人工智能之数据分析 Pandas：第八章 数据可视化

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

# 在 Jupyter 中显示图形（非必须，但推荐）
%matplotlib inline

s = pd.Series(np.random.randn(10).cumsum(), index=pd.date_range('2025-01-01', periods=10))

# 默认折线图
s.plot()
plt.title('Series 折线图')
plt.show()

df = pd.DataFrame(
    np.random.randn(10, 4),
    columns=['A', 'B', 'C', 'D'],
    index=pd.date_range('2025-01-01', periods=10)
)

# 默认：每列一条线（折线图）
df.plot()
plt.title('DataFrame 多列折线图')
plt.show()

df.plot(
    kind='line',
    title='销售额趋势',
    xlabel='日期',
    ylabel='金额（万元）',
    figsize=(10, 6),
    grid=True,
    style=['-', '--', '-.', ':']  # 线型
)
plt.show()

# 分类数据示例
sales = pd.DataFrame({
    '产品': ['手机', '电脑', '平板', '耳机'],
    'Q1': [120, 80, 50, 30],
    'Q2': [130, 85, 55, 35]
}).set_index('产品')

# 垂直柱状图（默认）
sales.plot(kind='bar', figsize=(8, 5), title='各产品季度销量')
plt.xticks(rotation=0)  # 横轴标签不旋转
plt.show()

# 水平柱状图
sales.plot(kind='barh', stacked=True)  # 堆叠
plt.show()

df['A'].plot(kind='hist', bins=20, alpha=0.7, title='A 列数据分布')
plt.show()

# 多列直方图（重叠）
df[['A', 'B']].plot.hist(alpha=0.5, bins=20)
plt.show()

df.plot(kind='box', title='各列数据分布箱线图')
plt.ylabel('数值')
plt.show()

# 需指定 x 和 y 列
df.plot(
    kind='scatter',
    x='A',
    y='B',
    c='C',          # 颜色映射第三列
    colormap='viridis',
    title='A vs B (颜色=C)'
)
plt.show()

df = df.abs()
df.plot(kind='area', stacked=True, alpha=0.7, title='累计贡献')
plt.show()

df['A'].plot(kind='kde', title='A 列核密度估计')
plt.show()

# 每列一个子图
df.plot(subplots=True, layout=(2, 2), figsize=(10, 8))
plt.tight_layout()
plt.show()

ax = df['A'].plot(figsize=(10, 6), color='blue', label='A')
ax2 = ax.twinx()  # 共享 x 轴
df['B'].plot(ax=ax2, color='red', label='B')

ax.set_ylabel('A 值', color='blue')
ax2.set_ylabel('B 值', color='red')
plt.title('双 Y 轴图')
plt.show()

# 将宽表转为长表（便于分组）
sales_long = sales.reset_index().melt(id_vars='产品', var_name='季度', value_name='销量')
print(sales_long)

# 使用 Seaborn 更方便（见下文对比）
plt.figure(figsize=(10, 6))
sns.barplot(x='产品', y='销量', hue='季度', data=sales_long)
plt.title('各产品季度销量')
plt.show()

import seaborn as sns

# 散点图 + 回归线
sns.scatterplot(data=df, x='A', y='B', hue='C')
sns.regplot(data=df, x='A', y='B', scatter=False)
plt.show()

# 箱线图（按类别）
sns.boxplot(data=sales_long, x='产品', y='销量', hue='季度')
plt.show()

plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
plt.rcParams['axes.unicode_minus'] = False    # 正常显示负号

plt.show()  # 必须调用

df.plot()
plt.gca().xaxis.set_major_formatter(plt.matplotlib.dates.DateFormatter('%Y-%m'))
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

df.plot(color=['#FF5733', '#33FF57', '#3357FF'])