パンダのデータ視覚化は非常に強力であることが判明しました

著者：弟ウー

出典：AI入門学習（公開アカウント）

Pythonには、3つの一般的なデータ視覚化ライブラリがあります。

matplotlib：最も一般的に使用されているライブラリで、視覚化に必要なスキルライブラリと見なすことができます。比較的低レベルで、多くのAPIがあり、習得するのは簡単ではありません。

seaborn：ほとんどの視覚化のニーズを満たすことができるmatplotlibに基づいて構築されており、さらに特別なニーズはmatplotlibを学習する必要があります。

pyecharts：上記の2つのライブラリは静的な視覚化ライブラリであり、pyechartsはWebとの互換性が高く、視覚的な動的効果を実現できます。そして、タイプも比較的豊富です。たとえば、この画像は非常に強力です。描画アーティファクトpyecharts-sunburst

パンダ：今日はパンダの視覚化についてお話します。パンダは主にデータ分析ライブラリとして使用されます。上記の3つのライブラリほど強力ではありませんが、より便利です。データ分析の過程で、たった1行のコードで実現できます。そして、グラフィックもとても美しいです。

ケースを見る

パンダには、11個の一般的なグラフの視覚化と、いくつかのより高度な視覚化があります。それらを1つずつ描画する方法を見てみましょう。

import pandas as pdimport numpy  as npdf= pd.DataFrame(np.random.rand(10, 4), columns=['A','B','C','D'])

01、ヒストグラム-垂直

df.plot.bar()

stacked = True、積み上げヒストグラムを描画します

df.plot.bar(stacked=True)

02、ヒストグラム-水平

df.plot.barh()

同様に、stacked = True、積み上げヒストグラムを描画します

df.plot.barh(stacked=True)

03、面グラフ

df.plot.area(alpha = 0.9)

df.plot.area(stacked=True,alpha = 0.9）

04、密度マップ-kde

df.plot.kde()

05、密度マップ-密度

df.plot.density()

06、ヒストグラム

データセットを変更する

df = pd.DataFrame({'A': np.random.randn(1000) + 1, 
                   'B': np.random.randn(1000),  
                   'C': np.random.randn(1000) - 1},  
                  columns=['A', 'B', 'C']) df.plot.hist(bins=200)

df.plot.hist(stacked=True, bins=20)

df= pd.DataFrame(np.random.rand(1000, 4), columns=['A','B','C','D'])df.diff().hist(color='k', alpha=0.7, bins=50)

07、ボックスマップ

df= pd.DataFrame(np.random.rand(100, 4), columns=['A','B','C','D'])df.plot.box()

vert = Falseは水平に変更することもできます

df.plot.box(vert=False)

08、散布図

df.plot.scatter(x='A',y='B')

09、ハニカム図

df = pd.DataFrame(np.random.randn(1000, 2), columns=['a', 'b'])df['b'] = df['b'] + np.arange(1000)df.plot.hexbin(x='a', y='b', gridsize=25)

07、円グラフ

series = pd.Series(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], 
                   name='series')series.plot.pie(figsize=(6, 6))

series.plot.pie(labels=['AA', 'BB', 'CC', 'DD'], colors=['r', 'g', 'b', 'c'],
                autopct='%.2f', fontsize=20, figsize=(6, 6))

08、マトリックス散布図

from pandas.plotting import scatter_matrix
df = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])
scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal='kde')

パンダのデータ視覚化は非常に強力であることが判明しました

おすすめ