Series和DataFrame绘图(很强大)

目录

  ​​1、说明​​​   ​​2、Series对象的绘图技巧​​   ​​3、DataFrame对象的绘图技巧​​

1、说明

  Series与DataFrame类型的对象也支持图形绘制，使用对象的plot方法即可。如果绘图数据就存在Series或者DataFrame对象中，我们就可以直接绘制，而无需使用plt.plot。
  直接使用Series与DataFrame对象的plot方法绘图，有时候会显得特别方便，尤其是绘制一些简单的图形的时候，很nice!
  注意：当利用Series与DataFrame对象的plot方法绘出某个图形后，仍然可以使用matplotlib中的各种绘图参数，来美化自己的图形。
 

2、Series对象的绘图技巧

1）常用图形绘制

  plot默认绘制的是线形图，但是我们可以通过调整其kind参数的值，来绘制其它不同类型的图形。

① 常用图类型

• line：线形图
• bar：柱形图
• barh：条形图
• hist：直方图
• kde / density：核密度图
• pie：饼图
• box：箱线图
• area：面积图

② 常用参数

• color
• alpha
• stacked：是否堆叠。

③ 两种语法格式

• 格式一：s.plot(kind=“图类型”)
• 举例如下：s.plot(kind=“line”)
• 格式二：s.plot.图类型()
• 举例如下：s.plot.line()

操作如下：

s1 = pd.Series([1,3,8,10,12])
s2 = pd.Series([5,2,6,4,8])

s1.plot(kind="line",c="r")
s2.plot.line(c="b")

# 可以看到，我们仍然可以调用matplotlib的其他绘图参数，完善自己的图形。
plt.legend(["2016","2017"],loc="best")

结果如下：

2）案例操作

① 绘制折线图

s1 = pd.Series([5,2,6,4,8])

s1.plot(kind="line",c="r")

结果如下：

② 绘制柱形图(又叫条形图)

s1 = pd.Series([5,2,6,4,8])

s1.plot.bar(color="b")

# 当没有这句代码时，横坐标是“睡着”的，因此调整一下横坐标标签的方向。
plt.xticks(rotation=360)

结果如下：

③ 绘制水平柱形图(条形图)

s1 = pd.Series([5,2,6,4,8])

s1.plot.barh(color="g")

结果如下：

④ 绘制直方图

s1 = pd.Series([5,2,6,4,8,5,2,7,4,6,1,8,4,6,3,8,2,6,4,8,5,2,7])

s1.plot.hist(color="m")

结果如下：

⑤ 绘制核密度图

s1 = pd.Series([5,2,6,4,8,5,2,7,4,6,1,8,4,6,3,8,2,6,4,8,5,2,7])

s1.plot(kind="kde",color="r")

结果如下：

⑥ 绘制饼图

s1 = pd.Series([1,1,2,2,3])
# 求出Series中每个元素的占比
s1 = s1.value_counts()/s1.shape
display(s1)

s1.plot(kind="pie")
plt.axis("equal")

结果如下：

⑦ 绘制箱线图

s1 = pd.Series([5,2,6,4,8,5,2,7,4,6,1,8,4,6,3,8,2,4,8,5,2,7])

s1.plot(kind="box",color="r")

结果如下：

⑧ 绘制面积图

s1 = pd.Series([1, 3, 8, 10, 12])
s1.plot(kind="area",color="orangered",alpha=0.3)
plt.grid()

结果如下：

3、DataFrame对象的绘图技巧

① 绘制折线图

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",
                   sheet_name="柱形图1")

df1.plot(kind="line")

plt.ylim(0,10)
plt.xticks(np.arange(0,5),["果汁","矿泉水","绿茶","其它","碳酸饮料"])

结果如下：

② 绘制条形图

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",
                   sheet_name="柱形图1")

df1.plot(kind="bar",stacked=True)

plt.ylim(0,17)
plt.xticks(np.arange(0,5),["果汁","矿泉水","绿茶","其它","碳酸饮料"])

for x,y in enumerate(df["男"]):
    plt.text(x,y/2-0.5,y,ha="center",va="bottom",fontsize=15)
    
for x,y in enumerate(df["女"]):
    plt.text(x,y/2+df["男"][x]-0.5,y,ha="center",va="bottom",fontsize=15)
    
for xy1 in enumerate(df["男"]+df["女"]):
    plt.annotate("{}".format(xy1[1]),xy=xy1,ha="center",va="bottom")

plt.tight_layout()
plt.savefig("不同饮料类型的男、女人数的堆积条形图",dpi=300)

结果如下：

③ 绘制水平堆积条形图

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",
                   sheet_name="柱形图1")

df.plot(kind="barh", stacked=True,color=['lightcoral','lightslategrey'])

for x,y in enumerate(df["男"]):
    plt.text(y/2,x,y,ha="center",va="center",fontsize=15)
    
for x,y in enumerate(df["女"]):
    plt.text(y/2+df["男"][x],x,y,ha="center",va="center",fontsize=15)

for x,y in enumerate(df["男"]+df["女"]):
    plt.text(y+0.3,x,y,ha="center",va="center",fontsize=15)
    
plt.yticks(np.arange(0,5),["果汁","矿泉水","绿茶","其它","碳酸饮料"])

plt.tight_layout()
plt.savefig("不同饮料类型的男、女人数的水平堆积条形图",dpi=300)

结果如下：

④ 绘制核密度图

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",
                   sheet_name="柱形图1")
df1 = df[["男","女"]]

df1.plot(kind="kde",color=['lightcoral','lightslategrey'],lw=3)

plt.tight_layout()
plt.savefig("不同饮料类型的男、女人数的核密度图",dpi=300)

结果如下：

⑤ 绘制箱线图

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",
                   sheet_name="箱线图")
df1 = df.iloc[:,1:]

f = df1.plot(kind="box",showfliers = True,
         color = dict(boxes='DarkGreen',whiskers='DarkOrange',medians='DarkBlue',caps='Gray'))

plt.xticks(rotation=70,fontproperties = 'simhei')

plt.tight_layout()
plt.savefig("8门课程考试成绩的箱线图",dpi=300)

结果如下：

详细参数，可以查看该文章：​​javascript:void(0)​​

⑥ 绘制面积图

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",
                   sheet_name="面积图")
display(df.T)
df = df.T

df.plot(kind="area",figsize=(6,5))

plt.xticks(np.arange(3),["2018年","2019年","2020年"])
plt.yticks(np.arange(0,15001,5000))

结果如下：

  关于面积图的解释：面积图是在折线图的基础之上形成的，它将折线图中折线与坐标轴之间的区域，使用颜色进行填充，这个填充就是我们所说的面积，颜色的填充可以更好地突出趋势信息。和折线图一样，面积图强调数量随着时间变化的程度。