또다른 plot 그리기

1. 수직 바그래프

Series.plot.bar() method 

관련 문서 : https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.plot.bar.html

2.수평 바그래프 Series.plot.barh()

test = wnba['Exp_ordinal'].value_counts().iloc[[3,0,2,1,4]]
test.plot.barh()

 

3. 파이 그래프
 Series.plot.pie()
예를 들어, wnba['Pos'].value_counts().plot.pie()
wnba['Exp_ordinal'].value_counts().plot.pie(figsize =(6,6), autopct = '%.2f%%', title='Percentage of players in WNBA by level of experience') 
plt.ylabel('')

- string_format과 관련된 글 : https://docs.python.org/3/library/string.html#format-specification-mini-language

 

 

-  autopct : 자동으로 백분율 비중 계산해주는 옵션
   관련 설명 https://matplotlib.org/api/_as_gen/matplotlib.pyplot.pie.html

 

 

4. 히스토그램

- histogram의 구간interval 설정하기 
  Series.plot.hist(bin=#) 

x축을 1부터 32까지 4씩 잘라서 8개를 만들어라 

wnba['Games Played'].plot.hist(range = (1,32), bins = 8, title='The distribution of players by games played') 
plt.xlabel('Games played') 

 

 

 

5. 변수별 visualization 

 

 

 

 

6. grouped bar plot

 

import seaborn as sns

sns.countplot() <---관련문서는 여기 

seaborn.countplot — seaborn 0.9.0 documentation

예시)

# x= 그룹화하고싶은 컬럼 (ex: 여성,남성) 
# hue = 색깔 
# data = y축  
import seaborn as sns 
sns.countplot(x='Exp_ordinal', hue='Pos', data=wnba , order = ['Rookie', 'Little experience', 'Experienced', 'Very experienced', 'Veteran'], 
              hue_order = ['C', 'F', 'F/C', 'G', 'G/F'] ) 

 

 

 

7. Histogram을 smoothing 시키기 

-  kernel density estimate plot 이라고 부름
  Series.plot.kde() function --> 관련 문서는 여기 

pandas.Series.plot.kde — pandas 0.25.3 documentation

- 이 외에도 많은 seaborn