前面都是某一个或某九个Series绘图。这里将 DataFrame 绘图。

准备工作

使用Numpy包中的randint()方法生成一个随机数组并转换为DataFrame格式，便于接下来的绘图工作。

np.random.seed(666)  # 每次生成的随机数将会是同一个
plot_df = pd.DataFrame(
    np.random.randint(1,10,30).reshape(10,3),
    columns = list('ABC')
)
print(plot_df.shape)
plot_df.head()

折线图

subplots属性会决定是否含有子图，这里为真则展示子图，默认按照数据框的列切分数据。
由于未指定kind，这里默认为line，因此绘制折线图。

plot_df.plot(subplots=True,figsize=(6,6))

横柱形图

plot_df.plot(kind='barh')

柱形图

kind=’bar’是柱形图。
修改stacked属性可以使数据堆叠。

plot_df.plot(kind='bar')

plot_df.plot(kind='bar',stacked=True)

面积图

Kind=’area’是面积图。

plot_df.plot(kind='area')

散点图

kind=’scatter’为散点图，因此需要传入两个列属性名作为参数。

plot_df.plot('A','B',kind='scatter')

饼图

kind=’pie’绘制饼图。
可以通过DataFrame的数据索引机制来更改绘图的数据。

plot_df['A'].plot(kind='pie')

二维直方图

使用正态分布的随机数产生横轴和纵轴的坐标值组合，不同颜色表示不同坐标组合出现的频数。

plot_df2 = pd.DataFrame(np.random.randn(1000, 2), columns=['a', 'b'])
plot_df2.plot.hexbin(x='a', y='b', gridsize=25)
plot_df2.head()