pandas中Series和Dataframe的画图方法

前言

在pandas中，无论是series还是dataframe都内置了.plot()方法，可以结合plt.show()进行很方便的画图。

Series.plot() 和 Dataframe.plot()参数

data : Series kind : str ‘line’ : line plot (default) ‘bar’ : vertical bar plot ‘barh’ : horizontal bar plot ‘hist’ : histogram ‘box’ : boxplot ‘kde’ : Kernel Density Estimation plot ‘density’ : same as ‘kde’ ‘area’ : area plot ‘pie’ : pie plot 指定画图的类型，是线形图还是柱状图等 label 添加标签 title 添加标题 ……（后接一大堆可选参数） 详情请查阅：官方文档传送门

Dataframe.plot()参数 也是大同小异： 详情请查阅：官方文档传送门

Series.plot()代码demo

import matplotlib.pyplot as plt import pandas as pd import numpy as np from pandas import Series # 创建一个随机种子， 把生成的值固定下来 np.random.seed(666) s1 = Series(np.random.randn(1000)).cumsum() s2 = Series(np.random.randn(1000)).cumsum() # series 中 也包含了 plot 方法 s1.plot(kind = 'line', grid = True, label = 'S1', title = 'xxx') s2.plot(label = 's2') plt.legend() plt.show() # 图1 # 通过 子图的 方式，可视化 series figure, ax = plt.subplots(2, 1) ax[0].plot(s1) ax[1].plot(s2) plt.legend() plt.show() # 图2 # 通过 series中的plot方法进行指定是哪一个子图 fig, ax = plt.subplots(2, 1) s1.plot(ax = ax[1], label = 's1') s2.plot(ax = ax[0], label = 's2') plt.legend() plt.show() # 图3

图1： 图2： 图3：

Dataframe.plot()代码demo

import numpy as np import pandas as pd import matplotlib.pyplot as plt from pandas import Series, DataFrame np.random.seed(666) df = DataFrame( np.random.randint(1, 10, 40).reshape(10, 4), columns = ['A', 'B', 'C', 'D'] ) print(df) ''' A B C D 0 3 7 5 4 1 2 1 9 8 2 6 3 6 6 3 5 9 5 5 4 1 1 5 1 5 5 6 8 2 6 1 1 7 7 7 1 4 3 3 8 7 1 7 1 9 4 7 4 3 ''' # Dataframe 也有个内置方法 plot df.plot(kind = 'bar') # kind = 'bar' plt.show() # 图1 # 横向的柱状图 df.plot(kind = 'barh') # kind = 'barh' 可以是一个横向的柱状图 plt.show() # 图2 # 将每个column的柱状图堆叠起来 df.plot(kind = 'bar', stacked = True) plt.show() # 图3 # 填充的图 df.plot(kind = 'area') plt.show() # 图4 # 可以进行选择 b = df.iloc[6] # 这时候的b是一个series b.plot() # 可以看出x轴就是colume的name plt.show() # 图5 # 可以将所有的行全部画在一张图里 for i in df.index: df.iloc[i].plot(label = str(i)) plt.legend() plt.show() # 图6 # 对一列进行画图 df['A'].plot() plt.show() # 图7 # 多列画图，同上 # 注意：默认是按照column来进行画图的， # 如果需要按照 index 画图，可以将 dataframe 转置一下 df.T.plot() plt.show() # 图8

图１： 图２： 图３： 图４： 图５： 图６： 图７： 图８：