用python处理数据（六）——matplotlib绘图入门

直线图

import numpy as np
import matplotlib.pyplot as plt

# 用linspace()函数指定横坐标，同时规定起点和终点分别为0和2
x=np.linspace(0,20)

# 实线
plt.plot(x,.5+x)
# 虚线
plt.plot(x,1+2*x,'--')

# 展示
plt.show()

对数图

对数图分为半对数图和双对数图。
半对数图：一个坐标轴采用线性标度，另一个坐标轴使用对数刻度，对应的函数是semilogx()函数和semilogy()函数
双对数图： 两个坐标轴都采用对数刻度，对应的函数是matplotlib.pyplot.loglog()函数
我随便编辑了一个CSV文档来举例

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

df=pd.read_csv(r'Desktop\test.csv')
years=df.index.values
counts=df['counts'].values
# polyfit函数是用于进行曲线拟合的一个函数
poly=np.polyfit(years,np.log(counts),deg=1)
print("poly",poly)
# 绘制图像
plt.semilogy(years,counts,'o')
plt.semilogy(years,np.exp(np.polyval(poly,years)))
plt.show()

折线图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 一条折线
s=pd.Series(np.random.randn(10),index=np.arange(0,100,10))
s.plot()
plt.show()

# 多条折线
df=pd.DataFrame(np.random.randn(10,3).cumsum(0),columns=['A','B','C'],index=np.arange(0,100,10))
df.plot()
plt.show()

柱状图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 一组数据
data=pd.Series(np.random.rand(6),index=list('abcdef'))

# kind参数为bar时代表垂直柱状图
data.plot(kind='bar',color='r',alpha=1)
plt.show()

# kind参数为barh时代表水平柱状图
data.plot(kind='barh',color='r',alpha=1)
plt.show()

或者：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

data = pd.Series(np.random.randn(6), index=list('abcdef'))

data.plot(kind='bar', color='r', alpha=1)
plt.show()

data.plot(kind='barh', color='r', alpha=1)
plt.show()

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 多组数据
df=pd.DataFrame(np.random.rand(6,4),index=['a','b','c','d','e','f'],columns=pd.Index(['one','two','three','four'],name='Test'))

df.plot.bar()
plt.show()

df.plot.barh(stacked=True,alpha=1)
plt.show()

参数stacked=True代表堆积，垂直的也可以堆积

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

df=pd.DataFrame(np.random.rand(6,4),index=['a','b','c','d','e','f'],columns=pd.Index(['one','two','three','four'],name='Test'))

df.plot(kind='bar',stacked=True)
plt.show()