作者：潮汐

來源：Python 技術

今天的文章講解如何利用 Pandas 來繪圖，前面寫過 matplotlib 相關文章，matplotlib 雖然功能強大，但是 matplotlib 相對而言較為底層，畫圖時步驟較為繁瑣，比較麻煩，因為要畫一張完整的圖表，需要實現很多的基本組件，比如圖像類型、刻度、标題、圖例、注解等等。目前有很多的開源框架所實現的繪圖功能是基于 matplotlib 的，pandas是其中之一，對于 pandas 數據分析而言，直接使用 pandas 本身實現的繪圖方法比 matplotlib 更方便簡單。關于更多 Pandas 的相關知識請參考官方文檔

使用 Pandas 繪制線狀圖代碼如下：

import pandas as pd import numpy as np import matplotlib.pyplot as plt def craw_line(): ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000)) ts = ts.cumsum() ts.plot() plt.show() if __name__ == '__main__': craw_line()

顯示結果如下：

第二種繪畫線狀圖方式如下：

import pandas as pd import numpy as np import matplotlib.pyplot as plt def craw_line1(): ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000)) df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD")) df = df.cumsum() df.plot() plt.show() if __name__ == '__main__': craw_line1()

線性圖顯示結果如下：

除了繪制默認的線狀圖，還能繪制其他圖形樣式，例如通過以下方法繪制條形圖。繪圖方法可以作為plot()的kind關鍵字參數提供。

通過如下方法繪制條形圖1，詳細代碼如下：

def craw_bar(): ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000)) df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD")) plt.figure() df.iloc[5].plot(kind="bar") plt.show() if __name__ == '__main__': craw_bar()

結果圖顯示如下：

通過如下方法繪制條形圖2，詳細代碼如下：

def craw_bar1(): #ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000)) df2 = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"]) df2.plot.bar() plt.show() if __name__ == '__main__': craw_bar1()

圖形結果展示如下：

生成堆疊條形圖

上面的條形圖2可以生成堆疊條形圖，加上stacked=True參數即可，詳細代碼如下：

def craw_bar2(): df2 = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"]) df2.plot.bar(stacked=True) plt.show() if __name__ == '__main__': craw_bar2()

堆疊條形圖展示如下：

将以上條形圖設置為水平條形圖，詳細代碼如下：

def craw_bar3(): df2 = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"]) df2.plot.barh(stacked=True) plt.show() if __name__ == '__main__': craw_bar3()

展示結果圖如下：

今天的文章就到這裡啦，希望今天的文章對大家有幫助！

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!