Python数据可视化:从Pandas基础到Seaborn高级应用

off999 2025-08-02 21:09 56 浏览 0 评论

数据可视化是数据分析中不可或缺的一环，它能帮助我们直观理解数据模式和趋势。本文将全面介绍Python中最常用的三种可视化方法。

Pandas内置绘图功能

Pandas基于Matplotlib提供了简洁的绘图接口，适合快速数据探索。

基础绘图方法

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 创建示例数据
np.random.seed(42)
df = pd.DataFrame({
    'A': np.random.randn(100).cumsum(),
    'B': np.random.rand(100) * 50,
    'C': np.random.randint(0, 20, 100)
}, index=pd.date_range('2023-01-01', periods=100))

# 线图
df['A'].plot(title='线图示例', figsize=(10, 4))
plt.ylabel('数值')
plt.show()

多种图表类型

# 柱状图
df['C'].value_counts().sort_index().plot.bar(
    title='频数统计柱状图',
    color='skyblue',
    alpha=0.7
)
plt.xticks(rotation=0)
plt.show()

# 面积图
df[['A', 'B']].plot.area(
    title='面积图示例',
    alpha=0.4,
    figsize=(10, 5)
)
plt.show()

# 散点图
df.plot.scatter(
    x='A',
    y='B',
    title='A与B的散点图',
    c='C',  # 使用C列作为颜色维度
    cmap='viridis',
    alpha=0.6
)
plt.show()

多子图绘制

# 创建多子图
axes = df.plot.line(
    subplots=True,
    layout=(2, 2),
    figsize=(12, 8),
    title=['A列', 'B列', 'C列', '']
)

# 调整布局
plt.tight_layout()
plt.show()

Matplotlib高级绘图

虽然Pandas绘图很方便，但Matplotlib提供了更精细的控制。

自定义图形样式

# 创建画布和坐标系
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制多条线
ax.plot(df.index, df['A'], 
        label='趋势线', 
        color='blue', 
        linestyle='--',
        linewidth=2)

ax.scatter(df.index, df['B'], 
           label='随机点', 
           color='red',
           alpha=0.6)

# 添加图形元素
ax.set(title='自定义样式示例',
       xlabel='日期',
       ylabel='数值')
ax.legend()
ax.grid(True, linestyle=':', alpha=0.6)

# 调整坐标轴
ax.set_xlim(df.index.min(), df.index.max())
plt.xticks(rotation=45)

plt.show()

复杂图形组合

# 创建组合图
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8), sharex=True)

# 上部：折线图
ax1.plot(df.index, df['A'], 'g-', label='趋势')
ax1.set_ylabel('趋势值', fontsize=12)
ax1.legend(loc='upper left')
ax1.set_title('组合图表示例', fontsize=14)

# 下部：柱状图
ax2.bar(df.index, df['C'], 
        width=1, 
        color='orange', 
        alpha=0.7,
        label='频次')
ax2.set_ylabel('频次', fontsize=12)
ax2.legend(loc='upper left')

# 调整布局
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

高级可视化技巧

# 填充区域
fig, ax = plt.subplots(figsize=(10, 5))
ax.plot(df.index, df['A'], color='blue')
ax.fill_between(df.index, 
                df['A'].min(), 
                df['A'],
                where=(df['A'] > df['A'].mean()),
                color='blue',
                alpha=0.2,
                interpolate=True)
ax.axhline(df['A'].mean(), color='red', linestyle='--')
plt.title('填充区域示例')
plt.show()Seaborn统计可视化

Seaborn基于Matplotlib，提供了更高级的统计图形接口。

1. 分布可视化

Seaborn统计可视化

Seaborn基于Matplotlib，提供了更高级的统计图形接口。

分布可视化

import seaborn as sns

# 设置样式
sns.set_style("whitegrid")
sns.set_palette("husl")

# 分布图
plt.figure(figsize=(10, 6))
sns.histplot(data=df, x='A', kde=True, bins=20)
plt.title('分布直方图')
plt.show()

# 核密度估计
plt.figure(figsize=(10, 6))
sns.kdeplot(data=df, x='A', shade=True)
plt.title('核密度估计')
plt.show()

关系可视化

# 散点图矩阵
iris = sns.load_dataset('iris')
sns.pairplot(iris, hue='species', height=2.5)
plt.suptitle('鸢尾花数据集散点图矩阵', y=1.02)
plt.show()

# 热力图
corr = df.corr()
plt.figure(figsize=(8, 6))
sns.heatmap(corr, 
            annot=True, 
            cmap='coolwarm', 
            center=0,
            fmt=".2f")
plt.title('相关系数热力图')
plt.show()

分类数据可视化

# 箱线图
tips = sns.load_dataset('tips')
plt.figure(figsize=(10, 6))
sns.boxplot(x='day', y='total_bill', hue='sex', data=tips)
plt.title('每日消费箱线图')
plt.show()

# 小提琴图
plt.figure(figsize=(10, 6))
sns.violinplot(x='day', y='total_bill', 
               hue='sex', 
               split=True,
               data=tips)# 创建模拟电商数据
np.random.seed(42)
dates = pd.date_range('2023-01-01', '2023-12-31')
categories = ['Electronics', 'Clothing', 'Home', 'Books']
data = {
    'Date': np.random.choice(dates, 500),
    'Category': np.random.choice(categories, 500),
    'Sales': np.random.randint(50, 500, 500),
    'Profit': np.random.randn(500).cumsum() * 100 + 1000
}
ecom_df = pd.DataFrame(data)

# 1. 月度销售趋势分析
monthly_sales = ecom_df.groupby(
    [ecom_df['Date'].dt.month_name(), 'Category']
)['Sales'].sum().unstack()

plt.figure(figsize=(12, 6))
monthly_sales.plot(kind='area', alpha=0.6, stacked=True)
plt.title('分品类月度销售趋势')
plt.ylabel('销售额')
plt.xticks(rotation=45)
plt.legend(title='品类')
plt.tight_layout()
plt.show()

# 2. 利润分布分析
plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)
sns.boxplot(x='Category', y='Profit', data=ecom_df)
plt.title('分品类利润分布')
plt.xticks(rotation=45)

plt.subplot(1, 2, 2)
sns.violinplot(x='Category', y='Profit', data=ecom_df)
plt.title('分品类利润密度')
plt.xticks(rotation=45)

plt.tight_layout()
plt.show()

# 3. 销售-利润关系分析
plt.figure(figsize=(10, 6))
sns.scatterplot(x='Sales', y='Profit', 
                hue='Category', 
                size='Sales',
                sizes=(20, 200),
                alpha=0.7,
                data=ecom_df)
plt.title('销售-利润关系气泡图')
plt.show()
plt.title('每日消费小提琴图')
plt.show()

实战案例：电商数据分析

# 创建模拟电商数据
np.random.seed(42)
dates = pd.date_range('2023-01-01', '2023-12-31')
categories = ['Electronics', 'Clothing', 'Home', 'Books']
data = {
    'Date': np.random.choice(dates, 500),
    'Category': np.random.choice(categories, 500),
    'Sales': np.random.randint(50, 500, 500),
    'Profit': np.random.randn(500).cumsum() * 100 + 1000
}
ecom_df = pd.DataFrame(data)

# 1. 月度销售趋势分析
monthly_sales = ecom_df.groupby(
    [ecom_df['Date'].dt.month_name(), 'Category']
)['Sales'].sum().unstack()

plt.figure(figsize=(12, 6))
monthly_sales.plot(kind='area', alpha=0.6, stacked=True)
plt.title('分品类月度销售趋势')
plt.ylabel('销售额')
plt.xticks(rotation=45)
plt.legend(title='品类')
plt.tight_layout()
plt.show()

# 2. 利润分布分析
plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)
sns.boxplot(x='Category', y='Profit', data=ecom_df)
plt.title('分品类利润分布')
plt.xticks(rotation=45)

plt.subplot(1, 2, 2)
sns.violinplot(x='Category', y='Profit', data=ecom_df)
plt.title('分品类利润密度')
plt.xticks(rotation=45)

plt.tight_layout()
plt.show()

# 3. 销售-利润关系分析
plt.figure(figsize=(10, 6))
sns.scatterplot(x='Sales', y='Profit', 
                hue='Category', 
                size='Sales',
                sizes=(20, 200),
                alpha=0.7,
                data=ecom_df)
plt.title('销售-利润关系气泡图')
plt.show()

可视化最佳实践

图表选择指南

分析目的	推荐图表类型
趋势分析	折线图、面积图
分布分析	直方图、箱线图、小提琴图
关系分析	散点图、气泡图、热力图
构成分析	堆叠柱状图、饼图（少量类别）
比较分析	柱状图、雷达图

样式优化技巧

# 设置全局样式
plt.style.use('seaborn')  # 可选: ggplot, seaborn, fivethirtyeight等

# 创建专业图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制内容
sns.lineplot(data=df, x=df.index, y='A', ax=ax, label='趋势')

# 优化样式
ax.set_title('专业图表示例', fontsize=14, pad=20)
ax.set_xlabel('日期', fontsize=12)
ax.set_ylabel('数值', fontsize=12)
ax.tick_params(axis='both', which='major', labelsize=10)
ax.legend(fontsize=10, framealpha=0.9)

# 添加注释
ax.annotate('峰值点', 
            xy=(df['A'].idxmax(), df['A'].max()),
            xytext=(20, 20), 
            textcoords='offset points',
            arrowprops=dict(arrowstyle='->'))

# 调整边距
plt.tight_layout()
plt.show()

性能优化

# 大数据集优化
large_df = pd.DataFrame(np.random.randn(100000, 3), 
                       columns=['A', 'B', 'C'])

# 方法1: 采样
sample_df = large_df.sample(1000)

# 方法2: 使用hexbin替代散点图
plt.figure(figsize=(10, 6))
plt.hexbin(large_df['A'], large_df['B'], gridsize=50, cmap='Blues')
plt.colorbar(label='频数')
plt.title('大数据集hexbin图')
plt.show()

总结与进阶

工具对比

特性	Pandas	Matplotlib	Seaborn
易用性
灵活性
统计功能
默认美观度

进阶方向

# 1. 交互式可视化
# from plotly.express import scatter
# fig = scatter(df, x='A', y='B', color='C')

# 2. 地理空间可视化
# import geopandas as gpd
# world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 3. 3D可视化
# from mpl_toolkits.mplot3d import Axes3D
# fig = plt.figure()
# ax = fig.add_subplot(111, projection='3d')

掌握这些可视化技术后，我们可以有效探索和展示数据中的模式和见解。记住，好的可视化应该既美观又能清晰传达信息。

实践是提高可视化技能的最佳方式，建议大家从实际数据集开始，不断尝试不同的图表类型和样式。

python折线图