pandas
Graphes et Visualisations

Graphiques de données de base

Pandas utilise plusieurs méthodes pour créer des graphiques des données dans le bloc de données. Il utilise du matplotlib à cette fin.

Les graphiques de base ont leurs enveloppes pour les objets DataFrame et Series:

Graphique linéaire

df = pd.DataFrame({'x': [10, 8, 10, 7, 7, 10, 9, 9],
                   'y': [6, 4, 5, 5, 7, 10, 9, 9]})
df.plot()

Vous pouvez appeler la même méthode pour un objet Series pour tracer un sous-ensemble du Data Frame:

df['x'].plot()

Diagramme à bandes

Si vous souhaitez explorer la distribution de vos données, vous pouvez utiliser la méthode hist() .

df['x'].hist()

Méthode générale pour tracer un tracé ()

Tous les graphiques possibles sont disponibles via la méthode de tracé. Le type de graphique est sélectionné par l'argument kind .

df['x'].plot(kind='pie')

Remarque Dans de nombreux environnements, le graphique à secteurs sortira un ovale. Pour en faire un cercle, utilisez ce qui suit:

from matplotlib import pyplot

pyplot.axis('equal')
df['x'].plot(kind='pie')

Styling l'intrigue

plot() peut prendre des arguments transmis à matplotlib pour donner un style à l'intrigue de différentes manières.

df.plot(style='o')  # plot as dots, not lines
df.plot(style='g--')  # plot as green dashed line
df.plot(style='o', markeredgecolor='white')  # plot as dots with white edge

Tracer sur un axe matplotlib existant

Par défaut, plot() crée un nouveau chiffre à chaque appel. Il est possible de tracer un axe existant en passant le paramètre ax .

plt.figure()  # create a new figure
ax = plt.subplot(121)  # create the left-side subplot
df1.plot(ax=ax)  # plot df1 on that subplot
ax = plt.subplot(122)  # create the right-side subplot
df2.plot(ax=ax)  # and plot df2 there
plt.show()  # show the plot