=True)

7. 饼图

饼图有助于可视化各个部门在整体组织中的薪资分布比例。

对于我们的示例，创建一个饼图来显示组织中各个部门的薪资分布是很有意义的。

通过部门对员工的薪资进行分组，然后使用plot.pie()来绘制饼图：

#?饼图：按部门划分的薪资分布
df_employees.groupby('Department')['Salary'].sum().plot.pie(title='Department-wise?Salary?Distribution',?autopct='%1.1f%%')

三、总结

以上就是本文介绍的7个用于快速数据可视化的Pandas绘图函数，也可以尝试使用matplotlib和seaborn生成更漂亮的图表。对于快速数据可视化，上述这些函数非常方便，实现过程较为轻松。?