Python的利器Pandas库超级简单的数据可视化作图，你知道吗？

　　1 说明：
　　=====
　　1.1 Pandas
　　1.1.1 已经成为最受欢迎的数据科学库之一。
　　1.1.2 它易于使用，文档非常棒，而且功能强大。
　　1.1.3 是python的一个利器，一个非常强大的数据分析工具包。
　　1.1.4 pandas也集成了数据可视化的功能，其数据可视化已经可以满足我们大部分的要求了，也就省下了我们很多自己使用 如 matplotlib 来数据可视化的工作。
　　======
　　1.2 我最近一直介绍各种各样的python的数据可视化作图，有静态的，也有动态交互式的，有个条友说他曾经折腾来折腾去还是回到matplotlib，我的介绍技术文章，尽量通俗易懂，我的代码拿来就可以使用，省去大家很多时间。
　　1.3 今天，就来介绍一个更简单的python的数据可视化静态作图，就是pandas的内置plot法（其实就是内置了matplotlib）。
　　1.4 顺带复习python和pandas等的基础知识，代码注释里有详细讲解，注意这是讲解学习版。
　　python数据可视化：由繁入简
　　2 准备：
　　=====
　　2.1 官网：https://pandas.pydata.org/ https://www.yiibai.com/pandas/python_pandas_visualization.html
　　2.2 安装：pip install pandas #推荐国内源安装，本机如下 sudo pip3.8 install -i https://mirrors.aliyun.com/pypi/simple pandas
　　2.3 查看版本：import pandas pandas.__version__
　　2.4 环境：
　　华为笔记本电脑、深度deepin-linux操作系统、python3.8和微软vscode编辑器。
　　2.5 资料来源：
　　2.5.1 代码：import pandas as pd help(pd.DataFrame.plot)
　　2.5.2 图：
　　2.5.3 对英文的文档进行代码提炼、修改、注释，便于大家拿来就能使用。
　　3 pandas内置plot作图：
　　================
　　3.1 通常使用 pandas 进行下列的图形的快速绘图：
　　=======================
　　‘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折线图：
　　3.2.1 代码：#导出模块 import pandas as pd #数据源，2组数据 d = {＂col1＂: [2,1,3,5,3],       ＂col2＂: [3,4,1,5,2]     } #df = pd.DataFrame(data=d)  #默认x轴坐标轴的标签 #指定x坐标轴的标签：index定义 df = pd.DataFrame(data=d,index=[＂a＂, ＂b＂, ＂c＂, ＂d＂,＂e＂])  #只显示col1的这条折线line #df = pd.DataFrame(data=d,index=[＂a＂, ＂b＂, ＂c＂, ＂d＂,＂e＂],columns=[＂col1＂]) #df.plot()  #默认是plot.line df.plot.line()  #下面这么放，是区别平时我们看到以matplotlib作图为主的代码不同 #虽然pandas的内置plot是matplotlib，但是仍需要下面2种方法使其图片显示出来 #方法一 #import matplotlib.pyplot as plt #plt.show() #方法二 import matplotlib.pylab as pl pl.show()
　　3.2.2 图：
　　3.3 bar柱状图：垂直柱状图
　　3.3.1 代码：#导出模块 import pandas as pd #数据源，2组数据 d = {＂col1＂: [2,1,3,5,3],       ＂col2＂: [3,4,1,5,2]     } #指定x坐标轴的标签：index定义 df = pd.DataFrame(data=d,index=[＂dog＂, ＂pig＂, ＂cow＂, ＂sheep＂,＂horse＂],)  #默认显示2组 #df = pd.DataFrame(data=d,columns=[＂col1＂, ＂col2＂])  #df = pd.DataFrame(data=d,) #等同上面 #subplots=True，分子图显示，2组就分2个子图 #df.plot.bar(subplots=True) #比matplotlib超级简单 df.plot.bar() #默认是一张图显示2组 #在这样放一次 import matplotlib.pyplot as plt plt.show()
　　3.3.2 图：
　　bar==默认是vertical bar plot==垂直柱状图
　　3.4 barh水平柱状图：
　　3.4.1 代码：#导出模块 import pandas as pd import matplotlib.pyplot as plt  ＂＂＂ #数据源: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坐标轴的标签：index定义 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＂]) #启动pandas的df的plot的barh图 df.plot.barh() #barh==horizontal bar plot==水平柱状图 #图片展示 plt.show()
　　3.4.2 图：
　　3.5 box箱式图：
　　3.5.1 代码：#导出模块 import pandas as pd import 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,)  ＂＂＂ #建议数据大于4组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＂))  #注意已经有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=箱式图 #图片展示 plt.show()
　　3.5.2 图：
　　3.6 stackedbar垂直堆砌柱状图：
　　3.6.1 代码：#导出模块 import pandas as pd import matplotlib.pyplot as plt #数据 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坐标轴的标签，注意list(＂ABCDEFGHIJ＂)=[＂A＂, ＂B＂, ＂C＂, ＂D＂, ＂E＂, ＂F＂, ＂G＂, ＂H＂, ＂I＂, ＂J＂]  ＂＂＂ #插入知识点：复习一下 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是柱状图，括号里定义stacked=True就是垂直堆砌柱状图 #默认stacked=False，不是堆砌柱状图,图标的标题名 df.plot.bar(stacked=True,title=＂pd_plot_stacked_bar＂)  #图片展示 plt.show()
　　3.6.2 图：
　　===高级一点===
　　4 area面积图：
　　==========
　　4.1 代码：#导出模块 import pandas as pd import matplotlib.pyplot as plt #数据 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＂,) ,#这样报错，报中文设置错误 #index=pd.date_range(start=＂1M＂, end=＂7M＂,freq=＂M＂,) ,#这样报错 index=[＂1M＂,＂2M＂,＂3M＂,＂4M＂,＂5M＂,＂6M＂],  #本机这样没有报错 #index=[＂1月＂,＂2M＂,＂3M＂,＂4M＂,＂5M＂,＂6M＂],  #本机这样没有报错 )  #ax = df.plot.area() #df.plot.area() df.plot.area(stacked=True,) #默认是True #df.plot.area(stacked=False) #如果数据差别比较大，建议不要堆砌 plt.show()
　　4.2 图：
　　4.3 解决中文办法，代码，推荐这种办法，自己解决中文字体问题：#导出模块 import pandas as pd import matplotlib.pyplot as plt #导出通用字体设置 from matplotlib import font_manager  #定义引出字体模块、位置、大小,字体在根目录下，华文仿宋.ttf自己下载的中文字体 my_font = font_manager.FontProperties(fname=＂hwfs.ttf＂,size=10) #定义x坐标轴的文字列表，python3中不要求加u，加u也没事 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＂,) ,#这样报错，报中文设置错误 index=xtick_labels, ) df.plot.area() #默认的x坐标刻度位置列表 x=[1,2,3,4,5,6] plt.xticks(x,xtick_labels,fontproperties=my_font) plt.show()
　　4.4 图：解决中文字体，则需要调用matplotlib的作图法，调动函数
　　4.5 官方代码、效果图和问题分析：
　　#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＂)  ＂＂＂ #报错原因，我暂时无法解决 ＂＂＂ /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 饼状图pie：
　　========
　　5.1 代码：#导出模块 import pandas as pd import matplotlib.pyplot as plt  df = pd.DataFrame(     {＂mass＂: [0.330, 4.87 , 5.97],      ＂radius＂: [2439.7, 6051.8, 6378.1]     },     index=[＂Mercury＂, ＂Venus＂, ＂Earth＂]     )  #y=＂mass＂,相当于饼图的标题名，位于y轴 #plot = df.plot.pie(y=＂mass＂, figsize=(5, 5)) #df.plot.pie(y=＂mass＂, figsize=(5, 5))  #只显示mass的饼状图 df.plot.pie(subplots=True, figsize=(5, 5)) #显示mass和radius的两个子图的饼状图 #subplots=True，默认是False plt.show()
　　5.2 图：
　　6 散点图Scatter：
　　============
　　6.1 代码：#导出模块 import pandas as pd import matplotlib.pyplot as plt  df = 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＂]     )  #经典Scatter散点图 #只能显示2组数据，将x和y轴的2组5份数据进行类似x和y的作图 ax1 = df.plot.scatter(x=＂length＂,y=＂width＂,c=＂red＂)     ＂＂＂ #高级散点图，省略，仅仅给代码 ax2 = df.plot.scatter(x=＂length＂,                       y=＂width＂,                       c=＂species＂,                       colormap=＂viridis＂)  ＂＂＂  plt.show()
　　6.2 图：
　　7 小结：
　　静态图其实也很重要，在平时的绝大多数人的多数工作中，基本上都是用到静态图，适合学生、老师、工作人员，所以今天重点将pandas的基本绘图法，超级简单，比matplotlib还简单。
　　其实就是pandas内置matplotlib，调出作图。
　　===自己整理并分享出来===
　　喜欢的就点赞、评论、关注、转发和收藏。