mirror of
https://github.com/LCTT/TranslateProject.git
synced 2024-12-29 21:41:00 +08:00
133 lines
5.7 KiB
Markdown
133 lines
5.7 KiB
Markdown
[#]: collector: (lujun9972)
|
||
[#]: translator: (geekpi)
|
||
[#]: reviewer: (wxy)
|
||
[#]: publisher: (wxy)
|
||
[#]: url: (https://linux.cn/article-12333-1.html)
|
||
[#]: subject: (Using pandas to plot data in Python)
|
||
[#]: via: (https://opensource.com/article/20/6/pandas-python)
|
||
[#]: author: (Shaun Taylor-Morgan https://opensource.com/users/shaun-taylor-morgan)
|
||
|
||
使用 Pandas 在 Python 中绘制数据
|
||
======
|
||
|
||
> Pandas 是一个非常流行的 Python 数据操作库。学习怎样使用它的 API 绘制数据。
|
||
|
||
|
||
|
||
在有关基于 Python 的绘图库的系列文章中，我们将对使用 Pandas 这个非常流行的 Python 数据操作库进行绘图进行概念性的研究。Pandas 是 Python 中的标准工具，用于对进行数据可扩展的转换，它也已成为[从 CSV 和 Excel 格式导入和导出数据][2]的流行方法。
|
||
|
||
除此之外，它还包含一个非常好的绘图 API。这非常方便，你已将数据存储在 Pandas DataFrame 中，那么为什么不使用相同的库进行绘制呢？
|
||
|
||
在本系列中，我们将在每个库中制作相同的多条形柱状图，以便我们可以比较它们的工作方式。我们使用的数据是 1966 年至 2020 年的英国大选结果：
|
||
|
||
![Matplotlib UK election results][3]
|
||
|
||
### 自行绘制的数据
|
||
|
||
在继续之前，请注意你可能需要调整 Python 环境来运行此代码，包括：
|
||
|
||
* 运行最新版本的 Python（用于 [Linux][4]、[Mac][5] 和 [Windows][6] 的说明）
|
||
* 确认你运行的是与这些库兼容的 Python 版本
|
||
|
||
数据可在线获得，并可使用 Pandas 导入：
|
||
|
||
```
|
||
import pandas as pd
|
||
df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')
|
||
```
|
||
|
||
现在我们已经准备好了。在本系列文章中，我们已经看到了一些令人印象深刻的简单 API，但是 Pandas 一定能夺冠。
|
||
|
||
要在 x 轴上绘制按年份和每个党派分组的柱状图，我只需要这样做：
|
||
|
||
```
|
||
import matplotlib.pyplot as plt
|
||
ax = df.plot.bar(x='year')
|
||
plt.show()
|
||
```
|
||
|
||
只有四行，这绝对是我们在本系列中创建的最棒的多条形柱状图。
|
||
|
||
我以[宽格式][7]使用数据，这意味着每个党派都有一列：
|
||
|
||
```
|
||
year conservative labour liberal others
|
||
0 1966 253 364 12 1
|
||
1 1970 330 287 6 7
|
||
2 Feb 1974 297 301 14 18
|
||
.. ... ... ... ... ...
|
||
12 2015 330 232 8 80
|
||
13 2017 317 262 12 59
|
||
14 2019 365 202 11 72
|
||
```
|
||
|
||
这意味着 Pandas 会自动知道我希望如何分组，如果我希望进行不同的分组，Pandas 可以很容易地[重组 DataFrame][8]。
|
||
|
||
与 [Seaborn][9] 一样，Pandas 的绘图功能是 Matplotlib 之上的抽象，这就是为什么要调用 Matplotlib 的 `plt.show()` 函数来实际生成绘图的原因。
|
||
|
||
看起来是这样的：
|
||
|
||
![pandas unstyled data plot][10]
|
||
|
||
看起来很棒，特别是它又这么简单！让我们对它进行样式设置，使其看起来像 [Matplotlib][11] 的例子。
|
||
|
||
#### 调整样式
|
||
|
||
我们可以通过访问底层的 Matplotlib 方法轻松地调整样式。
|
||
|
||
首先，我们可以通过将 Matplotlib 颜色表传递到绘图函数来为柱状图着色：
|
||
|
||
```
|
||
from matplotlib.colors import ListedColormap
|
||
cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])
|
||
ax = df.plot.bar(x='year', colormap=cmap)
|
||
```
|
||
|
||
我们可以使用绘图函数的返回值设置坐标轴标签和标题，它只是一个 [Matplotlib 的 Axis 对象][12]。
|
||
|
||
```
|
||
ax.set_xlabel(None)
|
||
ax.set_ylabel('Seats')
|
||
ax.set_title('UK election results')
|
||
```
|
||
|
||
这是现在的样子：
|
||
|
||
![pandas styled plot][13]
|
||
|
||
这与上面的 Matplotlib 版本几乎相同，但是只用了 8 行代码而不是 16 行！我内心的[代码高手][14]非常高兴。
|
||
|
||
### 抽象必须是可转义的
|
||
|
||
与 Seaborn 一样，向下访问 Matplotlib API 进行细节调整的能力确实很有帮助。这是给出抽象[紧急出口][15]使其既强大又简单的一个很好的例子。
|
||
|
||
|
||
--------------------------------------------------------------------------------
|
||
|
||
via: https://opensource.com/article/20/6/pandas-python
|
||
|
||
作者：[Shaun Taylor-Morgan][a]
|
||
选题：[lujun9972][b]
|
||
译者：[geekpi](https://github.com/geekpi)
|
||
校对：[wxy](https://github.com/wxy)
|
||
|
||
本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出
|
||
|
||
[a]: https://opensource.com/users/shaun-taylor-morgan
|
||
[b]: https://github.com/lujun9972
|
||
[1]: https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/panda.png?itok=0lJlct7O (Two pandas sitting in bamboo)
|
||
[2]: https://anvil.works/docs/data-tables/csv-and-excel
|
||
[3]: https://opensource.com/sites/default/files/uploads/matplotlib_2.png (Matplotlib UK election results)
|
||
[4]: https://opensource.com/article/20/4/install-python-linux
|
||
[5]: https://opensource.com/article/19/5/python-3-default-mac
|
||
[6]: https://opensource.com/article/19/8/how-install-python-windows
|
||
[7]: https://anvil.works/blog/tidy-data
|
||
[8]: https://anvil.works/blog/tidy-data#converting-between-long-and-wide-data-in-pandas
|
||
[9]: https://anvil.works/blog/plotting-in-seaborn
|
||
[10]: https://opensource.com/sites/default/files/uploads/pandas-unstyled.png (pandas unstyled data plot)
|
||
[11]: https://opensource.com/article/20/5/matplotlib-python
|
||
[12]: https://matplotlib.org/api/axis_api.html#axis-objects
|
||
[13]: https://opensource.com/sites/default/files/uploads/pandas_3.png (pandas styled plot)
|
||
[14]: https://en.wikipedia.org/wiki/Code_golf
|
||
[15]: https://anvil.works/blog/escape-hatches-and-ejector-seats
|
||
[16]: https://anvil.works/blog/plotting-in-pandas |