【Pandas】可视化plot（）参数kind

       Visualization | Pandas (pypandas.cn)

Pandas是一个强大的数据分析库，它内置了基于matplotlib的数据可视化功能，使得直接在DataFrame和Series上进行绘图变得非常方便。在pandas中，.plot()方法允许用户通过kind参数灵活地选择多种图表类型。

导库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

基本绘图-画线图（Basic plotting）： plot

基础时间序列折线图

ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
ts = ts.cumsum()
ts.plot()
plt.show()

多列

ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))
df = df.cumsum()
df.plot()
plt.show()

自定义x-y轴绘图

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')
plt.show()

其它图类型（Other plots）

• 条形图：使用kind='bar'或kind='barh'创建水平或垂直条形图。
• 直方图：使用kind='hist'绘制数据分布的直方图。
• 箱型图：使用kind='box'可视化数据分布和异常值。
• 密度图：使用kind='kde'或kind='density'绘制。
• 面积图：使用kind='area'绘制，类似于折线图，但区域会被填充。
• 散点图：使用kind='scatter'展示两个变量之间的关系。
• 六边形分布图：使用kind='hexbin'绘制。
• 饼图：使用kind='pie'展示各部分占总体的比例。

当然了，您也可以使用DataFrame.plot.方法创建这些其他绘图。而不是提供kind关键字参数。这样可以更容易地发现绘图方法及其使用的特定参数：

df.plot.area     df.plot.barh     df.plot.density  df.plot.hist     
df.plot.line     df.plot.scatter  df.plot.bar      df.plot.box      
df.plot.hexbin   df.plot.kde      df.plot.pie

除了这些类型之外，还有使用单独接口的DataFrame.hist()直方图和DataFrame.boxplot()箱线图方法。

最后再扩展一下，pandas.plotting中有几个以Series或DataFrame为参数的绘图函数。其中包括：

• 散点矩阵图Scatter Matrix：使用scatter_matrix方法创建。
• Andrews曲线Andrews Curves：使用andrews_curves方法展示多变量数据。
• 平行坐标图Parallel Coordinates：使用parallel_coordinates方法展示。
• 滞后图Lag Plot：使用lag_plot方法检查数据集是否随机。
• 自相关图Autocorrelation Plot：使用autocorrelation_plot检查时间序列的随机性。
• Bootstrap图：使用bootstrap_plot评估统计量的不确定性。
• RadViz图：使用radviz方法可视化多变量数据。

绘图也可以用错误条errorbars或表格tables进行装饰。在创建图表（如线图、柱状图、散点图等）时，除了基本的图表元素（如线条、点、柱子等）外，还可以添加额外的元素来增强图表的信息量和可读性。这里提到的“错误条”和“表格”是两种常见的装饰元素。

bar plots条形图

df.iloc[5].plot.bar()  # 绘制第5行的条形图
# plt.axhline(0, color='k')  # 绘制水平参考线
plt.show()

---

调用DataFrame的plot.bar()方法会生成一个多条形图：

df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df2.plot.bar()
plt.show()

---

想要生成堆叠条形图，可以传参：stacked=True

df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df2.plot.bar(stacked=True)
plt.show()

---

想要获得水平条形图，就改用barh()方法：

df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c'