Matplotlib 是众多 Python 可视化包的鼻祖，也是Python最常用的标准可视化库，其功能非常强大，但学起来有时候也较为复杂。其实，Pandas自身就有内建的可视化工具，它的 plot() 方法可以快速方便地将 Series 和 DataFrame 中的数据进行可视化。

基本用法

plot 默认为折线图，折线图也是最常用和最基础的可视化图形，足以满足我们日常 80% 的需求：

df.plot()
s.plot()

我们可以在 plot 后增加调用来使用其他的图形，当然这些图形对数据结构也有自己的要求：

df.plot.line() # 折线的全写方式
df.plot.scatter() # 散点图
df.plot.bar() # 柱状图
df.plot.barh() # 横向柱状图 （条形图）
df.plot.hist() # 直方图
df.plot.box() # 箱形图
df.plot.pie() # 饼图

Series Plot绘图

Series 使用 plot 时 x 轴为索引，y 轴为索引对应的具体值：

import pandas as pd
import numpy as np
ts = pd.Series(np.random.randn(20),
               index=pd.date_range('1/1/2000', periods=20))
ts.plot()

输出结果： image.png

DataFrame Plot 绘图

DataFrame 使用 plot 时 x 轴为索引，y 轴为索引对应的多个具体值：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(6, 4),
                  index=pd.date_range('1/1/2000', periods=6),
                  columns=list('ABCD'))
df.plot()

输出结果： image.png

指定DataFrame中的某些数据进行绘制

DataFrame 在绘图时可以指定 x 和 y 轴的列：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(6, 4),
                  index=pd.date_range('1/1/2000', periods=6),
                  columns=list('ABCD'))
df3 = pd.DataFrame(np.random.randn(1000, 2), columns=['B', 'C']).cumsum()
df3['A'] = pd.Series(list(range(len(df))))
df3.plot(x='A', y='B') # 指定 x 和 y 轴内容

输出结果： image.png

如果 y 轴需要多个值，可以传入列表：

df3.plot(x='A', y=['B','C'])

输出结果：

image.png