plot() 函数,Pandas DataFrame.plot()语法、参数和相应的示例详解(11)

作者 : 慕源网 本文共3061个字,预计阅读时间需要8分钟 发布时间: 2021-11-30 共208人阅读

plot() 函数,Pandas DataFrame.plot()语法、参数和相应的示例详解(11)

Pandas DataFrame.plot() 介绍

以下文章提供了 Pandas DataFrame.plot() 的概要。除了广泛的数据处理之外,对数据报告的需求也是推动数据世界发展的主要因素之一。为了从Pandas 的角度实现数据报告过程,使用了Pandas 中的 plot() 方法。plot() 方法用于生成数据的图形表示,以便于理解和优化处理。这在数据报告领域充当了Pandas 的内置功能。

本系列是Python Pandas教程的一部分,您可以点击Python Pandas使用教程查看所有。

语法:

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, table=False, yerr=None, xerr=None, secondary_y=False, sort_columns=False, **kwds)

参数:

参数 描述
X columns 参数提到了在绘图过程中被视为 x 轴的一组列。参数的默认值为 None。
y columns 参数提到了在绘图过程中被视为 y 轴的一组列。参数的默认值为 None。
kind kind 参数用于提及要用作此绘图过程的过程的图形类型。
  • ‘line’:线图(这是默认的绘图类型值)。
  • ‘bar’:垂直条形图。
  • ‘barh’:水平条形图。
  • ‘hist’:直方图。
  • ‘box’:箱线图。
  • ‘kde’:核密度估计图。
  • “density”:与“kde”相同。
  • ‘area’:面积图。
  • ‘pie’:饼图。
  • ‘scatter’:散点图。
  • ‘hexbin’: hexbin 图。
ax Index 参数提到了轴对象,该参数的默认值为 none。
subplots 这是另一个布尔参数,用于为每一列应用单独的子图。
sharex 当 subplots=True 时,这是另一个布尔参数,x 轴标签中的一些设置为不可见并且 x 轴是共享的,如果 ax 为 None 则默认为 True,否则在传入 ax 时为 False。
sharey 当 subplots=True 时,这是另一个布尔参数,y 轴标签中的一些设置为不可见并且 y 轴是共享的,如果 ay 为 None 则默认为 True,否则在传入 ay 时为 False。
layout 这是一种基于其放置子图的元组类型。
figsize 这提到了以英寸为单位的尺寸值。
use_index 这使用索引作为 x 轴的刻度。
title 这用于设置图表的标题值。标题中提到的值将位于图表的顶部。
grid 默认值为 None 的布尔参数,用于维护轴网格线。
legend 将图例放在轴的子图上。
style style 参数在列表或字典中保存值。此参数用于表示每列的线条样式。
logx X 轴级别日志缩放,这是一个布尔参数,默认值为 false。
logy Y 轴级日志缩放,这是一个布尔参数,默认值为 false。
loglog loglog 用于维护 x 轴和 y 轴级别的日志缩放。这是一个布尔参数,默认值为 false。
xticks Xticks 与使用此 xticks 参数的值相关联。该参数以序列的形式接受输入。
yticks yticks 与使用此 yticks 参数的值相关联。该参数以序列的形式接受输入。
xlim 2 元组/列表。
ylim 2 元组/列表。
rot 默认值为 None 并且此参数以整数格式保存值。这提到了刻度的旋转值。
fontsize xticks 和 yticks 使用此参数与字体大小相关联。默认值为 None 并且此参数以整数格式保存值。
colormap 颜色图用于从中选择颜色。这个参数是字符串类型的。
colorbar 这是布尔类型,当设置为 true 时,它​​有助于绘制颜色条。
position 条形图和绘图布局特定的对齐方式。
table 当设置为 true 时,它​​使用与数据框关联的数据映射表。所以会使用matplotlib的默认布局来满足这个数据。如果传入了 Series 或 DataFrame,则使用传入的数据绘制表格。
yerr 误差线将显示更多细节,对应于 y 轴。
xerr 将显示误差线以获得更多详细信息。对应于 x 轴。
stacked 条形图。
sort_columns 绘图顺序是根据使用的列名确定的。
secondary_y 确定要绘制的列。
mark_right 在使用 secondary_y 轴时,标记会自动放置在列标签上。
*kwds 关键词。

Pandas DataFrame.plot() 示例

下面给出了提到的例子:

示例#1

代码:

import pandas as pd
import matplotlib.pyplot as plt
Core_Dataframe = pd.DataFrame( {
'name': ['Alan Xavier', 'Annabella', 'Janawong', 'Yistien', 'Robin sheperd', 'Amalapaul', 'Nori'],
'city': ['california', 'Toronto', 'Osaka', 'Shanghai',
'Manchester', 'california', 'Osaka'],
'age': [51, 38, 23, 63, 18, 51, 63],
'py-score': [82.0, 73.0, 81.0, 30.0, 48.0, 61.0, 84.0] })
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
print("")
Core_Dataframe.plot(x ='age', y='py-score', kind = 'bar')
plt.show()

输出:

plot() 函数,Pandas DataFrame.plot()语法、参数和相应的示例详解(11)

解释:

  • 在这个例子中,首先制定了核心数据帧。pd.dataframe() 用于制定数据帧。
  • 数据框的每一行都连同它们的列名一起插入。一旦数据框被完全公式化,它就会被打印到控制台上。
  • 我们可以注意到,在这种情况下,数据帧包含随机人员信息和这些人的 py_score 值。此数据框中使用的关键列是名称、年龄、城市和 py-score 值。生成的绘图条形图会打印到控制台上。

示例#2

代码:

import pandas as pd
import matplotlib.pyplot as plt
Core_Dataframe = pd.DataFrame({'A' :  [ 3.67, 6.66, 14.5, 13.4, 21.44, 10.344],
'B' :  [ 2.345, 745.5, 12.4, 13.4, 22.35, 10.344  ]})
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
print("")
Core_Dataframe.plot(x ='A', y='B', kind = 'scatter')
plt.show()

输出:

plot() 函数,Pandas DataFrame.plot()语法、参数和相应的示例详解(11)

解释:

  • 在这个例子中,首先制定了核心数据帧。pd.dataframe() 用于制定数据帧。
  • 数据框的每一行都连同它们的列名一起插入。一旦数据框被完全公式化,它就会被打印到控制台上。
  • 本例中使用了典型的浮动数据集。绘制的图形被打印到控制台上。

结论

在本文中,我们可以从上面草拟的示例中注意到,使用 plot() 函数可以非常容易地非常复杂地生成图形。


慕源网 » plot() 函数,Pandas DataFrame.plot()语法、参数和相应的示例详解(11)

常见问题FAQ

程序仅供学习研究,请勿用于非法用途,不得违反国家法律,否则后果自负,一切法律责任与本站无关。
请仔细阅读以上条款再购买,拍下即代表同意条款并遵守约定,谢谢大家支持理解!

发表评论

开通VIP 享更多特权,建议使用QQ登录