Pandas所有plot的kind样式

每种 kind 类型的 plot() 方法的示例代码，每个示例都展示了一种不同的绘图方式。

---

1. bar - 垂直柱状图

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

data = pd.DataFrame({'Category': ['A', 'B', 'C'], 'Values': [10, 20, 15]})
data.set_index('Category', inplace=True)

data.plot(kind='bar', color='skyblue')
plt.title("Bar Plot")
plt.show()

效果：显示 A、B、C 三个类别的值，以垂直柱状图呈现。

---

2. barh - 水平柱状图

data.plot(kind='barh', color='green')
plt.title("Horizontal Bar Plot")
plt.show()

效果：与 bar 类似，但方向变为水平。

---

3. hist - 直方图

data_hist = pd.DataFrame({'Values': np.random.randn(1000)})  # 生成 1000 个随机数
data_hist.plot(kind='hist', bins=30, color='purple', alpha=0.7)
plt.title("Histogram")
plt.show()

效果：展示数据分布情况，通常用于查看数据集中值的分布模式。

---

4. box - 箱型图

data_box = pd.DataFrame({'A': np.random.randn(50), 'B': np.random.randn(50) + 2})
data_box.plot(kind='box')
plt.title("Box Plot")
plt.show()

效果：展示数据的四分位数、异常值和中位数情况。

---

5. kde（或 density）- 核密度估计图

data_kde = pd.DataFrame({'Values': np.random.randn(1000)})
data_kde.plot(kind='kde', color='red')
plt.title("KDE Plot")
plt.show()

效果：显示数据的概率密度，适用于观察数据的分布趋势。

---

6. area - 面积图

data_area = pd.DataFrame({'A': np.random.rand(10), 'B': np.random.rand(10)}, index=range(1, 11))
data_area.plot(kind='area', alpha=0.5)
plt.title("Area Plot")
plt.show()

效果：类似折线图，但填充了颜色，适合展示不同系列之间的对比。

---

7. pie - 饼图

data_pie = pd.Series([10, 20, 30], index=['A', 'B', 'C'])
data_pie.plot(kind='pie', autopct='%1.1f%%', colors=['blue', 'orange', 'green'])
plt.title("Pie Chart")
plt.ylabel("")  # 隐藏默认的 y 轴标签
plt.show()

效果：显示各部分占比，适用于展示比例关系。

---

8. scatter - 散点图

data_scatter = pd.DataFrame({'X': np.random.rand(50), 'Y': np.random.rand(50)})
data_scatter.plot(kind='scatter', x='X', y='Y', color='blue')
plt.title("Scatter Plot")
plt.show()

效果：用于展示两个变量之间的关系，常见于回归分析。

---

9. hexbin - 六边形箱图

data_hexbin = pd.DataFrame({'X': np.random.randn(1000), 'Y': np.random.randn(1000)})
data_hexbin.plot(kind='hexbin', x='X', y='Y', gridsize=25, cmap='Blues')
plt.title("Hexbin Plot")
plt.show()

效果：适用于大数据量散点分布，通过颜色深浅显示点的密度。

---

这些示例涵盖了 pandas 支持的各种常见图表类型，具体选择哪种取决于数据特点和分析需求。