深入理解dataframe.plot

一、简介

Python的pandas库提供了一个灵活、方便的绘图工具——dataframe.plot，它是基于matplotlib库的二次封装，可以快速绘制数据表中各列之间的关系图表。dataframe.plot支持许多种不同的绘图类型，包括线形图、柱状图、散点图等，同时也支持一些基本的可视化图表调整，例如图例的添加、数据标签、轴标签等等。

二、基本图表类型

dataframe.plot支持的基本图表类型非常多，包括折线图、柱状图、散点图、面积图、饼图、盒图等等。下面以折线图、柱状图和散点图三种类型为例，来详细介绍如何使用dataframe.plot。

1. 折线图

折线图是一种用于展示随时间、类别等变化而变化的数据趋势的图表类型。dataframe.plot的line方法可以用于生成折线图。下面的例子展示了如何使用line方法绘制一条简单的折线图：

import pandas as pd
import matplotlib.pyplot as plt

data = {'x': [1, 2, 3, 4, 5],
        'y': [2, 3, 5, 4, 6]}
df = pd.DataFrame(data)

df.plot.line(x='x', y='y')
plt.show()

运行上述代码后，将会绘制一条简单的折线图，横坐标为x，纵坐标为y。

2. 柱状图

柱状图是一种用于展示分类数据分布的图表类型。dataframe.plot的bar方法可以用于生成柱状图。下面的例子展示了如何使用bar方法绘制一张简单的柱状图：

import pandas as pd
import matplotlib.pyplot as plt

data = {'x': ['A', 'B', 'C', 'D', 'E'],
        'y': [2, 3, 5, 4, 6]}
df = pd.DataFrame(data)

df.plot.bar(x='x', y='y')
plt.show()

运行上述代码后，将会绘制一张简单的柱状图，横坐标为x，纵坐标为y。

3. 散点图

散点图是一种用于展示二维数据分布形态的图表类型。dataframe.plot的scatter方法可以用于生成散点图。下面的例子展示了如何使用scatter方法绘制一张简单的散点图：

import pandas as pd
import matplotlib.pyplot as plt

data = {'x': [1, 2, 3, 4, 5],
        'y': [2, 3, 5, 4, 6]}
df = pd.DataFrame(data)

df.plot.scatter(x='x', y='y')
plt.show()

运行上述代码后，将会绘制一张简单的散点图，横坐标为x，纵坐标为y。

三、数据可视化的调整

dataframe.plot除了支持基本的图表类型外，还提供了一系列的可视化调整选项，以便帮助用户更好地展示数据。下面从图例、数据标签和坐标轴缩放三个方面介绍dataframe.plot的一些常用的数据可视化调整选项。

1. 图例

图例是用于解释图表中各种信息的重要组成部分。dataframe.plot的legend参数可以用于控制图例的显示。下面的例子展示了如何添加图例：

import pandas as pd
import matplotlib.pyplot as plt

data = {'x': [1, 2, 3, 4, 5],
        'y1': [2, 3, 5, 4, 6],
        'y2': [3, 4, 6, 5, 7]}
df = pd.DataFrame(data)

df.plot.line(x='x', y=['y1', 'y2'], legend=True)
plt.show()

运行上述代码后，将会绘制一张包含两条折线的折线图，并且会在图表中添加图例，图例包含y1和y2两个信息。

2. 数据标签

数据标签是用于标注图表中各点数据值的信息。dataframe.plot的text方法可以用于添加数据标签。下面的例子展示了如何添加数据标签：

import pandas as pd
import matplotlib.pyplot as plt

data = {'x': [1, 2, 3, 4, 5],
        'y': [2, 3, 5, 4, 6]}
df = pd.DataFrame(data)

ax = df.plot.line(x='x', y='y')
for i, j in zip(df['x'], df['y']):
    ax.text(i, j, j)
plt.show()

运行上述代码后，将会绘制一张包含数据标签的折线图。

3. 坐标轴缩放

坐标轴缩放是用于控制图表中各坐标轴显示范围的重要调整工具。dataframe.plot的xlim和ylim参数可以用于设置横坐标和纵坐标的显示范围。下面的例子展示了如何控制坐标轴缩放：

import pandas as pd
import matplotlib.pyplot as plt

data = {'x': [1, 2, 3, 4, 5],
        'y': [2, 3, 5, 4, 6]}
df = pd.DataFrame(data)

df.plot.line(x='x', y='y', xlim=(2, 5), ylim=(3, 6))
plt.show()

运行上述代码后，将会绘制一张横坐标范围为2到5，纵坐标范围为3到6的折线图。

原创文章，作者：VEOAJ，如若转载，请注明出处：https://www.506064.com/n/361589.html