使用pandas.DataFrame的plot方法绘制图像会按照数据的每一列绘制一条曲线,默认按照列columns的名称在适当的位置展示图例,比matplotlib绘制节省时间,且DataFrame格式的数据更规范,方便向量化及计算。 DataFrame.plot( )函数: DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None, share...
df.plot.scatter('tempmax','tempmin') #df[['tempmax','tempmin']].plot.scatter('tempmax','tempmin') plt.show() 散点图示例 scatter方法两个变量是必选参数,正如散点图表示两变量间的可能关系的度量。 5.2 使用使用dataframe的plot方法 使用dataframe的plot方法,并将方法中的kind='scatter' 参数值。...
s.plot#Series对象的索引index会传给matplotlib用作绘制x轴。 <matplotlib.axes._subplots.AxesSubplot at 0xf553128> df = pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D']) df.plot#plot会自动为不同变量改变颜色,并添加图例 <matplotlib.axes._subplots.AxesSubplot at 0xf4...
seaborn主要利用scatterplot和regplot绘制散点图,可以通过seaborn.scatterplot和seaborn.regplot了解更多用法 修改参数 importseabornassnsimportmatplotlib.pyplotaspltimportnumpyasnpsns.set(font='SimHei',font_scale=0.8,style="darkgrid")# 解决Seaborn中文显示问题# 导入数据df=sns.load_dataset("iris")# 构造子图fi...
也可以使用DataFrame.plot方法创建这些其他绘图而不是提供kind关键字参数。这使得更容易发现绘图方法及其使用的特定参数: df.plot.area df.plot.barh df.plot.density df.plot.hist df.plot.line df.plot.scatter df.plot.bar df.plot.box df.plot.hexbin df.plot.kde df.plot.pie ...
data.iris() # iris is a pandas DataFrame fig = px.scatter(df, x="sepal_width", y="sepal_length") fig.show() Seaborn code 代码语言:javascript 代码运行次数:0 运行 AI代码解释 import seaborn as sns tips = sns.load_dataset("tips") sns.scatterplot(data=tips, x="total_bill", y="...
‘scatter’ : scatter plot#散点图 需要传入columns方向的索引 ‘hexbin’ : hexbin plot#不了解此图 ax : matplotlib axes object, default None#**子图(axes, 也可以理解成坐标轴) 要在其上进行绘制的matplotlib subplot对象。如果没有设置,则使用当前matplotlib subplot**其中,变量和函数通过改变figure和axes...
表9-3 Series.plot方法的参数 pandas的大部分绘图方法都有一个可选的ax参数,它可以是一个matplotlib的subplot对象。这使你能够在网格布局中更为灵活地处理subplot的位置。 DataFrame的plot方法会在一个subplot中为各列绘制一条线,并自动创建图例(如图9-14所示): 代码语言:javascript 代码运行次数:0 运行 AI代码解释...
df.plot(y='水位')plt.show()3 用两幅上下子图的形式来分别绘制 df.plot(subplots=True,figsize=(8,6))plt.legend(loc='best')4 这里如果对流量和水位按照站点的类别进行分类显示，统计站点A和站点B他的水位流量情况，这里就体现了DataFrame的优势了：df_piv1 = pd.pivot_table(df,index=df.index,columns...
如果你的数据已经存储在 Pandas DataFrame 中，不需要导入其他库，直接调用 .plot() 方法即可快速生成图表。python 复制代码 import pandas as pd # 创建数据 data = { "月份": ["一月", "二月", "三月", "四月"], "销售额": [2000, 3000, 2500, 4000] } df = pd.DataFrame(data) # 绘制柱状图 ...