掌握Pandas，轻松实现数据可视化：50个实用代码实例解析

1. 数据导入与基础操作

1.1 导入Pandas库

import pandas as pd

1.2 读取CSV文件

df = pd.read_csv('data.csv')

1.3 查看数据基本信息

df.info()

1.4 显示前几行数据

df.head()

2. 数据清洗与处理

2.1 删除重复行

df.drop_duplicates(inplace=True)

2.2 删除缺失值

df.dropna(inplace=True)

2.3 填充缺失值

df.fillna(0, inplace=True)

2.4 转换数据类型

df['column'] = df['column'].astype('float')

3. 数据分组与聚合

3.1 按列分组

df.groupby('column').sum()

3.2 按行分组

df.groupby('column')['other_column'].mean()

3.3 使用聚合函数

df.groupby('column')['other_column'].agg(['sum', 'mean', 'max', 'min'])

4. 数据可视化基础

4.1 导入Matplotlib库

import matplotlib.pyplot as plt

4.2 绘制散点图

plt.scatter(df['x'], df['y'])
plt.show()

4.3 绘制折线图

plt.plot(df['x'], df['y'])
plt.show()

5. Pandas与Matplotlib结合

5.1 绘制柱状图

df.plot(kind='bar')
plt.show()

5.2 绘制箱线图

df.plot(kind='box')
plt.show()

5.3 绘制直方图

df.hist()
plt.show()

6. 高级数据可视化

6.1 绘制KDE图

df.plot(kind='kde')
plt.show()

6.2 绘制热力图

import seaborn as sns
sns.heatmap(df.corr(), annot=True)
plt.show()

6.3 绘制时间序列图

import pandas_datareader.data as web
df = web.DataReader('AAPL', 'yahoo', start='2010-01-01', end='2020-01-01')
df.plot()
plt.show()

7. 实用代码实例解析

7.1 实例1：数据导入与基础操作

# 导入Pandas库
import pandas as pd

# 读取CSV文件
df = pd.read_csv('data.csv')

# 查看数据基本信息
df.info()

# 显示前几行数据
df.head()

7.2 实例2：数据清洗与处理

# 删除重复行
df.drop_duplicates(inplace=True)

# 删除缺失值
df.dropna(inplace=True)

# 填充缺失值
df.fillna(0, inplace=True)

# 转换数据类型
df['column'] = df['column'].astype('float')

7.3 实例3：数据分组与聚合

# 按列分组
df.groupby('column').sum()

# 按行分组
df.groupby('column')['other_column'].mean()

# 使用聚合函数
df.groupby('column')['other_column'].agg(['sum', 'mean', 'max', 'min'])

7.4 实例4：数据可视化基础

# 导入Matplotlib库
import matplotlib.pyplot as plt

# 绘制散点图
plt.scatter(df['x'], df['y'])
plt.show()

# 绘制折线图
plt.plot(df['x'], df['y'])
plt.show()

7.5 实例6：高级数据可视化

# 导入Seaborn库
import seaborn as sns

# 绘制热力图
sns.heatmap(df.corr(), annot=True)
plt.show()

# 绘制时间序列图
import pandas_datareader.data as web
df = web.DataReader('AAPL', 'yahoo', start='2010-01-01', end='2020-01-01')
df.plot()
plt.show()

通过以上50个实用代码实例解析，相信你已经掌握了Pandas在数据可视化方面的强大功能。在实际应用中，你可以根据具体需求选择合适的代码进行操作，从而轻松实现数据可视化。