Python数据攻略-数据分析常用的Pandas进行数据可视化方法

曾经有人问，如何让数据说话？答案可能就藏在一张张图表中。在数据分析的世界里，Pandas不仅是一个强大的数据处理工具，还能通过绘图功能直观地展现数据的故事。就像一个烹饪高手不仅要掌握食材的处理技巧，还需懂得如何摆盘，Pandas的绘图功能就是数据分析师的“摆盘术”。

本文将通过Pandas内部绘图工具的探索，展示如何将枯燥的数字转化为生动的图表。从基本的plot绘图到复杂的双Y轴图形，从常见的条形图、直方图、箱线图到更具创意的蜂巢图和饼图，每一种图表都有其独特的语言。同时，探讨如何在图表中加入标签控制，处理缺失值，以及运用这些图表于实际场景，比如分布分析、异常值检测、相关性检查、分类分组等。正如美食的世界丰富多彩，Pandas绘图的世界也是色彩斑斓，充满无限可能。

Pandas内部绘图

Pandas内部绘图使用的是Matplotlib的API。在进行Pandas内部绘图之前需要导入必要的库并设置绘图样式。

import numpy as np
import pandas as pd
import matplotlib

import matplotlib.pyplot as plt
print(matplotlib.style.available)
# 输出可用的绘图样式
# 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']

matplotlib.style.use('seaborn')
plt