[Python爬蟲] Pandas 模組

Python 的 Pandas 是一個強大的資料分析工具包，讓你能夠輕鬆地處理和分析結構化數據。以下是一個基本的 Pandas 教學：

1. 安裝 Pandas

如果你還沒有安裝 Pandas，你可以通過 pip 來安裝它：

pip install pandas

2. 導入 Pandas

在你的 Python 程式中，你需要先導入 Pandas：

import pandas as pd

3. 基本概念

• Series: 一維陣列，類似於 Python 中的列表或 NumPy 的陣列。
• DataFrame: 二維的表格型數據結構，可以想象成一個 Excel 表格或 SQL 表。

Series

• 定義：Series 是一種一維數據結構，可以存儲任何數據類型（整數、字符串、浮點數、Python 對象等）。每個 Series 都會有一個數據類型來定義其值的類型。
• 索引：Series 擁有一個索引，預設情況下從 0 開始，但也可以自定義索引的值。
• 創建：你可以從列表、字典或直接從標量值創建 Series。

s = pd.Series([1, 3, 5, 7, 9])

• 操作：Series 支持多種操作，包括算術運算、聚合運算、邏輯運算等。

DataFrame

• 定義：DataFrame 是一種二維數據結構，類似於 Excel 表格或 SQL 數據表，可以存儲不同類型的列。這是 Pandas 最常用的數據結構，適用於表示複雜數據和進行數據分析。
• 結構：DataFrame 是由多個 Series 組成，每個 Series 成為 DataFrame 的一列。所有的列可以有不同的數據類型。
• 索引：和 Series 一樣，DataFrame 也有索引，並且每個索引值對應一行數據。同時，每一列也有標籤（列名）。
• 創建：DataFrame 可以通過多種方式創建，包括從字典、列表的列表、Series 的字典等。

data = {
    'apples': [3, 2, 0, 1],
    'oranges': [0, 3, 7, 2]
}
df = pd.DataFrame(data)

• 操作：DataFrame 提供豐富的功能，包括數據過濾、排序、分組、合併以及各種數學和統計運算。

總結來說，Series 是一維的，用於存儲單一列的數據，而 DataFrame 是二維的，用於存儲多列數據，它們都支持大量的操作和數據處理功能，是 Python 中處理結構化數據的強大工具。

4. 創建 DataFrame

從字典列表創建

每個字典代表一行，字典的鍵是列名，值是數據值。

data = [
    {'姓名': '小明', '年紀': 24, '工作': '工程師'},
    {'姓名': '小華', '年紀': 30, '工作': '設計師'},
    {'姓名': '小天', '年紀': 28, '工作': '老師'}
]
df = pd.DataFrame(data)
df

從列的字典創建

字典的鍵是列名，值是列的數據，以列表或Series形式。

data = {
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [24, 30, 28],
    'job': ['Engineer', 'Designer', 'Teacher']
}

df = pd.DataFrame(data)
df

從行的列表創建

直接通過傳遞一個列表的列表來創建，並且可以指定列名。

rows = [
    ['Alice', 24, 'Engineer'],
    ['Bob', 30, 'Designer'],
    ['Charlie', 28, 'Teacher']
]
col_names = ['name', 'age', 'job']
df = pd.DataFrame(rows, columns=col_names)
df

從 Series 字典創建

每個 Series 代表一列。

s1 = pd.Series([1, 2, 3])
s2 = pd.Series(['Alice', 'Bob', 'Charlie'])
s3 = pd.Series([24, 30, 28])

df = pd.DataFrame({'id': s1, 'name': s2, 'age': s3})
df

這些範例涵蓋了從不同數據結構創建 DataFrame 的常見情況。根據你的具體需求，你可以選擇最適合你數據格式的方法。

5. DataFrame 數據型態(Data Types)

在使用 Pandas 的 DataFrame 時，了解其數據型態（data types）和常見屬性是非常重要的。以下是一些基本的型態和屬性介紹：
DataFrame 中的每一列（Series）可以有不同的數據型態。常見的數據型態包括：

• int64: 整數型
• float64: 浮點數型
• object: 文本或混合型（通常是字符串）
• bool: 布林型（True 或 False）
• datetime64: 日期時間型
• timedelta[ns]: 表示兩個時間之間的差
• category: 分類型，用於表示有限的、通常是固定不變的可能值集合

你可以用 dtypes 屬性查看 DataFrame 的每列數據型態：

df.dtypes

常見屬性

• df.shape: 顯示 DataFrame 的形狀，即行數和列數。
• df.index: 顯示 DataFrame 的索引（行標籤）。
• df.columns: 顯示 DataFrame 的列名。
• df.info(): 顯示 DataFrame 的摘要信息，包括列的數量、每列非空值的數量、每列的數據型態等。
• df.describe(): 查看數據統計摘要
• df.head(): 查看前幾行
• df.size: 顯示 DataFrame 中元素的總數量（行數 x 列數）。
• df.empty: 如果 DataFrame 為空，返回 True；否則返回 False。

下面是一個展示如何使用這些屬性的例子：

# 創建一個簡單的 DataFrame
data = {
    'Integers': [1, 2, 3],
    'Floats': [0.1, 0.2, 0.3],
    'Strings': ['apple', 'banana', 'cherry']
}
df = pd.DataFrame(data)

# 使用屬性
print("Data Types:\n", df.dtypes)
print("Shape:", df.shape)
print("Index:", df.index)
print("Columns:", df.columns)
print("Info:", df.info())
print("Describe:", df.describe())
print("Head:", df.head())
print("Size:", df.size)
print("Is Empty:", df.empty)

"""
Data Types:
Integers      int64
Floats      float64
Strings      object
dtype: object
Shape: (3, 3)
Index: RangeIndex(start=0, stop=3, step=1)
Columns: Index(['Integers', 'Floats', 'Strings'], dtype='object')
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 0   Integers  3 non-null      int64  
 1   Floats    3 non-null      float64
 2   Strings   3 non-null      object 
dtypes: float64(1), int64(1), object(1)
memory usage: 200.0+ bytes
Info: None
Describe:        Integers  Floats
count       3.0    3.00
mean        2.0    0.20
std         1.0    0.10
min         1.0    0.10
25%         1.5    0.15
50%         2.0    0.20
75%         2.5    0.25
max         3.0    0.30
Head:    Integers  Floats Strings
0         1     0.1   apple
1         2     0.2  banana
2         3     0.3  cherry
Size: 9
Is Empty: False
"""

透過熟悉這些型態和屬性，你可以更有效地操作和分析 DataFrame 中的數據。

6. DataFrame 取得欄位資料

在 Pandas 中，取得 DataFrame 中的特定欄位（列）數據可以使用多種方法。以下是一些常見的方法：

1. 通過列名取得欄位

直接使用列名作為索引可以取得該列的數據。

# 假設 df 是一個 DataFrame
column_data = df['ColumnName']

2. 使用 . 操作符

如果列名是一個有效的 Python 變量名，也可以使用 . 來訪問列。

column_data = df.ColumnName

3. 使用 loc 和 iloc

• loc[]: 基於列的欄位名稱取得列。
• iloc[]: 基於列的整數位置（index）來取得列。

data = [
    {'姓名': '小明', '年紀': 24, '工作': '工程師'},
    {'姓名': '小華', '年紀': 30, '工作': '設計師'},
    {'姓名': '小天', '年紀': 28, '工作': '老師'}
]
df = pd.DataFrame(data)
"""
   姓名  年紀   工作
0  小明  24  工程師
1  小華  30  設計師
2  小天  28   老師
"""

iloc

iloc 是基於整數位置的索引，允許通過給定的位置（行數和列數）來訪問 DataFrame。

• 語法:

DataFrame.iloc[行位置, 列位置]

• 位置: 整數或整數的列表/切片，從0開始索引。
• 用法示例:

# 單個元素
element = df.iloc[0, 0]  # 第一行第一列的元素
# element: 小明

# 某一行
row = df.iloc[2]  # 第三行的所有列
# 姓名    小天
# 年紀    28
# 工作    老師

# 某幾行
rows = df.iloc[0:2]  # 前兩行的所有列
# 姓名  年紀   工作
# 0  小明  24  工程師
# 1  小華  30  設計師

# 某幾列
columns = df.iloc[:, 1:3]  # 所有行的第二和第三列
# 0  24  工程師
# 1  30  設計師
# 2  28   老師

# 特定行列
sub_df = df.iloc[1:3, 0:2]  # 第二到第三行和第一到第二列的子集
#   姓名  年紀
#1  小華  30
#2  小天  28

loc

loc 是基於標籤名稱的索引，允許通過行標籤和列名稱來訪問 DataFrame。

• 語法:

DataFrame.loc[行標籤, 列標籤]

• 標籤: 可以是單個標籤、標籤的列表、切片或布林陣列。
• 用法示例:

pythonCopy code
# 單個元素
element = df.loc[0, '姓名']  # 標籤為 0 的行和名為 '姓名' 的列
# element: 小明

# 某一行
row = df.loc[0]  # 標籤為 0 的行
# row: 
# 姓名     小明
# 年紀     24
# 工作    工程師
Name: 0, dtype: object

# 某幾行
rows = df.loc[0:1]  # 0 到 1 的行
#rows:    
#   姓名  年紀   工作
#0  小明  24  工程師
#1  小華  30  設計師

# 某幾列
columns = df.loc[:, ['姓名', '年紀']]  # 所有行的 '姓名' 和 '年紀'
#columns:    
#   姓名  年紀
#0  小明  24
#1  小華  30
#2  小天  28

# 特定行列
sub_df = df.loc[1:2, '姓名':'工作']  # 特定範圍的標籤行列
#sub_df:   
#   姓名   工作
#1  小華  設計師
#2  小天   老師

使用 loc 和 iloc 的時注意：

• 切片差異：iloc 在進行切片時不包含結束位置，而 loc 包含結束位置。
• 非數字索引：當使用非數字索引時（例如字符串標籤），loc 特別有用。
• 條件選擇：loc 可以與布林條件配合使用，選擇符合特定條件的行列。
• 效率：在訪問單個值或者小區域時，直接使用 iloc 或 loc 通常更高效。但對於較大的區域或者整個行列的操作，使用條件選擇或直接列名可能更好。

理解 iloc 和 loc 的差異和適用情境，可以幫助你更加高效和準確地訪問和操作 DataFrame 中的數據。

7. 增加 DataFrame 資料

增加 DataFrame 中的數據可以通過多種方式進行，包括增加列（欄位）和增加行。以下是一些常見方法：

增加列

1. 直接賦值：如果列不存在，這將創建一個新列。

   df['new_column'] = [value1, value2, value3, ...]
   

2. 使用 .assign()：這個方法會返回一個新的 DataFrame，不改變原來的 DataFrame。

   df = df.assign(new_column=[value1, value2, value3, ...])
   

增加行

1. 使用 .append()：添加一行或者另一個 DataFrame 的多行。這會返回一個新的 DataFrame，不改變原來的 DataFrame。

new_row = {'column1': value1, 'column2': value2, ...}
df = df.append(new_row, ignore_index=True)

如果添加的是另一個 DataFrame 的多行，可以直接將其作為 .append() 的參數。

2. 使用 pd.concat()：合併兩個 DataFrame。這也是增加多行數據的有效方法。

new_df = pd.DataFrame(...)  # 新的 DataFrame
df = pd.concat([df, new_df], ignore_index=True)

範例

假設我們有以下的 DataFrame，代表一些水果的庫存：

data = {'apples': [3, 2], 'oranges': [4, 6]}
df = pd.DataFrame(data)

增加一列「bananas」

df['bananas'] = [5, 3]  # 增加一列 bananas
print(df)

增加一行

new_row = {'apples': 7, 'oranges': 8, 'bananas': 2}
df = df.append(new_row, ignore_index=True)
print(df)

使用這些方法，你可以輕鬆地根據需要擴展 DataFrame。记得在實際操作中，根據具體情況選擇最合適的方法。

8. DataFrame 數據清理

資料清洗是數據分析中的一個重要步驟，它涉及到修正或刪除錯誤、不完整、不相關或不準確的數據。在大多數情況下，原始數據並不完美，需要經過一系列的處理才能用於分析或建模。以下是一些常見的資料清洗步驟：

1. 去除重複數據

重複的數據會導致分析結果的偏差。

# 去除重複數據
df = df.drop_duplicates()

2. 處理缺失值

缺失值可以用多種方式處理：

• 刪除：刪除含有缺失值的行或列。

# 刪除含有缺失值的行
df = df.dropna()

# 刪除含有缺失值的列，
# 設置 axis 參數為 1 或 'columns' 可以刪除含有缺失值的列。
df = df.dropna(axis=1)
# 或者
df = df.dropna(axis='columns')

# 只刪除全部為 NaN 的行或列
df_cleaned = df.dropna(how='all')

# 刪除非缺失值少於 2 個的行
df_cleaned = df.dropna(thresh=2)

可選參數
dropna() 還提供了一些可選參數，以便更靈活地處理缺失值：
how: 'any'（默認）表示只要有缺失值就刪除，'all' 表示當所有值都是缺失值時才刪除。
thresh: 設置一個閾值，只有非缺失值的數量小於這個數時才刪除。
subset: 在一個行或列的子集上應用這些規則。

• 填充：用固定值、平均數、中位數或其他算法預測的值填充缺失值。

# 使用固定值填充
df = df.fillna(value)

# 使用平均值填充
df = df.fillna(df.mean())

# 使用中位數填充
df = df.fillna(df.median())

# 使用眾數填充
df = df.fillna(df.mode().iloc[0])

# 向前填充（使用前一個非缺失值填充）
df = df.fillna(method='ffill')

# 向後填充（使用後一個非缺失值填充）
df = df.fillna(method='bfill')

# 對特定列使用不同的填充值或方法。
df['column_name'] = df['column_name'].fillna(specific_value)

# 根據自定義函數或映射關係來填充缺失值。
df = df.apply(lambda x: x.fillna(x.mean()) if x.dtype.kind in 'biufc' else x.fillna('missing'))

範例：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, np.nan, 3],
                   'B': [4, 5, np.nan],
                   'C': [np.nan, np.nan, np.nan]})
                   
#使用固定值填充
df_filled = df.fillna(0)

#使用各列的平均值填充
df_filled = df.fillna(df.mean())

#向前填充
df_filled = df.fillna(method='ffill')

3. 數據類型轉換

確保每列數據的類型正確。例如，將數字被錯誤地讀取為字符串，或將日期讀取為字符串等。

# 1. 轉換為字符串，使用 astype(str) 可將列轉換為字符串類型。
df['column'] = df['column'].astype(str)

# 2. 轉換為數值，使用 pd.to_numeric() 可將列轉換為數值型。
df['column'] = pd.to_numeric(df['column'], errors='coerce')
# errors='coerce' 會將無法轉換的值設為 NaN。

# 3. 轉換為整數，使用 astype(int) 或 astype('int64') 可將列轉換為整數型。
df['column'] = df['column'].astype(int)

# 4. 轉換為浮點數，使用 astype(float) 可將列轉換為浮點型。
df['column'] = df['column'].astype(float)

# 5. 轉換為日期時間，使用 pd.to_datetime() 可將列轉換為日期時間型。
df['column'] = pd.to_datetime(df['column'])

# 6. 轉換為類別型，使用 astype('category') 可將列轉換為類別型，適用於有限且重複的字符串。
df['column'] = df['column'].astype('category')

範例：

df = pd.DataFrame({'A': ['1', '2', '3'],
                   'B': ['1.1', '2.2', '3.3'],
                   'C': ['2021-01-01', '2021-01-02', '2021-01-03'],
                   'D': ['apple', 'banana', 'cherry']})

df['A'] = df['A'].astype(int)  # 字符串轉整數
df['B'] = df['B'].astype(float)  # 字符串轉浮點數
df['C'] = pd.to_datetime(df['C'])  # 字符串轉日期
df['D'] = df['D'].astype('category')  # 字符串轉類別型               

通過這些方法，你可以根據分析需求對 DataFrame 中的數據類型進行轉換，以確保數據的準確性和適用性。

4. 修正數據錯誤

修正明顯的數據錯誤，比如負的年齡、錯誤的郵政編碼等。

# 1. 替換值，使用 replace() 函數可以替換 DataFrame 中的特定值。
df['column'] = df['column'].replace(錯誤值, 正確值)

# 2. 條件賦值，使用條件表達式對特定條件下的值進行修正。
df.loc[df['column'] > 閾值, 'column'] = 新值

# 3. 使用函數修正，對列應用自定義函數來修正錯誤的數據。
df['column'] = df['column'].apply(lambda x: 函數(x))

# 4. 正則表達式，對字符串類型的數據，可以使用正則表達式來修正。
df['column'] = df['column'].str.replace(正則表達式, 新值, regex=True)

# 5. 使用其他列的數據修正，基於同一行的其他列的數據來修正某列的錯誤值。
df['column'] = df.apply(lambda row: 函數(row), axis=1)

範例：

df = pd.DataFrame({'Age': [29, -1, 0, 25, 120],
                   'Salary': ['10000$', '9000$', '8000$', '7000$', '6000$'],
                   'Name': ['Alice', 'Bob', '', 'Charlie', 'David']})

# 修正年齡
df.loc[df['Age'] < 0, 'Age'] = df['Age'].median()
df.loc[df['Age'] > 100, 'Age'] = df['Age'].median()

# 修正薪水格式
df['Salary'] = df['Salary'].str.replace('$', '').astype(int)

# 修正空名字
df['Name'] = df['Name'].replace('', 'Unknown')

透過這些方法，你可以有效地修正 DataFrame 中的錯誤數據，提高數據質量，為後續的分析工作打下堅實的基礎。

DataFrame 資料合併

在 Pandas 中，資料合併是將不同的數據集根據某些規則合併在一起。這類似於 SQL 或其他數據庫語言中的 join 操作。Pandas 提供了多種合併數據的方法，包括：

1. concat()

pd.concat() 用於沿一個軸將多個對象堆疊在一起。它主要用於合併具有相同列的數據框架，或者相同行的情況。

• 用法:

pd.concat([df1, df2, ...], axis=0, join='outer')

• 參數:
• objs: 一個序列或映射，包含你想要合併的 pandas 對象。
• axis: {0/'index', 1/'columns'}, 預設為 0。沿著哪個軸進行合併。
• join: {'inner', 'outer'}, 預設為 'outer'。如何處理除連接軸以外的軸上的索引。

2. merge()

merge() 類似於 SQL 中的 JOIN 操作，它可以讓你沿一個或多個鍵合併兩個數據框架。

• 用法:

pd.merge(left, right, how='inner', on=None)

• 參數:
• left: 一個 DataFrame。
• right: 另一個 DataFrame。
• on: 用於連接的列名。必須在左右 DataFrame 對象中找到。
• how: {‘left’, ‘right’, ‘outer’, ‘inner’}, 預設為 'inner'。決定了合併的方式。

3. join()

join() 是在索引上合併。它是 merge() 的一個方便的方法，用於在列上合併，但通過索引來合併。

• 用法:

df1.join(df2)

• 參數:
  • 通常情況下，join() 會將另一個 DataFrame 的列加入到一個 DataFrame 中，主要是基於索引。

範例：

假設我們有兩個 DataFrame：df1 和 df2。

# 創建兩個 DataFrame
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                    'B': ['B0', 'B1', 'B2']},
                   index=['K0', 'K1', 'K2'])

df2 = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
                    'D': ['D0', 'D2', 'D3']},
                   index=['K0', 'K2', 'K3'])

# concat
result1 = pd.concat([df1, df2], axis=1)  # 沿著列合併

# merge
result2 = pd.merge(df1, df2, left_index=True, right_index=True, how='inner')  # 基於索引進行內連接

# join
result3 = df1.join(df2)  # df1 作為主DataFrame，將 df2 合併進來

print(result1)
print(result2)
print(result3)

通過了解這些方法的不同用途和特點，你可以根據具體需求選擇最適合的資料合併方式。

9. 檔案處理

在 Pandas 中，數據讀取是一個基本且常用的操作，用於將各種格式的數據文件讀入為 DataFrame。Pandas 支持多種數據源和文件格式，包括 CSV、Excel、SQL 數據庫等。以下是一些最常用的數據讀取方法：

1. 讀取 CSV 文件

CSV (Comma-Separated Values) 是一種常見的文件格式，用於存儲表格數據。

• 函數:

pd.read_csv(filepath_or_buffer, sep=',', ...)

• 參數:
• filepath_or_buffer: 文件的路徑或類似的對象。
• sep: 字段分隔符號，默認為 ','。

2. 讀取 Excel 文件

Excel 文件是辦公自動化中常見的數據存儲格式。

• 函數:

pd.read_excel(io, sheet_name=0, ...)

• 參數:
• io: Excel 文件的路徑或文件對象。
• sheet_name: 要讀取的工作表名稱或索引，預設為第一個工作表。

3. 讀取 SQL 數據庫

從 SQL 數據庫中讀取數據需要一個有效的 SQL 查詢和一個數據庫連接。

• 函數:

pd.read_sql(sql, con, ...)

• 參數:
• sql: SQL 查詢字符串或SQLAlchemy Selectable。
• con: 數據庫連接對象。

4. 讀取 JSON 文件

JSON (JavaScript Object Notation) 是一種輕量級的數據交換格式。

• 函數:

pd.read_json(path_or_buf, ...)

• 參數:
• path_or_buf: JSON 文件的路徑或類似的對象。

範例：

假設你有一個名為 "data.csv" 的 CSV 文件，以下是如何讀取它：

import pandas as pd

# 讀取 CSV 文件
df = pd.read_csv('data.csv')

# 現在 df 是一個 DataFrame 對象，包含了 CSV 文件中的數據

當讀取數據時，根據文件的特點和數據的結構，你可能需要設置額外的參數，如指定分隔符號、設定無數據時的填充值、選擇特定的列等。

掌握這些基本的數據讀取方法，可以幫助你靈活地從不同的數據源導入數據，為進一步的數據處理和分析打下基礎。

10.Pandas 圖表

在 Pandas 中，DataFrame 提供了方便的方法直接使用 Matplotlib 庫繪制圖表，例如線圖、直方圖、散點圖等。這使得在探索性數據分析階段快速繪製圖形變得相當簡單。

1. plot() 方法

Pandas 中的 .plot() 方法是基於 Matplotlib 開發的，它提供了多種參數來自定義圖表。

• plot() 是一個通用的繪圖函數，用於創建各種類型的圖表，如線圖、柱狀圖、面積圖、散點圖等。
• 通過設置 kind 參數，可以改變圖表類型。例如，kind='line' 用於線圖，kind='bar' 用於柱狀圖。
• plot() 提供了豐富的參數用於自定義圖表，例如設置標題、軸標籤、顏色、大小等。
• 適用於需要展示數據趨勢、比較、分佈等多種情境。

以下是一些常用的 .plot() 參數及其介紹：

基本參數

• kind: 字符串，指定圖表的類型。常見的值包括 'line'（線圖）、'bar'（柱狀圖）、'barh'（橫向柱狀圖）、'hist'（直方圖）、'box'（箱形圖）、'kde' 或 'density'（核密度估計）、'area'（面積圖）、'pie'（餅圖）、'scatter'（散點圖）等。
• x, y: 用於指定作為 x 軸和 y 軸的列名。對於某些圖表類型（如散點圖）是必要的。
• figsize: 元組，指定圖表的大小，格式為 (寬度, 高度)。
• use_index: 布林值，默認為 True。決定是否使用 DataFrame 的索引作為 x 軸。
• title: 字符串，圖表的標題。
• grid: 布林值，指定是否顯示網格線。
• legend: 布林值，指定是否顯示圖例。
• style: 字符串或字符串列表，定義線條的風格（僅對線圖有效）。

高級參數

• stacked: 布林值，對於柱狀圖和面積圖，決定是否堆疊數據。

• subplots: 布林值，如果設為 True，則每列數據將畫在不同的子圖上。

• layout: 元組，指定子圖的排列方式，格式為 (行數, 列數)。

• sharex, sharey: 布林值，決定是否共享 x 軸或 y 軸。

• colormap: 用於定義圖表顏色的 Colormap 對象或顏色映射名稱。

• color: 指定線條或柱狀的顏色。

• fontsize: 數字，指定軸標籤的字體大小。

• 用法:

df.plot(x='x_column', y='y_column', kind='line')

• 參數:
• kind: 圖的類型，默认为 'line'。可以是 'line', 'bar', 'barh', 'hist', 'box', 'kde', 'area', 'pie', 'scatter', 'hexbin' 等。
• x, y: 分别表示横轴和纵轴的列名。

1. 簡單的線圖

最基本的 .plot() 使用，無需額外參數，默認創建線圖。

• 範例:

import pandas as pd
import numpy as np

# 創建示例數據
df = pd.DataFrame(np.random.randn(10, 2), columns=['A', 'B'])

# 繪製線圖
df.plot()

• 參數介紹:
• 無需任何參數，默認將 DataFrame 的索引用作 x 軸，所有列作為 y 軸。

2. 散點圖（帶有標題和軸標籤）

使用 kind 參數創建散點圖，並添加標題和軸標籤。

• 範例:

# 繪製散點圖
df.plot(x='A', y='B', kind='scatter', title='Scatter Plot', xlabel='Column A', ylabel='Column B')

• 參數介紹:
• x, y: 指定 x 軸和 y 軸的列。
• kind='scatter': 指定圖表類型為散點圖。
• title: 圖表的標題。
• xlabel, ylabel: x 軸和 y 軸的標籤。

3. 柱狀圖（帶有顏色、圖例和累積選項）

進階使用，創建帶有多個定制選項的柱狀圖。

• 範例:

# 增加一列作為示例
df['C'] = np.random.randn(10)

# 繪製柱狀圖
df.plot(kind='bar', stacked=True, color=['red', 'blue', 'green'], legend=True, title='Bar Chart')

• 參數介紹:
• kind='bar': 指定圖表類型為柱狀圖。
• stacked=True: 指定柱狀圖為堆疊式。
• color: 指定每列的顏色。
• legend: 是否顯示圖例。
• title: 圖表的標題。

通過這些範例，你可以看到 .plot() 方法的多樣性和靈活性。根據你的數據和需求，可以進行多種自定義設置，創建各式各樣的圖表。

2. hist() 直方圖

• hist() 是專門用於繪製直方圖的函數。直方圖用於展示數據的分布情況，尤其是單個變量的分布。

• hist() 會自動將數據分組（通常稱為「桶」或「bin」），並計算每個分組中的觀察次數。

• 雖然 plot() 也可以通過設置 kind='hist' 來繪製直方圖，但 hist() 提供了更專門化的選項，如自動分桶、密度估計等。

• 適用於需要快速理解單個變量的分佈特性時。

• 用法:

df['column'].hist(bins=10)

• 參數:
• bins: 直方圖的條形數量，即分組數量。

import pandas as pd
import numpy as np

# 創建示例數據
df = pd.DataFrame(np.random.randn(10, 1), columns=['A'])

df['A'].plot(kind='hist') # 繪製直方圖
df['A'].hist(bins=10)  # 直接繪製直方圖，指定桶數為 10

3. scatter() 散點圖

• .scatter() 專用於繪製散點圖，顯示兩個變量之間的關係。

• 它需要指定 x 和 y 軸的數據列，通常用於探索不同變量之間的關聯性或數據的分佈特徵。

• 用法:

df.plot(x='column1', y='column2', kind='scatter')  # 使用 plot 方法繪製散點圖
# 或
df.plot.scatter(x='column1', y='column2')  # 直接使用 scatter 方法

• 參數:
• x, y: 分別表示橫軸和縱軸的列名。

import pandas as pd
import numpy as np

# 創建示例數據
df = pd.DataFrame(np.random.randn(10, 2), columns=['column1', 'column2'])

df.plot(x='column1', y='column2', kind='scatter')  # 使用 plot 方法繪製散點圖
# 或
df.plot.scatter(x='column1', y='column2')  # 直接使用 scatter 方法

注意事項：

• 確保在使用這些方法之前已經導入了 matplotlib 庫，因為 Pandas 的繪圖功能是建立在 Matplotlib 之上的。
• 使用這些繪圖方法時，可以通過添加額外的 matplotlib 函數進行自定義，例如設置標題、軸標籤等。
• 對於更複雜的視覺化需求，可能需要直接使用 Matplotlib 或其他專業繪圖庫（如 Seaborn 或 Plotly）。

通過這些基本的繪圖方法，你可以快速對 DataFrame 中的數據進行視覺化，以幫助理解數據的特徵和關係。

以下是一個關於 Pandas DataFrame 常用繪圖方法的表格，包括每個方法的名稱、說明及範例：

在使用這些方法時，一般會需要指定 x 軸和 y 軸對應的列名（除了 hist() 和 pie() 等特殊情況）。此外，這些方法均可通過添加額外的 Matplotlib 參數進行自定義，例如設置圖表的大小、顏色、標題等。這些基本的繪圖方法可以幫助快速理解和呈現數據。

結論

Pandas 是一個功能強大的數據處理工具，非常適合用於處理各類型的數據問題，成為數據處理的得力助手。雖然它的上手難度相對較高，但透過持續的練習和應用，可以逐步掌握其精髓。對於那些未來有志於使用 Python 進行人工智慧相關開發的學習者來說，Pandas 是一個不可或缺的模組。它不僅提升數據分析效率，也是構建高效 AI 模型的基石。

Python基礎系列文章

分享所學貢獻社會
[Python教學]開發工具介紹
[開發工具] Google Colab 介紹
[Python教學] 資料型態
[Python教學] if判斷式
[Python教學] List 清單 和 Tuple元組
[Python教學] for 和 while 迴圈
[Python教學] Dictionary 字典 和 Set 集合
[Python教學] Function函示
[Python教學] Class 類別
[Python教學] 例外處理
[Python教學] 檔案存取
[Python教學] 實作密碼產生器
[Python教學] 日期時間
[Python教學] 套件管理

Python 爬蟲系列文章

[Python爬蟲] 網路爬蟲
[Python爬蟲] 分析目標網站
[Python爬蟲] 發送請求與解析網站內容
[Python爬蟲] Requests 模組
[Python爬蟲] Beautiful Soup 模組
[Python爬蟲] Selenium 模組
[Python爬蟲] Pandas模組

訂閱免費電子報

我們推出電子報拉，歡迎大家訂閱免費電子報，會接收到分享的程式文章，
透過閱讀文章，今天比昨天進步一點，每天的一小步，就是未來的一大步。
訂閱免費電子報
Facebook 粉絲頁 - TechMasters 工程師養成記
程式教育 - 工程師養成記
同步分享到部落格