1 import pandas as pd 2 import numpy as np 3 import matplotlib.pyplot as plt 4 5 %matplotlib notebook
1 # 查看预先给定的风格 2 plt.style.available
['seaborn-darkgrid', 'bmh', 'fivethirtyeight', 'dark_background', 'ggplot', 'grayscale', 'seaborn-ticks', 'seaborn-white', 'seaborn-poster', 'seaborn-dark', 'seaborn-pastel', 'seaborn', 'seaborn-deep', 'seaborn-talk', 'seaborn-paper', 'seaborn-whitegrid', 'seaborn-muted', 'seaborn-notebook', 'seaborn-bright', 'seaborn-dark-palette', 'classic', 'seaborn-colorblind']
1 # use the 'seaborn-colorblind' style 2 plt.style.use('seaborn-colorblind')
DataFrame.plot
1 np.random.seed(123) 2 3 df = pd.DataFrame({'A': np.random.randn(365).cumsum(0), 4 'B': np.random.randn(365).cumsum(0) + 20, 5 'C': np.random.randn(365).cumsum(0) - 20}, 6 index=pd.date_range('1/1/2017', periods=365)) 7 df.head()
1 df.plot(); # DataFrame画线
我们可以设置plot函数中的kind来决定我们想画什么
1 df.plot('A','B', kind = 'scatter');
下面列举kind的的可选值
kind :
'line': 直线（默认）'bar': 垂直条形图'barh': 水平条形图'hist': 直方图'box': 箱型图'kde': 核密度估计图'density': same as 'kde''area': area plot'pie': 饼图'scatter': 点状图'hexbin': hexbin plot
1 # 以A,C为坐标轴，以B值大小（'c')来改变颜色深浅，以B的数量('s')来定义点的数量,'colormap'为左边的颜色标注 2 df.plot.scatter('A', 'C', c='B', s=df['B'], colormap='viridis')
1 ax = df.plot.scatter('A', 'C', c='B', s=df['B'], colormap='viridis') 2 ax.set_aspect('equal')
1 df.plot.box();
#绘制直方图，'alpha'为颜色透明度
1 df.plot.hist(alpha=0.7);
核密度估计图可用于从给定样本推导平滑连续函数。
绘制核密度估计图
1 df.plot.kde();
pandas.tools.plotting
1 #加载iris花的数据集 2 iris = pd.read_csv('iris.csv') 3 iris.head()
1 pd.tools.plotting.scatter_matrix(iris);
1 plt.figure() 2 pd.tools.plotting.parallel_coordinates(iris, 'Name');
