Python – 如何在条形图中绘制 Pandas DataFrame

在 Pandas 中，我们经常使用 DataFrame 来处理数据。在数据分析和可视化中，条形图是一种常用的可视化图表形式，能够清晰直观地呈现复杂数据的关系和趋势。接下来将介绍如何用 Python 中的 Pandas 库来制作条形图，并展示 DataFrame 中的数据。

准备工作

在开始之前，需要先安装 Pandas 库。如果是 Anaconda 环境下，可以通过以下命令来安装：

conda install pandas

示例数据

为了演示如何在条形图中绘制 Pandas DataFrame，我们需要一个示例数据。在本文中，我们使用 Titanic 数据集，它包含了 1912 年泰坦尼克号沉船事件中的乘客名单和信息。

可以通过以下代码来读取 Titanic 数据集：

import pandas as pd

# 读取数据
df = pd.read_csv('titanic.csv')

这里需要注意，titanic.csv 数据集需要提前下载好并保存在本地。可以到 Kaggle 网站上获取该数据集。

绘制条形图

在 Pandas 中，我们可以使用 plot.bar() 方法来绘制条形图。该方法有很多参数，可以根据需要进行设置。例如，我们可以使用 x 参数来指定要用作 X 轴的数据列，使用 y 参数来指定要用作 Y 轴的数据列。

以下是一个展示乘客等级与生还情况的条形图示例代码：

# 按乘客等级和生还情况对数据进行分组，并计算总人数
grouped = df.groupby(['Pclass', 'Survived']).size().unstack(fill_value=0)

# 绘制条形图
ax = grouped.plot.bar(xlabel='Passenger Class', ylabel='Number of Passengers', rot=0, title='Survival Rate by Passenger Class')

在上面的代码中，groupby() 方法用于按照乘客等级和生还情况对数据进行分组。size() 方法用于计算每个组的大小，最后使用 unstack() 方法将数据重构成条形图所需的格式。plot.bar() 方法接收多个参数，其中 xlabel 和 ylabel 用于设置 X 轴和 Y 轴的标签，rot 用于控制 X 轴标签的旋转角度，title 用于设置图表标题。

在这张图中，每个条形代表一个乘客等级，其中蓝色条代表在该等级下未生还的人数，橙色条代表生还的人数。

自定义条形图样式

除了可以使用默认样式，我们还可以自定义条形图的样式，包括条形颜色、标签、刻度、图例等。

以下是一个自定义样式的条形图示例代码：

# 按性别和生还情况对数据进行分组，并计算总人数
grouped = df.groupby(['Sex', 'Survived']).size().unstack(fill_value=0)

# 绘制条形图
ax = grouped.plot.bar(xlabel='Sex', ylabel='Number of Passengers', rot=0, title='Survival Rate by Gender')

# 添加标签和刻度
ax.set_xticklabels(['Female', 'Male'], rotation=0)
ax.set_yticks(range(0, 600, 100))
ax.set_yticklabels(['0', '100', '200', '300', '400', '500'])

# 自定义颜色
ax.patches[0].set_color('#FFC0CB')
ax.patches[1].set_color('#87CEEB')
ax.patches[2].set_color('#FFA07A')
ax.patches[3].set_color('#1E90FF')

# 添加图例
ax.legend(['Not Survived (Female)', 'Survived (Female)', 'Not Survived (Male)', 'Survived (Male)'])

在上面的代码中，我们使用 set_xticklabels() 方法和 set_yticklabels() 方法来设置 X 轴和 Y 轴的刻度标签。同时，我们也使用了 set_yticks() 方法来设置 Y 轴的刻度范围。

在自定义颜色部分，我们使用了 patches 属性来获取每个条形元素，并使用 set_color() 方法来设置条形颜色。最终使用 legend() 方法添加了图例。

在这张图中，我们自定义了颜色和标签，使得图表更加清晰易懂。