相关导航
pandas plot 绘图
更新时间：2022-05-15 21:57:35 标签：pandas
可视化
绘图
看过来
《pandas 教程》 持续更新中，可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。查看更新日志。作者开办 Python 数据分析培训，详情 Python 数据分析培训。
|
本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。 |
Pandas 提供了 plot() 方法可以快速方便地将 Series 和 DataFrame 中的数据进行可视化, 它是 matplotlib.axes.Axes.plot 的封装。代码执行后会生成一张图片，并直接显示在 notebook 上。
图形类型
plot() 方法的绘制方法可绘制的图形主要有：
- Plot 绘图参数 - plot.line 折线图 - plot.pie 饼图 - plot.bar 柱状图 - plot.hist 直方图 - plot.box 箱形图 - plot.area 面积图 - plot.scatter 散点图 - plot.hexbin 六边形分箱图
基本使用
plot 默认为折线图，折线图也是最常用和最基础的可视化图形，足以满足我们日常 80% 的需求：
df.plot()
s.plot()
我们可以在 plot 后增加调用来使用其他的图形，当然这些图形对数据结构也有自己的要求，教程后边会逐个介绍：
df.plot.line() # 折线的全写方式
df.plot.bar() # 柱状图
df.plot.barh() # 横向柱状图 （条形图）
df.plot.hist() # 直方图
df.plot.box() # 箱形图
df.plot.kde() # 核密度估计图
df.plot.density() # 同 df.plot.kde()
df.plot.area() # 面积图
df.plot.pie() # 饼图
df.plot.scatter() # 散点图
df.plot.hexbin() # 六边形箱体图，或简称六边形图
使用方法
Series 使用
Series 使用 plot 时 x 轴为索引，y 轴为索引对应的具体值：
ts = pd.Series(np.random.randn(20),
index=pd.date_range('1/1/2000', periods=20)
)
ts.plot()
# <matplotlib.axes._subplots.AxesSubplot at 0x7fa4c67035e0>
# 会显示一张折线图
DataFrame 使用
DataFrame 使用 plot 时 x 轴为索引，y 轴为索引对应的多个具体值：
df = pd.DataFrame(np.random.randn(6, 4),
index=pd.date_range('1/1/2000', periods=6),
columns=list('ABCD'))
df.plot()
# <matplotlib.axes._subplots.AxesSubplot at 0x7fa4c699b490>
# 会显示折线图
指定列
DataFrame 在绘图时可以指定 x 和 y 轴的列：
df3 = pd.DataFrame(np.random.randn(1000, 2), columns=['B', 'C']).cumsum()
df3['A'] = pd.Series(list(range(len(df))))
df3.plot(x='A', y='B') # 指定 x 和 y 轴内容
如果 y 轴需要多个值，可以传入列表：
df3.plot(x='A', y=['B','C'])
两种图形叠加
可以实现折线和柱状图等叠加效果：
ax = df.b.plot(kind='bar', color='#f28855')
ax = df.b.plot(kind='line', color='blue')
ax.legend(['B1', 'B2']) # 图例
以上代码在 jupyter notebook 上显示叠加的图形。
