0. 前期准备：
导入三个必备的库，推荐使用jupyter notebook或者spyder编程环境
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
1. 线形图
1） Series直接生成线形图
参数介绍：
Series.plot()：series的index为横坐标，value为纵坐标
kind → line,bar,barh…（折线图，柱状图，柱状图-横…）
label → 图例标签，Dataframe格式以列名为label
style → 风格字符串，这里包括了linestyle（-），marker（.），color（g）
color → 颜色，有color指定时候，以color颜色为准
alpha → 透明度，0-1
use_index → 将索引用为刻度标签，默认为True
rot → 旋转刻度标签，0-360
grid → 显示网格，一般直接用plt.grid
xlim,ylim → x,y轴界限
xticks,yticks → x,y轴刻度值
figsize → 图像大小
title → 图名
legend → 是否显示图例，一般直接用plt.legend()
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2020', periods=1000))
ts = ts.cumsum()
ts.plot(kind='line',
label = 'demo',
style = '--g.',
color = 'red',
alpha = 0.4,
use_index = True,
rot = 45,
#grid = True,
ylim = [-50,50],
yticks = list(range(-50,50,10)),
figsize = (8,4),
title = 'test',
legend = True)
–> 输出的结果为：（网格一些基础设置之前已经设置过了）
2）Dataframe直接生成图表
参数介绍：
subplots → 是否将各个列绘制到不同图表，默认False
colormap → 因为是默认按列进行绘图，所以有个colormap参数可以设置，具体的可取样式，可以参照上个博客的讲解方式
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))
df = df.cumsum()
df.plot(kind='line',
style = '--.',
alpha = 0.4,
use_index = True,
rot = 45,
grid = True,
figsize = (8,4),
title = 'test',
legend = True,
subplots = False,
colormap = 'jet')
–> 输出的结果为：（可以试试subplots = True的情况）
2. 柱状图与堆叠图
1） plt.plot(kind='bar/barh')
ax参数 → 选择第几个子图，之前博客已经有介绍
随机生成数据：
plt.rcParams['figure.dpi'] = 200
fig,axes = plt.subplots(4,1,figsize = (10,10))
s = pd.Series(np.random.randint(0,10,16),index = list('abcdefghijklmnop'))
df = pd.DataFrame(np.random.rand(10,3), columns=['a','b','c'])
① 单系列柱状图：plt.plot(kind='bar/barh')
s.plot(kind='bar',color = 'k',grid = True,alpha = 0.5,ax = axes[0],edgecolor = 'k')
–> 输出的结果为：
② 多系列柱状图：直接使用DataFrame的多列数据
df.plot(kind='bar',ax = axes[1],grid = True,colormap='Reds_r',edgecolor = 'k')
–> 输出的结果为：
③ 多系列堆叠图：stacked 参数→ 堆叠
df.plot(kind='bar',ax = axes[2],grid = True,colormap='Blues_r',stacked=True,edgecolor = 'k')
–> 输出的结果为：
④ 横向柱状图：df.plot.barh()/df.plot(kind = 'barh')
df.plot.barh(ax = axes[3],grid = True,stacked=True,colormap = 'BuGn_r',edgecolor = 'k')
#df.plot(kind = 'barh',ax = axes[3],grid = True,stacked=True,colormap = 'BuGn_r',edgecolor = 'k')
–> 输出的结果为：
2） plt.bar()
x,y参数 → x，y值
width → 宽度比例
facecolor → 柱状图里填充的颜色
edgecolor → 是边框的颜色
left → 每个柱x轴左边界
bottom → 每个柱y轴下边界 ， bottom扩展即可化为甘特图 Gantt Chart
align → 决定整个bar图分布，默认left表示默认从左边界开始绘制,center会将图绘制在中间位置
xerr/yerr → x/y方向error bar
plt.figure(figsize=(10,4))
x = np.arange(10)
y1 = np.random.rand(10)
y2 = -np.random.rand(10)
plt.bar(x,y1,width = 1,facecolor = 'yellowgreen',edgecolor = 'white',yerr = y1*0.1)
plt.bar(x,y2,width = 1,facecolor = 'lightskyblue',edgecolor = 'white',yerr = y2*0.1)
for i,j in zip(x,y1):
plt.text(i+0.3,j-0.15,'%.2f' % j, color = 'white')
for i,j in zip(x,y2):
plt.text(i+0.3,j+0.05,'%.2f' % -j, color = 'white')
#批量加注解
plt.margins(0.005)
–> 输出的结果为：（注意注解的微调，plt.margins() 两边间距的调整）
★★★★★ 3） 外嵌图表plt.table()
plt.table(cellText=None, cellColours=None,cellLoc=‘right’, colWidths=None,rowLabels=None, rowColours=None, rowLoc=‘left’,
colLabels=None, colColours=None, colLoc=‘center’,loc=‘bottom’, bbox=None)
参数讲解：
cellText：表格文本
cellLoc：cell内文本对齐位置
rowLabels：行标签
colLabels：列标签
rowLoc：行标签对齐位置
loc：表格位置 → left，right，top，bottom
data = [[ 66386, 174296, 75131, 577908, 32015],
[ 58230, 381139, 78045, 99308, 160454],
[ 89135, 80552, 152558, 497981, 603535],
[ 78415, 81858, 150656, 193263, 69638],
[139361, 331509, 343164, 781380, 52269]]
columns = ('Freeze', 'Wind', 'Flood', 'Quake', 'Hail')
rows = ['%d year' % x for x in (100, 50, 20, 10, 5)]
df = pd.DataFrame(data,columns = ('Freeze', 'Wind', 'Flood', 'Quake', 'Hail'),
index = ['%d year' % x for x in (100, 50, 20, 10, 5)])
df.plot(kind='bar',grid = True,colormap='Blues_r',stacked=True,figsize=(8,3))
# 创建堆叠图
plt.table(cellText = data,
cellLoc='center',
cellColours = None,
rowLabels = rows,
rowColours = plt.cm.BuPu(np.linspace(0, 0.5,5))[::-1], # BuPu可替换成其他colormap
colLabels = columns,
colColours = plt.cm.Reds(np.linspace(0, 0.5,5))[::-1],
rowLoc='right',
loc='bottom')
–> 输出的结果为：（科研或者工程常用制图）
3. 面积图
plt.plot.area():
使用Series.plot.area()和DataFrame.plot.area()创建面积图
stacked：是否堆叠，默认情况下，区域图被堆叠
为了产生堆积面积图，每列必须是正值或全部负值！
当数据有NaN时候，自动填充0，所以图标签需要清洗掉缺失值
fig,axes = plt.subplots(2,1,figsize = (8,6))
df1 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df1.plot.area(colormap = 'Greens_r',alpha = 0.5,ax = axes[0])
–> 输出的结果为：
stacked参数的使用
df2 = pd.DataFrame(np.random.randn(10, 4), columns=['a', 'b', 'c', 'd'])
df2.plot.area(stacked=False,colormap = 'Set2',alpha = 0.5,ax = axes[1])
–> 输出的结果为：
4. 填图
1） 对函数与坐标轴之间的区域进行填充，使用fill函数
2） 填充两个函数之间的区域，使用fill_between函数
fig,axes = plt.subplots(2,1,figsize = (8,6))
x = np.linspace(0, 1, 500)
y1 = np.sin(4 * np.pi * x) * np.exp(-5 * x)
y2 = -np.sin(4 * np.pi * x) * np.exp(-5 * x)
axes[0].fill(x, y1, 'r',alpha=0.5,label='y1')
axes[0].fill(x, y2, 'g',alpha=0.5,label='y2')
# 也可写成：plt.fill(x, y1, 'r',x, y2, 'g',alpha=0.5)
x = np.linspace(0, 5 * np.pi, 1000)
y1 = np.sin(x)
y2 = np.sin(2 * x)
axes[1].fill_between(x, y1, y2, color ='b',alpha=0.5,label='area')
for i in range(2):
axes[i].legend()
axes[i].grid()
–> 输出的结果为：
5. 饼图
plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None,
radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, hold=None, data=None)
参数讲解：
第一个参数x：数据
explode：指定每部分的偏移量
labels：标签
colors：颜色
autopct：饼图上的数据标签显示方式
pctdistance：每个饼切片的中心和通过autopct生成的文本开始之间的比例
labeldistance：被画饼标记的直径,默认值：1.1
shadow：阴影
startangle：开始角度
radius：半径
frame：图框
counterclock：指定指针方向，顺时针或者逆时针
s = pd.Series(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], name='series')
plt.axis('equal') # 保证长宽相等
plt.pie(s,
explode = [0.1,0,0,0],
labels = s.index,
colors=['r', 'g', 'b', 'c'],
autopct='%.2f%%',
pctdistance=0.6,
labeldistance = 1.2,
shadow = True,
startangle=0,
radius=1.5,
frame=False)
print(s)
–> 输出的结果为：
