様々な図面で使いやすい：パンダの可視化

いくつかのmatplotlibのマップの最初に、名前

第二に、折れ線グラフ：プロット

　　平均必要ソートする図で表示した後。

　　df.avg.value_counts（）。sort_index（）.PLOT（）

第三に、縦棒グラフ：バー

　　あなたは、最初に行うことができますピボットをして、バーグラフを生成し、

　　DF。pivot_table（インデックス= '都市'、列= '教育'、値= aggfunc = '数'、 '平均'）。プロット。バー（）

　　これが行われた場合積み上げ縦棒グラフを、あなたがバー（）のパラメータを設定することができます

　　df.pivot_table（インデックス= '都市'、列は= '教育'、値= '平均'、aggfunc = '数'）。plot.bar（スタック=真）　

　　あなたがバーグラフを作成したい場合は、バー（）メソッドbar（）を変更することができます

　　df.pivot_table（インデックス= '都市'、列= '教育'、値= aggfunc = '数'、 '平均'）。プロット。BARH（）

第四に、ヒストグラム：HIST

　　df.avg.plot.hist（）

　　「教育」分野多次元分析に、平均はヒストグラムを描き、

　　アルファ：透明パターンと

　　スタック：スタックかどうか。

　　ビン：密度;

　　。（：x.avgラムダx）の.unstack（）T.plotをdf.groupby（ '教育'）が適用されます。HIST（アルファ= 0.5、= Trueの積層、ビン= 30）

V.の箱ひげ図：ボックス

　　いずれかを使用します。「ヒストグラム」は、類似

　　。（：x.avgラムダx）の.unstack（）T.plotをdf.groupby（ '教育'）が適用されます。ボックス（）

　　二つの使用法：

　　DF。箱ひげ図（=「教育」で列=「平均」、）

第六に、密度マップ：KDE

　　df.avg.plot。前記（）

七面グラフ：エリア

　　通常、データの分類（ピボット）、

　　DF。pivot_table（インデックス= '平均'、列= '教育'、値= 'positonId'、aggfunc = '数'）。プロット。エリア（）

八、散布図：散布

　　会社、平均x軸によって分類、y軸は、数あります

　　df.groupby（ '企業ID'）。集計（[ '平均'、 '数']）。avg.plot。散乱（X = '意味'、Y = 'カウント'）

ナイン、散布図行列：scatter_matrix（パンダ機能）

　　これは、2つずつ組み合わせて、二つ以上のパラメータに適用されます

　　マトリックス = df.groupby（ '企業ID'）。凝集（[ '平均'、 'カウント'は、MAX]）平均

　　pd.plotting。scatter_matrix（マトリックス .query（ 'カウント<50'）、対角= 'KDE'）

　　クエリ：カウントが50未満であります

　　対角線：図変性タイプ（KDE：図密度）

テン、円グラフ：円グラフ

　　df.city.value_counts（）。プロット。パイ（figsize =（6,6））

　　図の長さと幅：figsize