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)