1 說(shuō)明：
=====
1.1 Pandas
1.1.1 已經(jīng)成為最受歡迎的數(shù)據(jù)科學(xué)庫(kù)之一。
1.1.2 它易于使用，文檔非常棒，而且功能強(qiáng)大。
1.1.3 是python的一個(gè)利器，一個(gè)非常強(qiáng)大的數(shù)據(jù)分析工具包。
1.1.4 pandas也集成了數(shù)據(jù)可視化的功能，其數(shù)據(jù)可視化已經(jīng)可以滿(mǎn)足我們大部分的要求了，也就省下了我們很多自己使用 如 matplotlib 來(lái)數(shù)據(jù)可視化的工作。
======
1.2 我最近一直介紹各種各樣的python的數(shù)據(jù)可視化作圖，有靜態(tài)的，也有動(dòng)態(tài)交互式的，有個(gè)條友說(shuō)他曾經(jīng)折騰來(lái)折騰去還是回到matplotlib，我的介紹技術(shù)文章，盡量通俗易懂，我的代碼拿來(lái)就可以使用，省去大家很多時(shí)間。
1.3 今天，就來(lái)介紹一個(gè)更簡(jiǎn)單的python的數(shù)據(jù)可視化靜態(tài)作圖，就是pandas的內(nèi)置plot法（其實(shí)就是內(nèi)置了matplotlib）。
1.4 順帶復(fù)習(xí)python和pandas等的基礎(chǔ)知識(shí)，代碼注釋里有詳細(xì)講解，注意這是講解學(xué)習(xí)版。
python數(shù)據(jù)可視化：由繁入簡(jiǎn)
2 準(zhǔn)備：
=====
2.1 官網(wǎng)：
https://pandas.pydata.org/https://www.yiibai.com/pandas/python_pandas_visualization.html2.2 安裝：
pip install pandas#推薦國(guó)內(nèi)源安裝，本機(jī)如下sudo pip3.8 install -i https://mirrors.aliyun.com/pypi/simple pandas2.3 查看版本：
import pandaspandas.__version__
2.4 環(huán)境：
華為筆記本電腦、深度deepin-linux操作系統(tǒng)、python3.8和微軟vscode編輯器。
2.5 資料來(lái)源：
2.5.1 代碼：
import pandas as pdhelp(pd.DataFrame.plot)2.5.2 圖：
2.5.3 對(duì)英文的文檔進(jìn)行代碼提煉、修改、注釋?zhuān)阌诖蠹夷脕?lái)就能使用。
3 pandas內(nèi)置plot作圖：
================
3.1 通常使用 pandas 進(jìn)行下列的圖形的快速繪圖：
=======================
'line’
'bar’ or 'barh’ for bar plots
'hist’ for histogram
'box’ for boxplot
'area’ for area plots
'scatter’ for scatter plots
'pie’ for pie plots
=====================
3.2 line折線圖：
3.2.1 代碼：
#導(dǎo)出模塊import pandas as pd#數(shù)據(jù)源，2組數(shù)據(jù)d = {'col1': [2,1,3,5,3], 'col2': [3,4,1,5,2] }#df = pd.DataFrame(data=d) #默認(rèn)x軸坐標(biāo)軸的標(biāo)簽#指定x坐標(biāo)軸的標(biāo)簽：index定義df = pd.DataFrame(data=d,index=['a', 'b', 'c', 'd','e']) #只顯示col1的這條折線line#df = pd.DataFrame(data=d,index=['a', 'b', 'c', 'd','e'],columns=['col1'])#df.plot() #默認(rèn)是plot.linedf.plot.line() #下面這么放，是區(qū)別平時(shí)我們看到以matplotlib作圖為主的代碼不同#雖然pandas的內(nèi)置plot是matplotlib，但是仍需要下面2種方法使其圖片顯示出來(lái)#方法一#import matplotlib.pyplot as plt#plt.show()#方法二import matplotlib.pylab as plpl.show()3.2.2 圖：
3.3 bar柱狀圖：垂直柱狀圖
3.3.1 代碼：
#導(dǎo)出模塊import pandas as pd#數(shù)據(jù)源，2組數(shù)據(jù)d = {'col1': [2,1,3,5,3], 'col2': [3,4,1,5,2] }#指定x坐標(biāo)軸的標(biāo)簽：index定義df = pd.DataFrame(data=d,index=['dog', 'pig', 'cow', 'sheep','horse'],) #默認(rèn)顯示2組#df = pd.DataFrame(data=d,columns=['col1', 'col2']) #df = pd.DataFrame(data=d,) #等同上面#subplots=True，分子圖顯示，2組就分2個(gè)子圖#df.plot.bar(subplots=True) #比matplotlib超級(jí)簡(jiǎn)單df.plot.bar() #默認(rèn)是一張圖顯示2組#在這樣放一次import matplotlib.pyplot as pltplt.show()3.3.2 圖：
bar==默認(rèn)是vertical bar plot==垂直柱狀圖
3.4 barh水平柱狀圖：
3.4.1 代碼：
#導(dǎo)出模塊import pandas as pdimport matplotlib.pyplot as plt'''#數(shù)據(jù)源:方法一d = {'a': [2,1,3,5,3], 'b': [3,4,1,5,2], 'c': [1,2,4,2,2] }#指定x坐標(biāo)軸的標(biāo)簽：index定義df = pd.DataFrame(data=d,index=['dog', 'pig', 'cow', 'sheep','horse']) '''#方法二：df = pd.DataFrame( {'a': [2,1,3,5,3], 'b': [3,4,1,5,2], 'c': [1,2,4,2,2], }, index=['dog', 'pig', 'cow', 'sheep','horse'])#啟動(dòng)pandas的df的plot的barh圖df.plot.barh() #barh==horizontal bar plot==水平柱狀圖#圖片展示plt.show()3.4.2 圖：
3.5 box箱式圖：
3.5.1 代碼：
#導(dǎo)出模塊import pandas as pdimport matplotlib.pyplot as plt#方法一d= {'a': [2,1,3,5,3,3,4,1,5,2], 'b': [3,4,1,5,2,1,2,4,2,2], 'c': [1,2,4,2,2,3,1,5,3,4], 'd': [3,1,5,3,4,2,1,3,5,3],}df=pd.DataFrame(data=d,)'''#建議數(shù)據(jù)大于4組10列df = pd.DataFrame( {'a': [2,1,3,5,3,3,4,1,5,2], 'b': [3,4,1,5,2,1,2,4,2,2], 'c': [1,2,4,2,2,3,1,5,3,4], 'd': [3,1,5,3,4,2,1,3,5,3], #},columns=list('abcd')) #注意已經(jīng)有abcd了，所以columns=list('abcd')不需要 }) #等同于上面'''#ax = df.plot.box()df.plot.box() #等于上面，box=箱式圖#圖片展示plt.show()3.5.2 圖：
3.6 stackedbar垂直堆砌柱狀圖：
3.6.1 代碼：
#導(dǎo)出模塊import pandas as pdimport matplotlib.pyplot as plt#數(shù)據(jù)d= {'a': [2,1,3,5,3,3,4,1,5,2], 'b': [3,4,1,5,2,1,2,4,2,2], 'c': [1,2,4,2,2,3,1,5,3,4], 'd': [3,1,5,3,4,2,1,3,5,3],}#注意：index是x坐標(biāo)軸的標(biāo)簽，注意list('ABCDEFGHIJ')=['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J']'''#插入知識(shí)點(diǎn)：復(fù)習(xí)一下aaa=list('ABCDEFGHIJ')df=pd.DataFrame(data=d,index=aaa)#print(aaa)#['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J']'''df=pd.DataFrame(data=d,index=list('ABCDEFGHIJ')) #等同于上面#注意bar是柱狀圖，括號(hào)里定義stacked=True就是垂直堆砌柱狀圖#默認(rèn)stacked=False，不是堆砌柱狀圖,圖標(biāo)的標(biāo)題名df.plot.bar(stacked=True,title='pd_plot_stacked_bar') #圖片展示plt.show()3.6.2 圖：
===高級(jí)一點(diǎn)===
4 area面積圖：
==========
4.1 代碼：
#導(dǎo)出模塊import pandas as pdimport matplotlib.pyplot as plt#數(shù)據(jù)df = pd.DataFrame({ 'sales': [3, 2, 3, 9, 10, 6], 'signups': [5, 5, 6, 12, 14, 13], 'visits': [20, 42, 28, 62, 81, 50], }, #index=pd.date_range(start='2018/01/01', end='2018/07/01',freq='M',) ,#這樣報(bào)錯(cuò)，報(bào)中文設(shè)置錯(cuò)誤#index=pd.date_range(start='1M', end='7M',freq='M',) ,#這樣報(bào)錯(cuò)index=['1M','2M','3M','4M','5M','6M'], #本機(jī)這樣沒(méi)有報(bào)錯(cuò)#index=['1月','2M','3M','4M','5M','6M'], #本機(jī)這樣沒(méi)有報(bào)錯(cuò))#ax = df.plot.area()#df.plot.area()df.plot.area(stacked=True,) #默認(rèn)是True#df.plot.area(stacked=False) #如果數(shù)據(jù)差別比較大，建議不要堆砌plt.show()4.2 圖：
4.3 解決中文辦法，代碼，推薦這種辦法，自己解決中文字體問(wèn)題：
#導(dǎo)出模塊import pandas as pdimport matplotlib.pyplot as plt#導(dǎo)出通用字體設(shè)置from matplotlib import font_manager #定義引出字體模塊、位置、大小,字體在根目錄下，華文仿宋.ttf自己下載的中文字體my_font = font_manager.FontProperties(fname='hwfs.ttf',size=10)#定義x坐標(biāo)軸的文字列表，python3中不要求加u，加u也沒(méi)事xtick_labels=[u'1月','2月','3月','4月','5月','6月']df = pd.DataFrame({ 'sales': [3, 2, 3, 9, 10, 6], 'signups': [5, 5, 6, 12, 14, 13], 'visits': [20, 42, 28, 62, 81, 50], }, #index=pd.date_range(start='2018/01/01', end='2018/07/01',freq='M',) ,#這樣報(bào)錯(cuò)，報(bào)中文設(shè)置錯(cuò)誤index=xtick_labels,)df.plot.area()#默認(rèn)的x坐標(biāo)刻度位置列表x=[1,2,3,4,5,6]plt.xticks(x,xtick_labels,fontproperties=my_font)plt.show()4.4 圖：解決中文字體，則需要調(diào)用matplotlib的作圖法，調(diào)動(dòng)函數(shù)
4.5 官方代碼、效果圖和問(wèn)題分析：
#index=pd.date_range(start='2018/01/01', end='2018/07/01',freq='M',)#print(index)'''DatetimeIndex(['2018-01-31', '2018-02-28', '2018-03-31', '2018-04-30', '2018-05-31', '2018-06-30'], dtype='datetime64[ns]', freq='M')'''#報(bào)錯(cuò)原因，我暫時(shí)無(wú)法解決'''/usr/local/python3.8/lib/python3.8/site-packages/matplotlib/backends/backend_agg.py:214: RuntimeWarning: Glyph 26376 missing from current font. font.set_text(s, 0.0, flags=flags)/usr/local/python3.8/lib/python3.8/site-packages/matplotlib/backends/backend_agg.py:183: RuntimeWarning: Glyph 26376 missing from current font. font.set_text(s, 0, flags=flags)'''5 餅狀圖pie：
========
5.1 代碼：
#導(dǎo)出模塊import pandas as pdimport matplotlib.pyplot as pltdf = pd.DataFrame( {'mass': [0.330, 4.87 , 5.97], 'radius': [2439.7, 6051.8, 6378.1] }, index=['Mercury', 'Venus', 'Earth'] )#y='mass',相當(dāng)于餅圖的標(biāo)題名，位于y軸#plot = df.plot.pie(y='mass', figsize=(5, 5))#df.plot.pie(y='mass', figsize=(5, 5)) #只顯示mass的餅狀圖df.plot.pie(subplots=True, figsize=(5, 5)) #顯示mass和radius的兩個(gè)子圖的餅狀圖#subplots=True，默認(rèn)是Falseplt.show()5.2 圖：
6 散點(diǎn)圖Scatter：
============
6.1 代碼：
#導(dǎo)出模塊import pandas as pdimport matplotlib.pyplot as pltdf = pd.DataFrame( [[5.1, 3.5, 0], [4.9, 3.0, 0], [7.0, 3.2, 1],[6.4, 3.2, 1], [5.9, 3.0, 2]], columns=['length', 'width', 'species'] )#經(jīng)典Scatter散點(diǎn)圖#只能顯示2組數(shù)據(jù)，將x和y軸的2組5份數(shù)據(jù)進(jìn)行類(lèi)似x和y的作圖ax1 = df.plot.scatter(x='length',y='width',c='red') '''#高級(jí)散點(diǎn)圖，省略，僅僅給代碼ax2 = df.plot.scatter(x='length', y='width', c='species', colormap='viridis')'''plt.show()6.2 圖：
7 小結(jié)：
靜態(tài)圖其實(shí)也很重要，在平時(shí)的絕大多數(shù)人的多數(shù)工作中，基本上都是用到靜態(tài)圖，適合學(xué)生、老師、工作人員，所以今天重點(diǎn)將pandas的基本繪圖法，超級(jí)簡(jiǎn)單，比matplotlib還簡(jiǎn)單。
其實(shí)就是pandas內(nèi)置matplotlib，調(diào)出作圖。
===自己整理并分享出來(lái)===
喜歡的就點(diǎn)贊、評(píng)論、關(guān)注、轉(zhuǎn)發(fā)和收藏。
聯(lián)系客服
