1.线形图
在pandas中，Series和DataFrame都有一个用于生成各类图表的plot()方法，默认生成的是线型图。
链接：pandas.Series.plot与pandas.DataFrame.plot的官方文档。
为指定的Series生成折线图：
data = pandas.Series(numpy.random.randn(7).cumsum(0))
print(data)
data.plot(style="k.-.", rot=30, grid=True)
0 1.390847
1 0.547206
2 0.520530
3 -0.398884
4 -0.486248
5 -1.123840
6 -0.196571
dtype: float64
为指定的DataFrame生成折线图：
data = pandas.DataFrame(numpy.random.randn(7, 3).cumsum(0), columns=["A", "B", "C"])
print(data)
data.plot(style=["o-", "x:", "^--"], title="A - B - C", figsize=(16, 9))
A B C
0 -2.275296 -0.337922 -1.526811
1 -0.999222 -1.224919 -2.670045
2 -1.407898 -0.593406 -3.933100
3 -0.088125 -0.486278 -3.090612
4 -0.220403 0.643248 -5.308337
5 -0.819526 1.557874 -5.718351
6 -1.358460 2.450793 -5.874556
2.柱状图
plot.bar()和plot.barh()分别用于绘制垂直和水平的柱状图，此时Series和DataFrame的索引将会被用作刻度。
为指定Series生成柱状图：
fig, axes = matplotlib.pyplot.subplots(1, 2) # 创建一个1行2列的Figure对象
data = pandas.Series(numpy.random.rand(7), index=list('ABCDEFG'))
data.plot.bar(ax=axes[0], rot=0)
data.plot.barh(ax=axes[1])
A 0.317882
B 0.178443
C 0.490655
D 0.653693
E 0.880824
F 0.923257
G 0.787972
dtype: float64
为指定DataFrame生成柱状图：
data = pandas.DataFrame(numpy.random.rand(6, 4),
index=["1", "2", "3", "4", "5", "6"],
columns=pandas.Index(['A', 'B', 'C', 'D']))
print(data)
data.plot.bar(rot=0)
A B C D
1 0.079122 0.184886 0.141924 0.311727
2 0.490384 0.710730 0.712868 0.328058
3 0.340345 0.907243 0.593340 0.796208
4 0.369004 0.501489 0.062952 0.967165
5 0.562360 0.296670 0.432107 0.458429
6 0.011503 0.150241 0.810124 0.269063
为指定DataFrame生成堆积柱状图：
data = pandas.DataFrame(numpy.random.rand(6, 4),
index=["1", "2", "3", "4", "5", "6"],
columns=pandas.Index(['A', 'B', 'C', 'D']))
print(data)
data.plot.bar(stacked=True)
A B C D
1 0.847808 0.955484 0.652715 0.707678
2 0.213419 0.343561 0.301768 0.536410
3 0.643131 0.208405 0.097245 0.833812
4 0.632353 0.612214 0.340517 0.909366
5 0.446358 0.934332 0.771776 0.690315
6 0.046287 0.760079 0.621550 0.596409
3.直方图和密度图
在seaborn中使用displot()函数绘制直方图，使用kdeplot()函数绘制核密度图。
为指定Series生成直方图：
left = numpy.random.normal(0, 1, size=1000) # 均值为5 方差为10 共1000个点
right = numpy.random.normal(10, 2, size=1000) # 均值为10 方差为5 共1000个点
values = pandas.Series(numpy.concatenate([left, right])) # 将两个正态分布整合
seaborn.displot(values, bins=30)
为指定Series生成密度图：
left = numpy.random.normal(0, 1, size=1000) # 均值为5 方差为10 共1000个点
right = numpy.random.normal(10, 2, size=1000) # 均值为10 方差为5 共1000个点
values = pandas.Series(numpy.concatenate([left, right])) # 将两个正态分布整合
seaborn.kdeplot(values)
