【python】详解pandas.DataFrame.plot（）画图函数
⾸先看官⽹的DataFrame.plot( )函数
DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False,
sharex=None, sharey=False, layout=None,figsize=None,
use_index=True, title=None, grid=None, legend=True,
style=None, logx=False, logy=False, loglog=False,
xticks=None, yticks=None, xlim=None, ylim=None, rot=None,
xerr=None,secondary_y=False, sort_columns=False, **kwds)
参数详解如下：
Parameters:
x : label or position, default None#指数据框列的标签或位置参数
y : label or position, default None
kind : str
‘line’ : line plot (default)#折线图
‘bar’ : vertical bar plot#条形图
‘barh’ : horizontal bar plot#横向条形图
‘hist’ : histogram#柱状图
‘box’ : boxplot#箱线图
‘kde’ : Kernel Density Estimation plot#Kernel 的密度估计图，主要对柱状图添加Kernel 概率密度线
‘density’ : same as ‘kde’
‘area’ : area plot#不了解此图
‘pie’ : pie plot#饼图
‘scatter’ : scatter plot#散点图需要传⼊columns⽅向的索引
‘hexbin’ : hexbin plot#不了解此图
ax : matplotlib axes object, default None#**⼦图(axes, 也可以理解成坐标轴) 要在其上进⾏绘制的matplotlib subplot对象。如果没有设置，则使⽤当前matplotlib subp
subplots : boolean, default False#判断图⽚中是否有⼦图
Make separate subplots for each column
sharex : boolean, default True if ax is None else False#如果有⼦图，⼦图共x轴刻度，标签
In case subplots=True, share x axis and set some x axis labels to invisible; defaults to True if ax is None otherwise False if an ax is passed in; Be aware, that pass
sharey : boolean, default False#如果有⼦图，⼦图共y轴刻度，标签
In case subplots=True, share y axis and set some y axis labels to invisible
layout : tuple (optional)#⼦图的⾏列布局
(rows, columns) for the layout of subplots
figsize : a tuple (width, height) in inches#图⽚尺⼨⼤⼩
use_index : boolean, default True#默认⽤索引做x轴
Use index as ticks for x axis
title : string#图⽚的标题⽤字符串
Title to use for the plot
grid : boolean, default None (matlab style default)#图⽚是否有⽹格
Axis grid lines
legend : False/True/’reverse’#⼦图的图例，添加⼀个subplot图例(默认为True)
Place legend on axis subplots
style : list or dict#对每列折线图设置线的类型
matplotlib line style per column
logx : boolean, default False#设置x轴刻度是否取对数
logx : boolean, default False#设置x轴刻度是否取对数
Use log scaling on x axis
logy : boolean, default False
Use log scaling on y axis
loglog : boolean, default False#同时设置x，y轴刻度是否取对数
Use log scaling on both x and y axes
xticks : sequence#设置x轴刻度值，序列形式（⽐如列表）
Values to use for the xticks
yticks : sequence#设置y轴刻度，序列形式（⽐如列表）
Values to use for the yticks
xlim : 2-tuple/list#设置坐标轴的范围，列表或元组形式
ylim : 2-tuple/list
rot : int, default None#设置轴标签（轴刻度）的显⽰旋转度数
Rotation for ticks (xticks for vertical, yticks for horizontal plots)
fontsize : int, default None#设置轴刻度的字体⼤⼩
Font size for xticks and yticks
colormap : str or matplotlib colormap object, default None#设置图的区域颜⾊
Colormap to select colors from. If string, load colormap with that name from matplotlib.
colorbar : boolean, optional #图⽚柱⼦
If True, plot colorbar (only relevant for ‘scatter’ and ‘hexbin’ plots)
position : float
Specify relative alignments for bar plot layout. From 0 (left/bottom-end) to 1 (right/top-end). Default is 0.5 (center)
layout : tuple (optional) #布局
(rows, columns) for the layout of the plot
table : boolean, Series or DataFrame, default False #如果为正，则选择DataFrame类型的数据并且转换匹配matplotlib的布局。
If True, draw a table using the data in the DataFrame and the data will be transposed to meet matplotlib’s default layout. If a Series or DataFrame is passed, use
yerr : DataFrame, Series, array-like, dict and str
See Plotting with Error Bars for detail.
matplotlib中subplotxerr : same types as yerr.
stacked : boolean, default False in line and
bar plots, and True in area plot. If True, create stacked plot.
sort_columns : boolean, default False # 以字母表顺序绘制各列，默认使⽤前列顺序
secondary_y : boolean or sequence, default False ##设置第⼆个y轴（右y轴）
Whether to plot on the secondary y-axis If a list/tuple, which columns to plot on secondary y-axis
mark_right : boolean, default True
When using a secondary_y axis, automatically mark the column labels with “(right)” in the legend
kwds : keywords
Options to pass to matplotlib plotting method
Returns:axes : matplotlib.AxesSubplot or np.array of them
1、画图图形
import pandas as pd
from pandas import DataFrame,Series
df = pd.DataFrame(np.random.randn(4,4),index = list('ABCD'),columns=list('OPKL'))
df
Out[4]:
O P K L
A -1.736654 0.327206 -1.000506 1.235681
B 1.216879 0.506565 0.889197 -1.478165
C 0.091957 -2.677410 -0.973761 0.123733
D -1.114622 -0.600751 -0.159181 1.041668
注意⼀下散点图scatter是需要传⼊两个Y的columns参数的：
传⼊x，y参数
同时画多个⼦图，可以设置 subplot = True
2、注意事项：
- 在画图时，要注意⾸先定义画图的画布：fig = plt.figure( )
- 然后定义⼦图ax ，使⽤ ax= fig.add_subplot( ⾏，列，位置标)
- 当上述步骤完成后，可以⽤ ax.plot（）函数或者 df.plot(ax = ax)
- 在jupternotebook 需要⽤%定义：%matplotlib notebook；如果是在脚本编译器上则不⽤，但是需要⼀次性按流程把代码写完； - 结尾时都注意记录上plt.show()
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论