异常教程

Pandas 数据可视化（手把手讲解）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

截止目前， 星球 内专栏累计输出 90w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 3100+ 小伙伴加入学习 ，欢迎点击围观

引言：为什么选择 Pandas 进行数据可视化？

在数据分析领域，Pandas 数据可视化已成为连接数据与洞察力的重要桥梁。Pandas 作为 Python 中最强大的数据处理库，不仅擅长数据清洗与整理，还能与 Matplotlib、Seaborn 等可视化工具无缝协作。对于编程初学者和中级开发者而言，掌握这一技能组合，能够快速将原始数据转化为直观的图表，从而提升决策效率。

本文将通过循序渐进的讲解，从数据准备、基础图表绘制到高级定制技巧，结合实际案例，帮助读者构建完整的数据可视化工作流。

数据准备：Pandas 的核心角色

1. 数据加载与初步探索

在进行可视化之前，数据必须经过加载和初步检查。Pandas 的 read_csv()、read_excel() 等函数能轻松读取多种格式的数据。例如：

import pandas as pd  

df = pd.read_csv("sales_data.csv")  

print(df.head())  

print(df.info())

比喻解释：
可以将数据集想象为一个仓库，每一行代表一个“货架”，每一列代表货架上的不同商品。head() 是快速浏览仓库入口处的陈列，而 info() 则是查看仓库的库存清单，了解每种商品的数量和状态。

2. 数据清洗：为可视化铺平道路

数据中常见的问题包括缺失值、重复条目或格式错误。例如，使用以下代码处理缺失值：

df_cleaned = df.dropna()  

df["sales"].fillna(df["sales"].mean(), inplace=True)

技巧提示：
对于时间序列数据，可先用 pd.to_datetime() 统一日期格式，避免后续图表显示混乱。

基础图表：用 Pandas 快速生成可视化

1. 折线图：展示时间趋势

折线图适合观察数据随时间的变化。结合 Pandas 的 plot() 方法，代码简洁高效：

import matplotlib.pyplot as plt  

df.plot(x="date", y="sales", kind="line", title="Monthly Sales Trend")  
plt.show()

关键点解释：
kind="line" 指定图表类型，x 和 y 参数直接对应 DataFrame 的列名。

2. 柱状图：比较不同类别

若需比较不同产品的销售额，柱状图是理想选择：

category_sales = df.groupby("product").sum()["sales"]  

category_sales.plot(kind="bar", color="skyblue")  
plt.xlabel("Product")  
plt.ylabel("Total Sales")  
plt.show()

比喻扩展：
groupby() 类似于将数据按不同“颜色的分类盒”整理，再统计每个盒子里的总数量。

3. 散点图：探索变量关系

散点图能直观显示两个变量间的相关性：

df.plot(x="ad_spend", y="sales", kind="scatter",  
        title="广告投入与销售额关系")  
plt.xlabel("广告预算（万元）")  
plt.ylabel("销售额（万元）")  
plt.show()

高级技巧：让图表更专业

1. 使用 Seaborn 增强可视化效果

Seaborn 是基于 Matplotlib 的高级接口，提供更美观的默认样式。例如，绘制带回归线的散点图：

import seaborn as sns  

sns.lmplot(x="ad_spend", y="sales", data=df,  
           height=5, aspect=1.5,  
           line_kws={"color": "red"})  
plt.title("广告投入与销售额的线性关系")  
plt.show()

技巧对比：
Seaborn 的 lmplot() 自动添加回归线，而 Matplotlib 需手动计算并绘制。

2. 自定义图表细节

通过调整颜色、标签和图例，提升可读性：

plt.style.use("ggplot")  

df.plot(kind="bar", stacked=True,  
        y=["online_sales", "offline_sales"],  
        color=["#FF9999", "#66B2FF"])  
plt.title("线上与线下销售额对比")  
plt.ylabel("销售额（万元）")  
plt.legend(title="销售渠道", bbox_to_anchor=(1.05, 1))

关键参数解释：

  • stacked=True 实现堆叠效果。
  • bbox_to_anchor 调整图例位置，避免遮挡图表主体。

案例实战：分析用户行为数据

场景描述

假设我们有一份电商平台的用户行为数据，包含以下字段：
| 列名 | 含义 |
|---------------|--------------------|
| user_id | 用户唯一标识 |
| session_time | 单次访问时长（秒） |
| pages_viewed | 访问页面数 |
| purchase | 是否完成购买（0/1）|
| device_type | 设备类型（手机/电脑）|

分析步骤

1. 探索用户活跃度

绘制不同设备类型的平均访问时长：

device_avg = df.groupby("device_type")["session_time"].mean()  

device_avg.plot(kind="bar", color=["#FF6B6B", "#4ECDC4"])  
plt.title("不同设备的平均访问时长对比")  
plt.ylabel("平均时长（秒）")  
plt.xticks(rotation=0)  # 防止标签重叠  
plt.show()

2. 分析购买转化率

比较不同页面访问量的转化率：

df["page_bin"] = pd.cut(df["pages_viewed"],  
                        bins=[0, 5, 10, 15],  
                        labels=["1-5页", "6-10页", "11-15页"])  

conversion = df.groupby("page_bin")["purchase"].mean() * 100  

conversion.plot(kind="line", marker="o", markersize=8)  
plt.title("访问页面数与购买转化率关系")  
plt.ylabel("转化率（%）")  
plt.grid(axis="y", linestyle="--", alpha=0.7)

3. 综合图表：热力图分析

使用热力图展示设备类型与页面访问量的交互影响：

cross_table = pd.crosstab(df["device_type"],  
                         pd.cut(df["pages_viewed"], bins=3))  

sns.heatmap(cross_table, annot=True, fmt="d", cmap="YlGnBu")  
plt.title("设备类型与页面访问量分布")  
plt.xlabel("访问页面区间")  
plt.ylabel("设备类型")  
plt.show()

结论与扩展建议

通过本文的讲解，读者已掌握从数据加载到高级可视化的完整流程。Pandas 数据可视化的核心价值在于：

  1. 高效整合：Pandas 的数据处理能力与可视化工具的结合，减少了代码冗余。
  2. 灵活性：支持从基础图表到复杂分析的多样化需求。
  3. 可解释性：通过直观的图表，将数据转化为可操作的洞察。

下一步学习方向：

  • 探索 Plotly 库，生成交互式图表。
  • 学习 Pandas 的 melt() 和 pivot() 函数，实现复杂数据重塑。
  • 结合机器学习模型，分析可视化数据中的隐藏规律。

掌握这些技能后，无论是商业分析、学术研究，还是个人项目，都能通过数据可视化快速传递价值。

（全文约 1800 字）

最新发布

查看更多文章