plot(logy=True); 多个Y轴 使用secondary_y=True 可以绘制多个Y轴数据: 代码语言:javascript 复制 In [125]: plt.figure(); In [126]: ax = df.plot(secondary_y=["A", "B"]) In [127]: ax.set_ylabel("CD scale"); In [128]: ax.right_ax.set_ylabel("AB scale"); 小图标上面默认会...
time_df.plot(x="year", y="readings", figsize=(9,9)); 保存绘图 如果要保存图片供以后使用,两步就可以轻松解决:首先用plot.get_figure,然后用figure.savefig("filename")。图片可以保存为多种常见的文件格式,例如png、jpeg和pdf。 my_plot = time_df.plot(x="year", y="readings", figsize=(9,9)...
df.plot(x, y, kind, figsize, title, grid, legend, style) x 只有dataframe对象时,x可用。横坐标 y 同上,纵坐标变量 kind 可视化图的种类,如下: | - 'bar' : vertical bar plot | - 'barh' : horizontal bar plot | - 'hist' : histogram | - 'box' : boxplot | - 'kde' : Kernel Dens...
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(l...
fig = plt.figure() left, bottom, width, height = 0.1, 0.1, 0.8, 0.8 ax1 = fig.add_axes([left, bottom, width, height]) ax1.plot(df1['sepal_length'], 'r') ax1.set_title('area区域') # 第二块区域 left, bottom, width, height = 0.2, 0.6, 0.25, 0.25 ...
9. Pandas高级教程之:plot画图详解简介python中matplotlib是非常重要并且方便的图形化工具,使用matplotlib可以可视化的进行数据分析,今天本文将会详细讲解Pandas中的matplotlib应用。基础画图要想使用matplotlib,我们需要引用它:In [1]: import matplotlib.pyplot as plt 假如...
1)首先定义画图的画布:fig = plt.figure( ) 2)然后定义子图ax ,使用 ax= fig.add_subplot( 行,列,位置标) 3)用 ax.plot( )函数或者 df.plot(ax = ax) 4)结尾加plt.show() 1、 plt.subplot(2,1,1) plt.plot(x, y) 2、 fig, (ax0, ax1) = plt.subplots(nrows=2,ncols=1, figsize=...
fig= plt.figure()#新建画布ax1 = fig.add_subplot(2,1,1)#选择子画布df.plot(ax=ax1)#在子画布上画图 返回值 matplotlib.axes.Axes或者 多个Axes的ndarray 通过这个返回值,我们可以对具体子图进行操作(如果通过subplots参数引入了话)。 假设我们有5列,并通过subplots参数将这5列单独绘制出来,那么就能用ax[i...
In [126]: ax = df.plot(secondary_y=["A", "B"]) In [127]: ax.set_ylabel("CD scale"); In [128]: ax.right_ax.set_ylabel("AB scale"); 小圖示上面預設會新增right字樣,想要去掉的話可以設定mark_right=False: In [129]: plt.figure(); ...
plt.figure "和 "plt.plot "中的一些参数在 pandas 的 "plot "接口中可用: df.plot(figsize=(16,9),title='Bitcoin Price 2017-2018') image.png 更具挑战性的解析 为了演示如何将两列数据绘制在一起,我们将尝试把某种虚拟币价格添加到我们的dfDataFrame 中。以太币价格数据可以在data/eprice.csv文件中找...