Pandas 与 Matplotlib / Seaborn 进阶可视化
Pandas 内置了基本的绘图功能，结合 Matplotlib 和 Seaborn 可以创建更丰富的可视化图表。
Pandas 内置绘图
折线图
实例
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 设置中文显示（需要系统中安装中文字体）
# plt.rcParams['font.sans-serif'] = ['SimHei']
# plt.rcParams['axes.unicode_minus'] = False
# 创建时间序列数据
dates = pd.date_range("2024-01-01", periods=30, freq="D")
df = pd.DataFrame({
"日期": dates,
"销售额": 100 + np.random.randn(30).cumsum(),
"访客数": 50 + np.random.randn(30).cumsum() * 10
})
df = df.set_index("日期")
print("数据：")
print(df.head())
print("\n绘图数据准备完成，请使用 plt.show() 显示图表")
import numpy as np
import matplotlib.pyplot as plt
# 设置中文显示（需要系统中安装中文字体）
# plt.rcParams['font.sans-serif'] = ['SimHei']
# plt.rcParams['axes.unicode_minus'] = False
# 创建时间序列数据
dates = pd.date_range("2024-01-01", periods=30, freq="D")
df = pd.DataFrame({
"日期": dates,
"销售额": 100 + np.random.randn(30).cumsum(),
"访客数": 50 + np.random.randn(30).cumsum() * 10
})
df = df.set_index("日期")
print("数据：")
print(df.head())
print("\n绘图数据准备完成，请使用 plt.show() 显示图表")
柱状图
实例
import pandas as pd
import matplotlib.pyplot as plt
# 分类数据
data = {
"产品": ["A", "B", "C", "D", "E"],
"销量": [120, 150, 90, 180, 110]
}
df = pd.DataFrame(data)
# 柱状图
print("使用 df.plot.bar() 绘制柱状图")
print("\n数据：")
print(df)
import matplotlib.pyplot as plt
# 分类数据
data = {
"产品": ["A", "B", "C", "D", "E"],
"销量": [120, 150, 90, 180, 110]
}
df = pd.DataFrame(data)
# 柱状图
print("使用 df.plot.bar() 绘制柱状图")
print("\n数据：")
print(df)
饼图
实例
import pandas as pd
# 饼图数据
s = pd.Series([30, 25, 20, 15, 10], index=["A", "B", "C", "D", "E"])
print("使用 s.plot.pie() 绘制饼图")
print("\n数据：")
print(s)
# 饼图数据
s = pd.Series([30, 25, 20, 15, 10], index=["A", "B", "C", "D", "E"])
print("使用 s.plot.pie() 绘制饼图")
print("\n数据：")
print(s)
Matplotlib 结合
实例
import pandas as pd
import numpy as np
# 创建数据
df = pd.DataFrame({
"x": range(10),
"y1": np.random.randn(10).cumsum(),
"y2": np.random.randn(10).cumsum() + 5
})
print("Matplotlib 绘图示例代码：")
print("""
import matplotlib.pyplot as plt
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 4))
# 折线图
ax1.plot(df["x"], df["y1"], label="Y1", color="blue")
ax1.plot(df["x"], df["y2"], label="Y2", color="red")
ax1.set_title("折线图")
ax1.legend()
ax1.grid(True)
# 散点图
ax2.scatter(df["y1"], df["y2"], alpha=0.6)
ax2.set_title("散点图")
ax2.set_xlabel("Y1")
ax2.set_ylabel("Y2")
plt.tight_layout()
plt.show()
""")
import numpy as np
# 创建数据
df = pd.DataFrame({
"x": range(10),
"y1": np.random.randn(10).cumsum(),
"y2": np.random.randn(10).cumsum() + 5
})
print("Matplotlib 绘图示例代码：")
print("""
import matplotlib.pyplot as plt
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 4))
# 折线图
ax1.plot(df["x"], df["y1"], label="Y1", color="blue")
ax1.plot(df["x"], df["y2"], label="Y2", color="red")
ax1.set_title("折线图")
ax1.legend()
ax1.grid(True)
# 散点图
ax2.scatter(df["y1"], df["y2"], alpha=0.6)
ax2.set_title("散点图")
ax2.set_xlabel("Y1")
ax2.set_ylabel("Y2")
plt.tight_layout()
plt.show()
""")
子图布局
实例
import pandas as pd
import numpy as np
# 2x2 子图示例
print("2x2 子图布局示例：")
print("""
fig, axes = plt.subplots(2, 2, figsize=(10, 8))
# 1. 折线图
df["y1"].plot(ax=axes[0, 0])
axes[0, 0].set_title("折线图")
# 2. 柱状图
df["y2"].plot.bar(ax=axes[0, 1])
axes[0, 1].set_title("柱状图")
# 3. 直方图
df["y1"].hist(ax=axes[1, 0], bins=10)
axes[1, 0].set_title("直方图")
# 4. 饼图
pd.Series([10, 20, 30]).plot.pie(ax=axes[1, 1])
axes[1, 1].set_title("饼图")
plt.tight_layout()
plt.show()
""")
import numpy as np
# 2x2 子图示例
print("2x2 子图布局示例：")
print("""
fig, axes = plt.subplots(2, 2, figsize=(10, 8))
# 1. 折线图
df["y1"].plot(ax=axes[0, 0])
axes[0, 0].set_title("折线图")
# 2. 柱状图
df["y2"].plot.bar(ax=axes[0, 1])
axes[0, 1].set_title("柱状图")
# 3. 直方图
df["y1"].hist(ax=axes[1, 0], bins=10)
axes[1, 0].set_title("直方图")
# 4. 饼图
pd.Series([10, 20, 30]).plot.pie(ax=axes[1, 1])
axes[1, 1].set_title("饼图")
plt.tight_layout()
plt.show()
""")
Seaborn 高级可视化
实例
import pandas as pd
import numpy as np
# 演示 Seaborn 功能
print("Seaborn 可视化示例：")
print("""
import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式
sns.set_style("whitegrid")
# 1. 关系图
fig, ax = plt.subplots(figsize=(8, 5))
sns.lineplot(data=df, x="x", y="y1", ax=ax)
ax.set_title("折线图")
# 2. 分布图
sns.histplot(df["y1"], kde=True, ax=ax)
# 3. 箱线图
sns.boxplot(data=df, x="category", y="value")
# 4. 热力图
sns.heatmap(df.corr(), annot=True, cmap="coolwarm")
plt.show()
""")
import numpy as np
# 演示 Seaborn 功能
print("Seaborn 可视化示例：")
print("""
import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式
sns.set_style("whitegrid")
# 1. 关系图
fig, ax = plt.subplots(figsize=(8, 5))
sns.lineplot(data=df, x="x", y="y1", ax=ax)
ax.set_title("折线图")
# 2. 分布图
sns.histplot(df["y1"], kde=True, ax=ax)
# 3. 箱线图
sns.boxplot(data=df, x="category", y="value")
# 4. 热力图
sns.heatmap(df.corr(), annot=True, cmap="coolwarm")
plt.show()
""")
Matplotlib 提供底层控制，Seaborn 提供高层接口，两者结合可以创建各种专业图表。