一行代码就能让你掌握实现数据可视化图表类型转换的快速方法！

哈喽，先祝各位小伙伴端午安康！今天我要和大家聊一聊有关数据可视化的新玩法。

昨天我们已经简单介绍了使用pandas进行数据可视化的折线图，但是你知道吗？

我们其实可以通过简单的操作，将折线图变成其他形式的图表，比如直方图、柱状图等等。

想象一下，你正在努力学习数据可视化，不但要从一个折线图变成其他形式的图表，还要面对各种细节和参数调整。有时候，你会觉得自己像是在探险，探索着数据的奥秘，就像是一位数据探险家。

每次成功地改变图表类型，你都能感受到前进的喜悦，仿佛发现了一座宝藏被隐藏在数据背后。你的电脑屏幕也就成了你的宝藏地图，而键盘则是你勇往直前的剑。

不过，在这个数据大冒险的过程中，也难免会遇到一些挑战。比如，数据可能出现了意想不到的异常值，让你感觉像是进入了数据迷宫，寻找正确的路径。但你不必担心，因为你有pandas作为你的数据指南，帮助你解决问题，找到正确的方向。

最终，当你成功地将数据可视化成各种形式，并且能够清晰地传达信息时，你会感觉自己就像是一位魔术师，将枯燥的数据变成了生动的图像，让观众为之惊叹。你会因为自己的努力和创造力而引发一阵掌声，就像是在舞台上完成了一场精彩的表演！

下面，我们开始今天的表演：

首先，我们需要创建一个数据表，使用pandas的DataFrame功能：

import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

df = pd.DataFrame({'分类': [1, 2, 3], '数值': [10, 30, 20]})

现在，让我们看看如何将默认的折线图更改为其他类型的图表，比如直方图或柱状图。

1.将图表类型修改为垂直条形图：

我们可以通过调用 bar 属性将默认的折线图转换为条形图。其中，x 和 y 分别代表不同轴上的数据，rot 表示旋转角度

ax = df.plot.bar(x='分类', y='数值', rot=0)
ax.show()

 2.将图表类型修改为水平条形图：

要创建水平条形图，只需使用 barh 属性，并展示即可：

ax = df.plot.barh(x='分类', y='数值', rot=0)
plt.show()

3.将图表类型修改为直方图：

使用 hist 属性可以创建直方图，让我们来看看代码：

ax = df.plot.hist(x='分类', y='数值', rot=0)
plt.show()

4.将图表类型修改为箱线图：

想要展示一组或多组连续型定量数据的中心位置和散布范围，可以使用 box 属性创建箱线图：

ax = df.plot.box(x='分类', y='数值', rot=0)
plt.show()

5.将图表类型修改为面积图：

 
通过将相应的类型替换为 area，我们可以创建面积图：

ax = df.plot.area(x='分类', y='数值', rot=0)
plt.show()

6.将图表类型修改为饼图：

使用 pie 属性可以创建饼图，这里我们使用百分比表示数据：

ax = df.plot.pie(x='分类', y='数值', rot=0)
plt.show()

 

7.将图表类型修改为散点图：

使用 scatter 属性可以创建散点图：

# 将图表类型修改为散点图
ax = df.plot.scatter(x='分类', y='数值')
plt.show()

---

今天的分享就到这里了，喜欢的小伙伴别忘了点关注哦！

无论你是一位数据冒险家还是一位数据魔术师，相信通过学习数据可视化，你将能够以更有趣、更生动的方式呈现数据，带给大家全新的视觉体验。

愿你的数据之旅充满乐趣，也希望你探索出属于自己的数据宝藏！敬请期待下一次与你的数据探险之旅，保持好奇心，我们一起努力，继续前行！