直方图与样式表

在本节课中，我们将学习如何使用 pandas 进行数据可视化。我们已经探索了 pandas 在数据分析方面的强大功能，现在让我们来了解 pandas 内置的数据可视化能力。利用 pandas，我们可以快速生成外观不错的图表。这一功能基于 matplotlib 构建，并已集成到 pandas 中，便于直接使用。

生成 DataFrame

我们先创建两个随机的 DataFrame 来进行本节课的学习。

注意：虽然可以使用 seaborn 提供的内置 DataFrame，但手动创建 DataFrame 能帮助我们巩固之前所学的知识。

df1 DataFrame 示例

以下示例展示如何通过 df1 生成 DataFrame：

1# 首先导入必要的库
2import numpy as np
3import pandas as pd
4# 使用 pandas 的 date_range 函数
5# periods = 500，表示生成 500 个时间点（天）
6dates = pd.date_range('1/1/2000', periods=500)
7
8# 设置随机种子，确保每次运行结果一致
9np.random.seed(42) # 可尝试取消设置种子或更换数值，观察结果差异！
10
11# 使用 rand() 生成一个序列
12col_D = np.random.rand(500)
13
14# 使用 numpy 的 randn() 生成标准正态分布数据
15data1 = np.random.randn(500,3) # (500,3) 指定所需数组形状
16
17# randn(500,3) 表示生成 500×3 的二维数组
18df1 = pd.DataFrame(data=data1, index=dates, columns=['A', 'B', 'C'])
19df1['D'] = col_D # 回顾一下 pandas 数据分析部分中如何向 DataFrame 添加新列！
20print(df1.head())

df2 DataFrame 示例

以下示例展示如何通过 df2 生成 DataFrame：

1# 首先导入必要的库
2import numpy as np
3import pandas as pd
4# rand(20,3) 表示生成 20×3 的二维数组
5
6# 设置随机种子，确保结果可复现
7np.random.seed(42) # 可尝试取消设置种子或更换数值，观察结果差异！
8
9data2 = np.random.rand(20,3)
10col = ['X', 'Y', 'Z']
11df2 = pd.DataFrame(data=data2, columns=col)
12print(df2.head())

直方图（Histogram）

有了 DataFrame 后，我们从最简单的直方图开始。获取直方图有两种方式：

1. DataFrame.hist()
2. DataFrame.plot(kind='hist')

下面我们尝试这两种方法。

使用 DataFrame.hist() 绘制直方图的代码如下：

1df1['A'].hist(bins=30)
2# 注意：底层仍使用 matplotlib 实现

也可以通过指定 kind 参数绘制：

1# 使用 kind 参数绘图
2df1['A'].plot(kind='hist', bins=30)
3# 若对整个数据集绘图
4# df1.plot(kind='hist', bins=30)

样式表（Style Sheets）

Matplotlib 提供了样式表功能，可用于美化图表。常用的样式包括 ggplot、bmh、fivethirtyeight 等。这些样式定义了一组统一的绘图风格规则，使所有图表看起来更加协调一致，提升专业感。下面我们重新绘制之前的直方图，并先应用一种样式。

使用 ggplot 样式：

1import matplotlib.pyplot as plt
2plt.style.use('ggplot')
3df1['A'].hist(bins=30)
4# 注意：底层仍使用 matplotlib 实现

接下来尝试其他可用样式。

"bmh"

调用 bmh 样式并重新绘制直方图：

1plt.style.use('bmh')
2df1['A'].hist(bins=30)
3# 注意：底层仍使用 matplotlib 实现

"dark_background"

切换为 dark_background 样式并重绘：

1plt.style.use('dark_background')
2df1['A'].hist(bins=30)
3# 注意：底层仍使用 matplotlib 实现

"fivethirtyeight"

最后使用 fivethirtyeight 样式重新绘制：

1plt.style.use('fivethirtyeight')
2df1['A'].hist(bins=30)
3# 注意：底层仍使用 matplotlib 实现