Python数据分析系列（八）：python可视化模块—利用pandas绘制图表

---

前言

Pandas的绘图函数基于Matplotlib。Pandas数据提供了方便的绘图函数，可以直接调用绘图。不仅包括常用的点、线、柱形图、饼图，还包括直方图、核密度曲线图等统计图形。

---

一、Pandas绘图基本方法

方法一：利用plot模块

通过数据（Series或DataFrame）的plot属性调用绘图函数。

import pandas as pd
import matplotlib.pyplot as plt

d=pd.DataFrame({
   "x":np.arange(10)})
d['y']=d['x']**2

d.plot.line(x='x',y='y')

plt.show()

绘图函数	描述
df.plot.scatter(x=‘col1’,y=‘col2’)	散点图。（Series数据类型不支持）
d.plot.line(x=‘col1’,y=‘col2’)	折线图。
d.plot.area(x=‘col1’,y=‘col2’)	颜色填充的折线图。
d.plot.bar(x=‘col1’,y=‘col2’)	柱状图。
d.plot.barh(x=‘col1’,y=‘col2’)	水平柱状图。
d.plot.pie(y=‘col2’)	饼状图，只需要指定y值。
d.plot.hist()	直方图，用柱形图显示数据分布密度。
d.plot.dendity()	核密度分布图，用指定的核密度函数（数据假定或已知的分布函数）拟合直方图。
d.plot.box()	箱型图，用一个箱型图显示一列数据的最小值，25%分位值，中位数，75%分位值，最大值。
d.hexbin()	在x,y坐标处绘制平面六边形，用六边形颜色表示x,y坐标出现的次数。

方法二：利用plot函数

直接调用plot函数。

# 导入库
import pandas as pd
import matplotlib.pyplot as plt

# 初始化数据
d=pd.DataFrame({
   'x':np.arange(10)})
d['y']=d['x']**2

# 绘图
d.plot(x='x', y='y', kind="line")      #调用plot函数绘图，指定图形类别为折线图

# 显示
plt.show()

函数	描述
df.plot(x=‘col1’,y=‘col2’,kind=‘scatter’)	散点图。
d.plot(x=‘col1’,y=‘col2’,kind=‘line’)	折线图。
d.plot(x=‘col1’,y=‘col2’,kind=‘area’)	颜色填充的折线图。
d.plot(x=‘col1’,y=‘col2’,kind=‘bar’)	垂直柱状图。
d.plot(x=‘col1’,y=‘col2’,kind=‘barh’)	水平柱状图。
d.plot(y=‘col2’,kind=‘pie’)	饼状图，只需要指定y值。
d.plot(kind=‘hist’)	直方图，用柱形图显示数据分布密度。
d.plot(kind=‘dendity’)	核密度分布图，用指定的核密度函数（数据假定或已知的分布函数）拟合直方图。
d.plot(kind=‘box’)	箱型图，用一个箱型图显示一列数据的最小值，25%分位值，中位数，75%分位值，最大值。
d.plot(kind=‘hexbin’)	在x,y坐标处绘制平面六边形，用六边形颜色表示x,y坐标出现的次数。

控制参数说明

• 图形

参数	说明
ax	要在其上进行绘制的matplotlib subplot对象，如果没有设置，则使用当前matplotlib subplot
label	用于图例的标签

• 样式

参数	说明
style	将要传给matplotlib的风格字符串（如‘ko–'）
alpha	图表的填充不透明度（0到1之间）
kind	可以是’line’,‘bar’,‘barh’,‘kde’

• 坐标轴设置

参数	说明
logx	True/False，是否在X轴上使用对数标尺
logy	True/False，是否在Y轴上使用对数标尺
use_index	将对象的索引用作刻度标签
rot	旋转刻度标签（0到360）
xticks	用作X轴刻度的值
yticks	用作Y轴刻度的值
xlim	X轴的界限（例如[0,10]）
ylim	Y轴的界限（例如[0,10]）
grid	显示轴网格线（默认打开）

• 专用于dataframe的plot参数说明

参数	说明
subplots	将各个DataFrame列绘制到单独的subplot中。
sharex	如果subplots=True，则共用同一个x轴，包括刻度和界限。
sharey	如果subplots=True, 则共用同一个y轴，包括刻度和界限。
figsize	表示图像大小的元组。
title	表示图像标题的字符串。
legend	添加一个subplot图例（默认为True）。
sort_columns	以字母表顺序绘制各列，默认使用当前列顺序。

注意： plot函数与plot模块等效，除了通过kind参数指定绘图方法。其他参数完全相同。

二、Pandas绘制图形

series数据调用绘图函数时，不用指定x,y数据，默认把series数据作为y坐标数据，用自然数[0,1,2,…]作为x坐标数据。

1.散点图

• dataframe数据

import numpy as np
import pandas as pd

x=np.arange(5)
y=np.random.randint(10,size=5)
df=pd.DataFrame({
   'x':x,'y':y})

# plot模块
df.plot.scatter(x='x',y='y')

# plot函数
df.plot(x='x',y='y',kind='scatter')

• 注意：

Series不支持scatter函数，且x,y坐标长度必须相同。

• df.plot.scatter(x=['col1','col2'],y=['col3','col4'])
  • (col1,col3)和(col2,col4)分别作为x,y坐标绘制散点图。
  • x,y必须都是列表，且列表长度必须相同。

scatter绘制多列数据与其他函数都不同。与线条等图形相比，不同的数据列表示不同的线条，但是散点图没有这个概念，所有的散点都是同一个序列的。所以，同一个图形中可以绘制多条曲线，但是在散点图中不论多少个数据列，都合并为一个散点序列。

• scatter函数支持所有数据参数调用方式：

import pandas as pd
df=pd.DataFrame({
   'col1':[1,2,3,4],'col2':[2,3,2,4],'col3':[3,1,2,1.5],'col4':[3,4,5,8]},index=['a','b','c','d'])