众所周知，Pandas是基于Python平台的大数据分析与处理的利器。在数据为王的时代，想要掌握数据分析能力，学会Pandas数据可视化工具是十分重要的。本文将带领大家一步一步学习Pandas数据可视化基础绘图，内容比较基础，相信有一定Python基础的小伙伴看完可以很快上手，现在就让我们一起来看看教程吧！

1、环境

IDE : jupyter notebook

Anaconda 3.X

2、基于matplotlib

import matplotlib.pyplot as plt

注：导入matplotlib.pyplot

import matplotlib

matplotlib.style.use('ggplot')

%matplotlib inline

注：使用ggplot样式，并且将图画在jupyter notebook中

import pandas as pd

import numpy as np

ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))

ts.plot()

注：使用pandas创建一个Series(序列)，序列值是随机生成的1000个标准正态分布值，索引是从2000-1-1开始的1000个时间序列值。

然后使用plot默认画图。可以看出，下图非常不规则，因为相邻的两个值也是随机大小。

import pandas as pd

import numpy as np

ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))

ts = ts.cumsum()

ts.plot()

注：这里加上了ts = ts.cumsum()，意思是返回累积值，在时间序列分析中，经常观察累积值曲线观察走势

这个累积值就看起来规则多了。

df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))

df = df.cumsum()

plt.figure()

df.plot()

注：这里使用pandas创建了一个DataFrame(数据框，有点像excel表格那种)，为什么不用刚才的Series呢？因为这里DataFrame中创建了4组数据，这4组数据都是随机生成的1000个标准正态分布值，索引是从2000-1-1开始的1000个时间序列值，并且也是求他们各自的累积值并且画图。

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')

注：使用DataFrame创建了2组数据，也是1000个标准正态分布，分别命名为B、C(就行excel中列名)。并且求累积值，再在原来的df(DataFrame的简称)(这里名字是df3)上加上一列名为A，A的值是0-999(使用df3的长度为1000，然后range被套列表生成一列数，作为x轴)，y轴是B列数据(累积值)，c列数据最后绘图没有用上。

最后Pandas基础绘图plot就完成了！

以上Pandas数据可视化基础绘图教程，大家都看懂了吗？没看明白也没关系，博学谷官网有视频课程《数据分析进阶必备技能：Pandas》。该教程采用实操案例的教学方式，使大家能够快速掌握数据获取、数据清洗与整理、数据可视化等等技能。想要了解教程的更多内容，可以进入课程链接：https://www.boxuegu.com/promote/detail-1480.html