目录
九.pandas绘图基础
Pandas的DataFrame和Series，在matplotlib基础上封装了一个简易的绘图函数, 使得我们在数据处理过程中方便可视化查看结果。
好处: 方便快捷的可视化的方式洞察数据， 覆盖常用图标类型.
不足: 不如Matplotlib灵活，仅仅看下分布情况，基本是足满足日常使用.
import matplotlib.pyplot as plt # 浏览器不显示图片 %matplotlib inline # 图片中文显示 plt.rcParams["font.sans-serif"] = "SimHei" # 图片中显示负号 plt.rcParams["axes.unicode_minus"] = False # 支持svg矢量图 %config InlineBackend.figure_format = "svg"
1-柱状图
bar()函数有一个重要的参数，stacked，默认为false，表示不堆积，设置为true则表示为堆积。
df_data = pd.DataFrame( np.random.randint(60,90,size=(4,4)), index=['淘宝','京东','拼多多','唯品会'], columns=["苹果","小米","华为","荣誉"] ) df_data.plot.bar(figsize=(20,4))
--参数stacked=True堆积
--参数figsize=(宽,高)
--调整图片大小.
--自定义横坐标
--设置字体&显示负号
2.箱型图
box() 常用于统计分数.
ddd = pd.DataFrame(np.random.randint(65,90,size=(5,4)),columns=['语文','数学','英语','历史']) ddd.plot.box()
3. 折线图
import matplotlib.pyplot as plt #设置字体,消除警告 plt.rcParams['font.sans-serif'] = ['SimHei'] #负号无法正常显示 plt.rcParams["axes.unicode_minus"] = False df_data = pd.DataFrame( np.random.randint(60,90,size=(4,4)), index=['淘宝','京东','拼多多','唯品会'], columns=["苹果","小米","华为","荣誉"] ) df_data.plot(figsize=(10,6))
