pandas.DataFrame.plot( )参数详解
使用DataFrame的plot方法绘制图像会按照数据的每一列绘制一条曲线,默认按照列columns的名称在适当的位置展示图例,比matplotlib绘制节省时间,且DataFrame格式的数据更规范,方便向量化及计算。
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, fontsize=None, colormap=None,
position=0.5, table=False, yerr=None, xerr=None, stacked=True/False,
sort_columns=False, secondary_y=False, mark_right=True, **kwds)
注意:每种绘图类型都有相对应的方法; Eg. df.plot(kind='line')与df.plot.line()等价
主要参数详细解释
官网:http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.plot.html
源码:https://github.com/pandas-dev/pandas/blob/v0.24.2/pandas/plotting/core.py#L2912-L3605
- x : label or position, default None#指数据列的标签或位置参数
- y : label, position or list of label, positions, default None
- kind : str#绘图类型
‘line’ : line plot (default)#折线图
‘bar’ : vertical bar plot#条形图。stacked为True时为堆叠的柱状图
‘barh’ : horizontal bar plot#横向条形图
‘hist’ : histogram#直方图(数值频率分布)
‘box’ : boxplot#箱型图
‘kde’ : Kernel Density Estimation plot#密度图,主要对柱状图添加Kernel 概率密度线
‘density’ : same as ‘kde’
‘area’ : area plot#与x轴所围区域图(面积图)。Stacked=True时,每列必须全部为正或负值,stacked=False时,对数据没有要求
‘pie’ : pie plot#饼图。数值必须为正值,需指定Y轴或者subplots=True
‘scatter’ : scatter plot#散点图。需指定X轴Y轴
‘hexbin’ : hexbin plot#蜂巢图。需指定X轴Y轴
- 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 subplot**其中,变量和函数通过改变figure和axes中的元素(例如:title,label,点和线等等)一起描述figure和axes,也就是在画布上绘图。
- subplots : boolean, default False#是否对列分别作子图
- sharex : boolean, default True if ax is None else False#如果ax为None,则默认为True,否则为False 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 passing in both an ax and sharex=True will alter all x axis labels for all axis in a figure!
- 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 (rows, columns) for the layout of subplots#子图的行列布局
- 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
- title : string#图片的标题用字符串 Title to use for the plot
- grid : boolean, default None#图片是否有网格
- legend : False/True/’reverse’#子图的图例 (默认为True)
- style : list or dict#对每列折线图设置线的类型
- logx : boolean, default False#设置x轴刻度是否取对数
- logy : boolean, default False
- loglog : boolean, default False#同时设置x,y轴刻度是否取对数
- xticks : sequence#设置x轴刻度值,序列形式(比如列表)
- yticks : sequence#设置y轴刻度,序列形式(比如列表)
- xlim : float/2-tuple/list#设置坐标轴的范围。数值(最小值),列表或元组(区间范围)
- ylim : float/2-tuple/list
- rot : int, default None#设置轴标签(轴刻度)的显示旋转度数
- fontsize : int, default None#设置轴刻度的字体大小
- colormap : str or matplotlib colormap object, default None#设置图的区域颜色
- colorbar : boolean, optional #柱子颜色 If True, plot colorbar (only relevant for ‘scatter’ and ‘hexbin’ plots)
- position : float #条形图的对齐方式,取值范围[0,1],即左下端到右上端默认0.5(中间对齐)
- layout : tuple (optional) #布局。layout=(2, 3)两行三列,layout=(2, -1)两行自适应列数 Eg. df.plot(subplots=True, layout=(2, -1), sharex=False)
- table : boolean, Series or DataFrame, default False #图下添加表。如果为True,则使用DataFrame中的数据绘制表格,并且数据将被转置以满足matplotlib的默认布局。。
- yerr : DataFrame, Series, array-like, dict and str
- See Plotting with Error Bars for detail.
- xerr : same types as yerr.
- stacked : boolean, default False in line and bar plots, and True in area plot. If True, create stacked plot. #前面有介绍
- sort_columns : boolean, default False #对列名称进行排序以确定绘图顺序
- secondary_y : boolean or sequence, default False #设置第二个y轴(右辅助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
2. 其他说明
2.1 其他参数
color:颜色
s:散点图大小
2.2 设置X、Y轴名称
ax.set_ylabel('yyy')
ax.set_xlabel('xxx')
2.3 plt.legend(loc='best')
loc:图列位置
3. 其他画图步骤
1)首先定义画图的画布:fig = plt.figure( )
2)然后定义子图ax ,使用 ax= fig.add_subplot( 行,列,位置标)
3)用 ax.plot( )函数或者 df.plot(ax = ax)
4)结尾加plt.show()
注意: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
4. 参考网址
4)官网举例