【python数据分析】用python进行数据探索2（常见matplotlib及pandas绘图函数汇总、对比及拓展）
| 绘图函数 | 绘图函数功能 | 所属工具箱 |
| plot() | 折线图 | matplotlib/pandas |
| pie() | 饼图 | matplotlib/pandas |
| hist() | 直方图 | matplotlib/pandas |
| boxplot() | 箱型图 | matplotlib/pandas |
| plot(logy=True) | y轴的对数图形 | pandas |
| plot(yerr=error) | 误差条形图 | pandas |
1. plot
matplotlib.pyplot.plot使用实例：
import numpy as np
x = np.linspace(0.5, 10, 1000)
y = np.sin(x)
z = np.cos(x)
plt.plot(x, y, ls='-', lw=2, label='sin', color='b')
plt.plot(x, z, ls='-', lw=2, label='cos', color='red')
plt.legend()
plt.xlabel('independent variable')
plt.ylabel('dependent variable')
plt.show()结果如图：
如果将两条线分开：
plt.subplot(2,1,1) #添加子图
plt.plot(x, y, ls='-', lw=2, label='sin', color='b')
plt.legend() #加上图例
plt.subplot(2,1,2)
plt.plot(x, z, ls='-', lw=2, label='cos', color='red')
plt.legend()
plt.show()结果如下：
注意！！pandas中plot用法跟上面是不一样的
如果想用pandas中的plot绘制上面的图像用以下代码：
test_dict = {'sin':y,'cos':z}
line = pd.DataFrame(test_dict,index=x)
line.plot(colormap='RdBu') #或者用line.plot.line(colormap='RdBu')
line.plot.line(subplots=True,colormap='RdBu')这篇文章讲了matplotlib和pandas的一些绘图区别，可以参考：
【matplotlib绘图】Pandas绘图与matplotlib绘图的关联及异同_Room221技术笔记-CSDN博客_pandas和matplotlib区别z
这篇文章更详细的讲了matplotlib中plot的绘图方法：
Python--Matlibplot画图功能演示_叶小刀-CSDN博客_plot python
更多pandas中plot的绘图方法：
pandas.DataFrame.plot( )参数详解_h_hxx的博客-CSDN博客_df.plot()
关于Matplotlib 多子图绘制：
Matplotlib 多子图绘制 - 知乎
2. pie
matplotlib中的饼图
import matplotlib.pyplot as plt
# The slices will be ordered and plotted counter-clockwise.
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs' # 定义标签
sizes = [15, 30, 45, 10] # 每一块的比例
colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral'] # 每一块的颜色
explode = (0, 0.1, 0, 0) # 突出显示，这里仅仅突出显示第二块（即'Hogs'）
plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True, startangle=90)
plt.axis('equal') # 显示为圆（避免比例压缩为椭圆）
plt.show()得到结果：
pandas中pie():
test_dict = {'animal':[15, 30, 45, 10]}
line = pd.DataFrame(test_dict,index=['Frogs', 'Hogs', 'Dogs', 'Logs'])
line.plot.pie(subplots=True,
figsize=(10, 8),
autopct='%.2f%%',
radius = 1,
startangle = 250, #设置饼图初始角度
legend=False,
colormap='viridis' #设置颜色
)3. hist
matplotlib中的hist：
import matplotlib.pyplot as plt
import numpy as np
x = np.random.randn(1000) # 1000个服从正态分布的随机数
plt.hist(x, 10) # 分成10组进行绘制直方图
plt.show()结果如图：
pandas中的hist：
df = pd.DataFrame({'a': np.random.randn(1000) + 1,
'b': np.random.randn(1000),
'c': np.random.randn(1000) - 1},
columns=['a', 'b', 'c'])
df.hist(bins=4)
df.plot.hist(alpha=0.5)结果可以发现df.hist和df.plot.hist有区别
多种hist绘图方法可以参考：
Pandas中，画直方图Hist 的四种方法,以及其他绘图_Elvirangel的博客-CSDN博客_df.hist
4. boxplot
matplotlib中的箱线图
plt.figure(figsize=(5,5))#设置画布的尺寸
plt.title('boxplot',fontsize=20)#标题，并设定字号大小
x = np.random.randn(1000) # 1000个服从正态分布的随机数
D = pd.DataFrame([x, x+1]).T # 构造两列的DataFrame
labels = '0','1', #图例
plt.boxplot([D[0], D[1]], labels = labels)#grid=False：代表不显示背景中的网格线
plt.show()#显示图像pandas中的箱线图：
import numpy as np
import pandas as pd
x = np.random.randn(1000) # 1000个服从正态分布的随机数
D = pd.DataFrame([x, x+1]).T # 构造两列的DataFrame
D.plot(kind = 'box') # 调用Series内置的绘图方法画图，用kind参数指定箱型图box得到的结果：
matplotlib中箱线图更多用法：
Matplotlib - 箱线图、箱型图 boxplot () 所有用法详解_Not Found黄小包-CSDN博客_matplotlib箱线图
5. plot(logx=True)/plot(logy=True)
对x轴或者y轴使用对数刻度
x = pd.Series(np.exp(np.arange(20))) # 原始数据
plt.figure(figsize = (8, 9)) # 设置画布大小
ax1 = plt.subplot(2, 1, 1)
x.plot(label = u'原始数据图', legend = True)
ax1 = plt.subplot(2, 1, 2)
x.plot(logy = True, label = u'对数数据图', legend = True)
plt.show()结果如下：
6. plot(yerr=error)
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
import numpy as np
import pandas as pd
error = np.random.randn(10) # 定义误差列
y = pd.Series(np.sin(np.arange(10))) # 均值数据列
y.plot(yerr = error) # 绘制误差图
plt.show()结果如下：
matplotlib中也有绘制误差棒的函数errorbar可以参考我之前的文章用matplotlib画带有误差棒的三维数据散点图（第三维连续变量属性用节点颜色和大小表示）——python_阿丢是丢心心的博客-CSDN博客