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：https://blog.csdn.net/weixin_30935137/article/details/80685957
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。
