1 plot介绍

使用DataFrame的plot方法绘制图像会按照数据的每一列绘制一条曲线，默认按照列columns的名称在适当的位置展示图例，比matplotlib绘制节省时间，且DataFrame格式的数据更规范，方便向量化及计算。

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, position=0.5, table=False, yerr=None, xerr=None, stacked=True/False, sort_columns=False, secondary_y=False, mark_right=True, **kwds)

2 主要参数

kind	绘图类型	‘line’	折线图
		‘bar’	条形图。 stacked为True时为堆叠的柱状图
		‘barh’	横向条形图
		‘hist’	直方图（数值频率分布）
		‘box’	箱型图
		‘kde’	Kernel Density Estimation plot 密度图，主要对柱状图添加Kernel 概率密度线
		‘area’	与x轴所围区域图（面积图）。 Stacked=True时，每列必须全部为正或负值， stacked=False时，对数据没有要求
		‘pie’	饼图。数值必须为正值，需指定Y轴或者subplots=True
		‘scatter’	散点图。需指定X轴Y轴
		‘hexbin’	蜂巢图。需指定X轴Y轴
subplots	boolean default False 是否对列分别作子图
grid	图片是否有网格
legend	子图的图例 (默认为True)
logx	设置x轴刻度是否取对数
logy	设置y轴刻度是否取对数
loglog	同时设置x，y轴刻度是否取对数
xlim&ylim	设置坐标轴的范围。数值（最小值）或元组（区间范围）
fontsize	设置轴刻度的字体大小
colormap	设置图的区域颜色
colorbar	柱子颜色
secondary_y	boolean or sequence, default False 设置第二个y轴（右辅助y轴）

2.1 其他需要注意的地方

2.1.1 设置X、Y轴名称

ax.set_ylabel('yyy')

ax.set_xlabel('xxx')

2.1.2 plt.legend(loc='best')

loc:图列位置

2.1.3每种绘图类型都有相对应的方法。

比如， df.plot(kind='line')与df.plot.line()等价

2.1.4 画图步骤

1）首先定义画图的画布：fig = plt.figure( )

2）然后定义子图ax ，使用 ax= fig.add_subplot( 行，列，位置标)

3）用 ax.plot( )函数或者 df.plot(ax = ax)

4）结尾加plt.show()

3 画图举例

3.0 直接做图

每一列一条线

    import numpy as npimport pandas as pdimport matplotlib.pyplot as pltts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
#     ts = ts.cumsum()df =pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD')) df = df.cumsum()df.plot()#每一列一条线

3.1 主副轴

    import numpy as npimport pandas as pdimport matplotlib.pyplot as pltts = 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()#A图用左Y轴标注，B图用右Y轴标注，二者共用一个X轴df.A.plot()#对A列作图，同理可对行做图df.B.plot(secondary_y=True, style='g')#设置第二个y轴（右y轴）

3.1.1 主副轴分别设置标签位置

    import numpy as npimport pandas as pdimport matplotlib.pyplot as pltts = 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()ax = df.plot(secondary_y=['A', 'B'])
# 定义column A B使用右Y轴。ax.set_ylabel('CD scale')ax.right_ax.set_ylabel('AB scale')ax.legend(loc='upper left') #设置图例的位置ax.right_ax.legend(loc='upper right')
#分别设置主副轴的位置和标题plt.show()

pandas 知识点补充：绘图plot相关推荐

Pandas知识点超全总结
Pandas知识点超全总结一.数据结构 1.Series 1.创建 2.切片.修改 3.其他属性 2.DataFrame 1.创建 2.切片 3.增加.修改 4.删除 5.查看二.读写数据 1.读 ...
Pandas知识点-添加操作append
Pandas知识点-添加操作append 在Pandas中,append()方法用于将一个或多个DataFrame或Series添加到DataFrame中.append()方法也可以用于合并操作,本文 ...
pandas中的绘图函数（什么是kde）
不难看出,matplotlib实际上是一种比较低级的工具.要组装一张图表,我们得用它的各种基础组件才行:数据展示(即图表类型:线型图.柱状图.盒形图.散布图.等值线图等).图例.标题.刻度标签以及其他 ...
python日记Day18——Pandas之Excel绘图
python日记--Pandas之Excel绘图利用pandas和pyplot进行数据可视化,绘图过程中使用到的excel文件如下:excel文件,提取码:falj 柱图的绘制 1.柱状图: imp ...
R语言可视化R原生plot函数与ggplot可视化结果组合、整合输出实战：原生R绘图plot函数可视化、ggplot2包可视化、R原生plot函数与ggplot可视化结果组合
R语言可视化R原生plot函数与ggplot可视化结果组合.整合输出实战:原生R绘图plot函数可视化.ggplot2包可视化.R原生plot函数与ggplot可视化结果组合目录
计算机网络知识点补充
计算机网络知识点补充目录: 1. HTTP和HTTPS的区别 http协议是运行在tcp之上,明文传输,客户端和服务器端都无法验证对方的身份:https是运行在ssl(Secure Socket L ...
pandas内置绘图_使用Pandas内置功能探索数据集
pandas内置绘图 Each and every data scientist is using the very famous libraries for data manipulation th ...
Pandas知识点-合并操作combine
Pandas知识点-合并操作combine combine是联合的意思,在Pandas中,combine()方法也是一种实现合并的方法,本文介绍combine()方法的用法. 一.combine_fi ...
Pandas知识点-合并操作join
Pandas知识点-合并操作join 在Pandas中,join()方法也可以用于实现合并操作,本文介绍join()方法的具体用法. 一.基础合并操作 join(other): 将一个或多个DataF ...

pandas 知识点补充：绘图plot

1 plot介绍

2 主要参数

kind

subplots

grid

legend

logx

logy

loglog

xlim&ylim

fontsize

colormap

colorbar

secondary_y