使用Pandas可视化带有标签列的数据表

Pandas是Python中一个灵活强大的数据处理库。它提供了大量数据操作和分析工具，并整合了Matplotlib和Seaborn等数据可视化库的功能，这使得数据的可视化变得更加容易。

在本文中，我们将讨论如何使用Pandas可视化带有标签列的数据表，以便更好地呈现和传达数据的信息。

准备数据

本文以如下图所示的Excel表为例。

这是一张典型的日志记录表，每1行依次记录了哪一天（p_date）、产生哪种行为（action_type）的用户数（pv）和独立用户数（uv）。

这张表是按照关系型数据库的范式存储的，也就是说，这不是一张宽表，没有把action_type的所有取值和pv、uv组合起来作为列，即只有action_type、pv、uv这3列，而不是action_type_A_pv、action_type_B_pv、……、action_type_A_uv、action_type_B_uv……这一系列字段。

表中的action_type就是标签列。下面我们就来看看如何根据这个标签列的取值，将这张数据表拆分为若干张小表，并分别绘制折线图。

使用Pandas进行可视化

在可视化之前，我们先对数据进行简要的概览，以了解数据的结构和内容。使用了Pandas以后就无需启动Excel了。

# pip3 install openpyxl
# pip3 install pandas
# pip3 install matplotlib

import matplotlib.pyplot as plt
import pandas as pd

# 从Excel文件读取数据
df = pd.read_excel('demo.xlsx')

# 显示列标题和前几行数据
print(df.head())

# 使用groupby按'action_type'列拆分DataFrame
grouped = df.groupby('action_type')

# 遍历分组，并打印每个分组的数据
for group_name, group_df in grouped:
    print(group_name)
    print(group_df[:2])
    print("========")

上面代码的运行结果如下所示：

p_date action_type        pv       uv
0  20240107    Action_A    209432   175390
1  20231205    Action_B   2219974  1511501
2  20231218    Action_A     68196    61948
3  20240111    Action_C  16624897  4379832
4  20231222    Action_C   2960038  1948306

Action_A
     p_date action_type      pv      uv
0  20240107    Action_A  209432  175390
2  20231218    Action_A   68196   61948
========
Action_B
     p_date action_type       pv       uv
1  20231205    Action_B  2219974  1511501
5  20240106    Action_B  6670116  2993844
========
Action_C
     p_date action_type        pv       uv
3  20240111    Action_C  16624897  4379832
4  20231222    Action_C   2960038  1948306
========
Action_D
      p_date action_type       pv       uv
35  20231124    Action_D  7145549  5891077
43  20231125    Action_D  8258851  5954404
========

接下来，我们可以使用Pandas的plot方法结合Matplotlib进行简单的折线图可视化，

# 绘制每个分组的数据
for group_name, group_df in grouped:
    # 按'p_date'列排序
    group_df = group_df.sort_values(by='p_date')
    # 将'p_date'列转换为日期格式(yyyymmdd)
    group_df['p_date'] = pd.to_datetime(group_df['p_date'], format='%Y%m%d')
    # 绘图
    group_df.plot(x='p_date', y=['pv', 'uv'], title=group_name)

    # 将y轴的数字格式化为千分位
    ax = plt.gca()
    ax.get_yaxis().set_major_formatter(
        plt.FuncFormatter(lambda x, loc: "{:,}".format(int(x)))
    )

# 显示图形
plt.show()

运行结果如下，每种action_type一张折线图。

通过使用Pandas的可视化功能，能够更好地理解和传达数据的信息。例如，从折线图中，我们可以看到用户数突然激增。

在实际的数据分析项目中，结合Pandas的数据操作和Matplotlib、Seaborn等库的可视化功能，我们可以更深入地探索数据，识别趋势，发现异常，以支持更有洞察力的决策过程。