本节主要讲述如何把pandas中的数据用图表的方式显示在屏幕上，有点类似在excel中显示图表。
安装matplotlib
为了能够显示图表，首先需要安装matplotlib库，安装方法如下：
pip3 install matplotlib
显示图表
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 产生1000个随机数
data = pd.Series(np.random.rand(1000))
# 画图表
data.plot()
# 显示图表
plt.show()
在上面的代码中，我们首先创建1000个随机数序列点，然后对这1000个点进行画图表，最后调用plt.show()显示图表。
显示的结果为：
在matplotlib中，如果想要显示图表，需要使用plt.plot()函数，但在pandas中，我们只要对序列数据调用plot()函数就能显示其所拥有的数据，是不是很简单。
显示矩阵数据
显示矩阵中的数据，就会把每列当做一个数据序列进行显示，例如：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 产生1000个4列正态分布的随机数
data = pd.DataFrame(np.random.randn(1000, 4))
# 对其中的数据进行累加，目的是为了能够使例子中显示的曲线有上升波动效果
data = data.cumsum()
# 打印出前几行的数据，方便我们调试其中的数据值
print(data.head())
# 画图表
data.plot()
# 显示图表
plt.show()
其中显示的头几行数据值为：
0 1 2 3
0 0.596323 0.195563 0.037300 0.900385
1 0.186813 2.217155 0.516096 0.623348
2 1.147338 2.362926 2.597531 0.960079
3 1.571033 2.910459 0.947950 0.609487
4 1.783988 3.702685 -0.358119 2.341726
显示的图表为：
还是挺漂亮的图表，有点像股市走势图。：）
只是其中的0,1,2,3这几个列名不大好看，我们可以修改产生数据集中的列名，这样，在显示图表时就能按照数据集中的列名进行显示了。
比如，我们想修改数据集中的列名显示为A、B、C、D：
data = pd.DataFrame(np.random.randn(1000, 4), columns=list("ABCD"))
这样显示为：
显示散点图
可以用scatter()函数来显示散点图，但其使用方式跟显示图表的有点不一样，主要是此函数是在plot属性中的方法，需要注意一下：
data.plot.scatter(x=\'A\', y=\'B\')
完整的代码为：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 产生1000个4列正态分布的随机数
data = pd.DataFrame(np.random.randn(1000, 4), columns=list("ABCD"))
# 打印出前几行的数据，方便我们调试其中的数据值
print(data.head())
# 显示散点图
data.plot.scatter(x=\'A\', y=\'B\')
# 显示图
plt.show()
显示图为：
在scatter函数中还可以添加额外的属性，比如可以通过color来指定颜色，通过label来指定标签，我们来看一下：
data.plot.scatter(x=\'A\', y=\'B\', color=\'DarkBlue\', label="Class 1")
显示的图为：
如果我们想要在一张图中再画一下另一个散点图，比如，在上面这个例子中，我们已经显示了横坐标是A纵坐标是B的散点图，现在我们还想把横坐标是A，纵坐标是C的数据也显示在其中，该怎么进行呢？
# 显示散点图
pic1 = data.plot.scatter(x=\'A\', y=\'B\', color=\'DarkBlue\', label="Class 1")
data.plot.scatter(x=\'A\', y=\'C\', color=\'DarkGreen\', label=\'Class2\', ax=pic1)
# 显示图
plt.show()
图片显示为：
更多图形
更多的图形还有：条形图， 直方图， 盒须图， 饼图等，相应的函数名有：bar, hist, box, kde, area, hexbin, pie等（前面不是一一对应的，有兴趣的读者可以自己去试试看。）