【pandas】 之画图 DataFrame.plot

____tz_zs

使用 matplotlib / pylab 制作 DataFrame 数据的图。

 

pandas.DataFrame.plot

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.plot.html

DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None, sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None, legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, xerr=None, secondary_y=False, sort_columns=False, **kwds)

参数：

ax：matplotlib轴对象，默认为None。

subplots：默认为False，如果为True则为每列数据制作单独的子图。

sharex 、sharey : 布尔值，共享x，y轴。

layout : 元组（行，列）用于子图的布局。

figsize：元组（宽度，高度），以英寸为单位。

use_index：布尔值，默认为True，使用index作为x轴的坐标。

title：字符串或列表，用于图的标题。如果传入一个字符串，则在图的顶部打印字符串。如果传入的是一个列表且子图为True，则在相应子图上方打印列表中的每个项目。

grid：布尔值，默认为None，是否显示网格线。

返回：

axes对象 或者 numpy.ndarray。

 

代码：

DataFrame.plot 和 Series.plot 的简单使用

# -*- coding: utf-8 -*-
"""
@author: tz_zs

以下代码中，使用 plt.xlabel 和 ax.set_xlabel 效果是一样的。
因为 plt.xlabel 方法在源码中，是调用 gca().set_xlabel（其他方法 plt.legend 等也是如此）。

我们画图以及设置图的属性，都是作用在 axes 对象上。
"""
import matplotlib.pyplot as plt
import pandas as pd

list_l = [[1, 3, 3, 5, 4], [11, 7, 15, 13, 9], [4, 2, 7, 9, 3], [15, 11, 12, 6, 11]]
date_range = pd.date_range(start="20180701", periods=4)
df = pd.DataFrame(list_l, index=date_range,
                  columns=['a', 'b', 'c', 'd', 'e'])

# -------------- DataFrame.plot --------------
df_ax = df.plot(figsize=(8, 4))
# print(type(df_ax))  # <class 'matplotlib.axes._subplots.AxesSubplot'>
plt.xlabel("time")
plt.ylabel("num")
plt.legend(loc="best")
plt.scatter(df.index, df["a"], c="red", marker="*")  # 这个例子中，散点图是在 plt.legend 命令之后画的，所以不会出现在图例中（对比下面的例子理解）。
plt.grid(True)

# -------------- Series.plot --------------
s = pd.Series(df["a"])
print(s)
"""
2018-07-01     1
2018-07-02    11
2018-07-03     4
2018-07-04    15
Freq: D, Name: a, dtype: int64
"""
plt.figure(figsize=(4, 2))  # 创建一个新的 figure
s_ax = s.plot()
s_ax.scatter(s.index, s, c="red", marker="o")
s_ax2 = df["b"].plot()  # 此例中我同时使用了 DataFrame.plot 和 Series.plot，他们都会返回一个 axes 对象，但他们其实是同一个对象
print(s_ax == s_ax2)  # True
s_ax.set_xlabel("time")
s_ax.set_ylabel("num")
s_ax.legend(loc='upper right')
s_ax.grid(True)
plt.show()

. 

.

.

plt.subplots 和 DataFrame.plot 组合使用 （ps：plt.subplots）

# -*- coding: utf-8 -*-
"""
@author: tz_zs
"""
import matplotlib.pyplot as plt
import pandas as pd

list_l = [[1, 4, 3, 5, 4], [11, 15, 15, 13, 9], [4, 2, 7, 9, 3], [15, 8, 12, 6, 11]]
date_range = pd.date_range(start="20180701", periods=4)
df = pd.DataFrame(list_l, index=date_range,
                  columns=['a', 'b', 'c', 'd', 'e'])

fig, (ax1, ax2, ax3, ax4) = plt.subplots(4, 1, gridspec_kw={'height_ratios': [1, 1, 1, 1]},
                                         figsize=(10, 12))
df["a"].plot(ax=ax1)
ax1.set_xlabel("time")
ax1.set_ylabel("num_a")
ax1.legend(loc="best")
ax1.grid(True)

df["b"].plot(ax=ax2)
ax2.set_xlabel("time")
ax2.set_ylabel("num_b")
ax2.legend(loc="best")
ax2.grid(True)
ax2.set_ylim(2, 10)  # 限制y轴显示的区间

df["c"].plot(ax=ax3)
ax3.set_xlabel("time")
ax3.set_ylabel("num_c")
ax3.legend(loc="best")
ax3.grid(True)
ax3.scatter(df.index, df["c"], c="red", marker="v")  # 在拐点处画标记

df["d"].plot(ax=ax4)
ax4.set_xlabel("time")
ax4.set_ylabel("num_d")
ax4.legend(loc="best")
ax4.grid(True)
ax4.scatter(df.index, df["e"], c="red", marker="^")

plt.title("title")
plt.tight_layout()  # 布局紧凑
plt.show()

.

.

end