python制作分布图

制作分布图类似密度图,在python中利用pandas来提取分布数据是比较方便的。主要用到pandas的cut和groupby等函数。

第一步,从数据库中提取数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import pandas
from sqlalchemy import create_engine
host_mysql_test = '127.0.0.1'
port_mysql_test = 3306
user_mysql_test = 'admin'
pwd_mysql_test = '1234'
db_name_mysql_test = 'mydb'
engine_hq = create_engine('mysql+mysqldb://%s:%s@%s:%d/%s' % (user_mysql_test,
pwd_mysql_test,
host_mysql_test,
port_mysql_test,
'hq_db'), connect_args={'charset': 'utf8'})

sql = "SELECT * FROM fund_data where quarter>=8 order by yanzhi desc"
df = pd.read_sql(sql, engine)
#将yanzhi数据转换为百分比
df['yanzhi'] = df['yanzhi'].apply(lambda x: x * 100)

第二步,面元划分

  • cut函数:
    1
    pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False)

官方文档链接

主要参数为x和bins。
x为数据源,数组格式的都支持,list,numpy.narray, pandas.Series。
bins可以为int,也可以为序列。

1
2
bins = [0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
cats = pd.cut(df['yanzhi'], bins)

我们定义bins为一个序列,默认的为左开右闭的区间:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
In[]:print cats
Out[]:
0 (90, 100]
1 (90, 100]
2 (90, 100]
3 (80, 90]
4 (80, 90]
...
970 (10, 20]
971 (10, 20]
972 (10, 20]
973 (10, 20]
974 (10, 20]
Name: yanzhi, dtype: category
Categories (10, object): [(0, 10], (10, 20], (20, 30], (30, 40], ..., (60, 70], (70, 80], (80, 90]
, (90, 100]]

第三步,groupby

对言值列按cats做groupby,然后调用get_stats统计函数,再用unstack函数将层次化的行索引“展开”为列。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
def get_stats(group):
return {'count': group.count()}

grouped = df['yanzhi'].groupby(cats)
bin_counts = grouped.apply(get_stats).unstack()

print bin_counts

count
yanzhi
(0, 10] 0
(10, 20] 5
(20, 30] 22
(30, 40] 92
(40, 50] 258
(50, 60] 357
(60, 70] 178
(70, 80] 51
(80, 90] 9
(90, 100] 3

第四步,重命名索引,pandas绘图

1
2
3
4
bin_counts.index = ['0~10', '10~20', '20~30', '30~40', '40~50', '50~60', '60~70',
'70~80', '80~90', '90~100']
bin_counts.index.name = 'yanzhi'
bin_counts.plot(kind='bar', alpha=0.5, rot=0)

扩展:其它工具绘制

一,用G2绘制

G2在之前的文章中有介绍,文章《python结合G2绘制精美图形》

1,生成json数据

1
2
3
4
5
6
7
8
9
datas = []
for ix, row in bin_counts.iterrows():
# if row['机构数量'] > 0:
sss = {'name': ix, 'count': row['count']}
datas.append(sss)
encodejson = json.dumps(datas, ensure_ascii=False)
f = open('yanzhi.json', 'w')
f.write(encodejson)
f.close()

2,配置html文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>分布图</title>
<link rel="stylesheet" type="text/css" href="https://as.alipayobjects.com/g/datavis/g2-static/0.0.8/doc.css" />
<!--如果不需要jquery ajax 则可以不引入-->
<script src="https://a.alipayobjects.com/jquery/jquery/1.11.1/jquery.js"></script>
<script src="https://a.alipayobjects.com/alipay-request/3.0.3/index.js"></script>
<!-- 引入 G2 脚本 -->
<script src="https://as.alipayobjects.com/g/datavis/g2/1.2.2/index.js"></script>
</head>
<body>
<div id="c1"></div>
<!-- G2 code start -->
<script>
$.getJSON('yanzhi.json', function(data) {

var Frame = G2.Frame;
var frame = new Frame(data);
frame = Frame.combinColumns(frame, ['count'],'count','type',['name', 'count']);
var chart = new G2.Chart({
id: 'c1',
width: 600,
height: 400
});
chart.source(frame, {
'count': {alias: '数量', min: 0},
'name': {alias: '言值分布', min: 0}
});
// 去除 X 轴标题
// chart.axis('name', {
// title: null
// });
chart.legend(false);// 不显示图例
chart.intervalStack().position('name*count').color('type', ['#348cd1', '#43b5d8']); // 绘制层叠柱状图
chart.line().position('name*count').color('#5ed470').size(2).shape('smooth'); // 绘制曲线图
chart.point().position('name*count').color('#5ed470'); // 绘制点图
chart.render();
});

</script>

<!-- G2 code end -->
</body>
</html>

3,显示结果

二、DataFrame密度图

一句话绘制出来,但具体的区间段难以区分出来。

1
df["yanzhi"].hist(bins=20, alpha=0.5)

三、bokeh绘图

bokeh是python的一个优秀的绘图工具包,与pandas结合的比较好。bokeh文档

1
2
3
4
5
from bokeh.charts import Histogram, output_file,show

hist=Histogram(df, values='yanzhi',bins=30, title='分布图', legend='top_right')
output_file('hist.html', title='hist example')
show(hist)