pandas.DataFarme内置的绘图功能参数说明

Posted 2021-12-01 hgz-dm

       可视化是数据探索性分析及结果表达的一种非常重要的形式，因此打算写一个python绘图系列，本文是第一篇，先说一下pandas.DataFrame.plot()绘图功能。

pandas.DataFrame.plot()

       在0.23.4版本的pandas中，pandas.DataFrame.plot()中常用的参数有以下几个

• x：横坐标上的标签，一般是DataFrame中某个column的名称，默认为None
• y：纵坐标上要显示的column，如果不指定column，则默认会绘制DataFrame中所有对象类型为数值型的columns，非数值对象类型的column不显示
• kind：选择图表类型，默认为折线图。可选参数为‘line’(折线图)、‘bar’(柱状图，竖直方向)、‘barh’(柱状图，水平方向)、‘hist’(直方图)、‘box’(箱线图)、‘kde’(核密度估计图)、‘area’(面积图)、‘pie’(饼状图)、‘scatter’(散点图)、‘hexbin’(全成为hexagonal binning，有点类似热点图，用于显示一个区域中点的个数，不过是用正六边形表示数值区域)
• ax：matplotlib中的axes对象(可以理解为子图对象)。在多子图(使用matplotlib的subplots()函数,或者add_subplot()函数时)，可以通过该参数选择在哪个子图上绘制图形。参数默认为None
• subplots：是否单独显示每个columns，默认为False。设置为True时，会将每个columns的数据单独在一个子图中显示
• sharex：仅作用于"subplots"为True时，是否允许所有的子图共用同一个X轴标签。当“ax”为None时，“sharex”默认为True；当“ax”不为None，“sharex”默认为False,此时每一个子图有自己单独的X轴标签。
• sharey：当“ax”不为None或"subplots"为True是，是否允许共用一个Y轴标签，默认为False。
• layout：当“subplots”为True时，用于布置图片显示布局，图片按几行、几列显示，参数为元组。
• figsize：元组类型，设置图片尺寸。
• use_index：是否使用DataFarme的index作为X轴标签，默认为True。当参数“x”不为None时。当DataFrame的index为非数值(包括字符串、datetime等类型)，use_index参数设置无效。
• title：设置图标标题。
• grid：是否显示网格线，默认为False。
• legend：是否显示图例，默认为True，图例就是clolumn的名称。
• style：设置线型，默认为直线。
• xticks：设置X轴上的坐标值，需要数值型序列。
• yticks：同"xticks"，作用于Y轴
• xlim：设置图片中X轴数值刻度显示的区间范围，元祖类型
• ylim：同xlim，作用于Y轴
• rot：X/Y轴上的刻度值显示时候旋转的角度，水平绘图时旋转X轴坐标，竖直绘图时旋转Y坐标
• fontsize：设置X/Y坐标的字体尺寸
• colormap：设置图形显示的颜色，用matplotlib内指定的表示颜色的字符串或者colormap对象指定
• colorbar：是否显示颜色条，仅仅在绘制有颜色条的图形时使用，如‘scatter’、‘henbin’图
• position：仅作用于绘制柱状图时，取值范围[0,1]，用于设置X坐标显示的位置，0表示显示在最左边的柱条处，1表示显示在最右边的柱条处。
• sort_columns：是否允许对columns的名称进行排序、决定绘图顺序
• scondary_y：是否在第二个（一般默认指右边的Y轴）Y轴上绘图，默认为False。该参数还可以传入一个list或tuple，表示指定哪些columns在第二个Y轴上绘图。
• mark_right：当使用第二个Y绘图时，是否允许在图例的右边加上“right”字样，表明是在第二个轴上绘图，默认是True
• **kwds：该参数表明除去以上参数外，你可以传入matplotlib其它的绘图方法

函数返回值： matplotlib.axes.Axes对象，或者包含该对象的numpy.adarray对象

        pandas.DataFarme.plot()绘图功能内部使用的还是matplotlib库的绘图函数，只不过对DataFarme结构来说，DataFarme.plot()用起来显得方便一些，如果对图形做更深层次的自定义，还是用matplotlib绘图更合适一些，可以对更多参数进行设置。

        另外需要说明的是，可以通过“kind”参数选择绘制各种类型的图形，但也可以采用DataFrame.plot().bar()（柱状图）这种形式，然后再去设置这种图形绘制时的参数，一般建议采用DataFrame.plot.bar()形式。