有了 Matplotlib画图，数据展示方便了很多。但是如果想更方便呢？可以使用 Pandas 的画图功能, 直接 df.plot() 即可. plot 方法其实就是 plt.plot()的包装而已.
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
%matplotlib inline
Series
如果是 Series 数据, 不用说也知道干啥吧
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
ts = ts.cumsum()
ts.plot()
<matplotlib.axes._subplots.AxesSubplot at 0x22e50edd438>
DataFrame
对于 DataFrame 数据, plot() 可以很方便地画出各个列, 而且自带标签
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))
df = df.cumsum()
df.plot()
<matplotlib.axes._subplots.AxesSubplot at 0x22e51f694a8>
如果想一列为 x, 一列为 y呢? 指定一下就好了:
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')
<matplotlib.axes._subplots.AxesSubplot at 0x22e50ed1630>
其他图形
画图方法支持的其他图形很多, 这些方法可以通过 plot(kind='some_plot_style') 来实现, 这些支持的种类有:
barorbarhfor bar plotshistfor histogramboxfor boxplotkdeordensityfor density plotsareafor area plotsscatterfor scatter plotshexbinfor hexagonal bin plotspiefor pie plots
比如, bar plot 可以:
df.iloc[5].plot(kind='bar')
<matplotlib.axes._subplots.AxesSubplot at 0x10c9e7c50>
也可以采用 DataFrame.plot.<kind> 这种形式, 这样寻找某个绘图方法就更简单了.
除了上述方法, 还有 DataFrame.hist() 和 DataFrame.boxplot(), 不过它们使用了其它接口.
df.iloc[5].plot.bar()
plt.axhline(0, color='k')
<matplotlib.lines.Line2D at 0x10d162438>
df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df2.plot.bar();
df2.plot.barh(stacked=True);
