正文

轻松上手Pandas，图表制作教程：从零开始，打造专业级可视化图表！

/0 浏览量
0913

引言

Pandas 是 Python 中一个非常流行的数据分析库，它提供了强大的数据结构和数据分析工具。而图表制作则是数据可视化的重要手段，它能够帮助我们更直观地理解和传达数据信息。本文将带领您从零开始，使用 Pandas 和 Matplotlib（一个常用的数据可视化库）来制作专业级可视化图表。

一、Pandas 简介

1.1 Pandas 的作用

Pandas 提供了数据结构 DataFrame，它类似于 Excel 表格，可以存储二维数据。DataFrame 具有丰富的数据处理功能，如筛选、排序、分组等，是进行数据分析的基础。

1.2 安装 Pandas

pip install pandas

二、Matplotlib 简介

2.1 Matplotlib 的作用

Matplotlib 是 Python 中一个功能强大的绘图库，它能够创建各种类型的图表，如折线图、柱状图、散点图等。

2.2 安装 Matplotlib

pip install matplotlib

三、创建 DataFrame

3.1 创建 DataFrame

import pandas as pd

# 创建一个简单的 DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Salary': [50000, 60000, 70000]
}
df = pd.DataFrame(data)
print(df)

3.2 数据清洗

在实际应用中，数据可能存在缺失、异常等情况。Pandas 提供了多种数据清洗方法，如删除缺失值、填充缺失值等。

# 删除缺失值
df.dropna(inplace=True)

# 填充缺失值
df.fillna(0, inplace=True)

四、图表制作

4.1 绘制基础图表

4.1.1 折线图

import matplotlib.pyplot as plt

# 绘制折线图
plt.plot(df['Name'], df['Age'])
plt.xlabel('Name')
plt.ylabel('Age')
plt.title('Age of People')
plt.show()

4.1.2 柱状图

# 绘制柱状图
plt.bar(df['Name'], df['Salary'])
plt.xlabel('Name')
plt.ylabel('Salary')
plt.title('Salary of People')
plt.show()

4.1.3 散点图

# 绘制散点图
plt.scatter(df['Name'], df['Age'])
plt.xlabel('Name')
plt.ylabel('Age')
plt.title('Age of People')
plt.show()

4.2 高级图表

4.2.1 多图组合

fig, axs = plt.subplots(2, 1, figsize=(10, 8))

# 绘制第一个图表
axs[0].plot(df['Name'], df['Age'])
axs[0].set_title('Age of People')

# 绘制第二个图表
axs[1].bar(df['Name'], df['Salary'])
axs[1].set_title('Salary of People')

plt.tight_layout()
plt.show()

4.2.2 3D 图表

from mpl_toolkits.mplot3d import Axes3D

# 创建 3D 图表
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制 3D 图表
ax.scatter(df['Name'], df['Age'], df['Salary'])
ax.set_xlabel('Name')
ax.set_ylabel('Age')
ax.set_zlabel('Salary')
plt.show()

五、总结

本文从 Pandas 和 Matplotlib 的基本概念入手，介绍了如何使用它们制作各种类型的图表。通过本文的学习，您可以轻松上手 Pandas，并打造出专业级可视化图表。希望本文对您有所帮助！

-- 展开阅读全文 --