使用 Python 进行数据可视化

使用 Python 进行数据可视化

使用 Pandas 进行 Matplotlib 绘图

图表类型	描述	Pandas 函数	示例
折线图	显示随时间变化的趋势和变化	DataFrame.plot.line() 或 DataFrame.plot(kind='line')	df.plot(x='year', y='sales', kind='line')
面积图	显示数据系列之间的关系，以填充区域呈现	DataFrame.plot.area() 或 DataFrame.plot(kind='area')	df.plot(kind='area')
直方图	显示数据在各个区间（箱）内的频数分布	Series.plot.hist() 或 Series.plot(kind='hist', bins=n)	s.plot(kind='hist', bins=10)
条形图	通过矩形条形显示数据	DataFrame.plot.bar() 或 DataFrame.plot(kind='bar')	df.plot(kind='bar')
饼图	以圆形分片显示数据比例	Series.plot.pie() 或 DataFrame.plot.pie(y, labels)	df.plot(x='Category', y='Percentage', kind='pie')
箱型图	展示数据的分布及关键统计指标	DataFrame.plot.box() 或 DataFrame.plot(kind='box')	df_can.plot(kind='box')
散点图	通过笛卡尔坐标系展示两个变量的关系	DataFrame.plot.scatter() 或 DataFrame.plot(x, y, kind='scatter')	df.plot(x='Height', y='Weight', kind='scatter')

---

直接使用 Matplotlib 进行绘图

绘图类型	描述	Matplotlib 函数	示例
折线图	显示趋势和随时间变化的情况	plt.plot()	plt.plot(x, y, color='red', linewidth=2)
区域图	显示填充区域的变化趋势	plt.fill_between()	plt.fill_between(x, y1, y2, color='blue', alpha=0.5)
直方图	显示数据的频数分布	plt.hist()	plt.hist(data, bins=10, color='orange', edgecolor='black')
条形图	通过矩形条展示数据	plt.bar()	plt.bar(x, height, color='green', width=0.5)
饼图	显示数据的比例或百分比	plt.pie()	plt.pie(sizes, labels=labels, colors=colors, explode=explode)
箱型图	显示数据的分布及统计特征	plt.boxplot()	plt.boxplot(data, notch=True)
散点图	通过点显示两个变量之间的关系	plt.scatter()	plt.scatter(x, y, color='purple', marker='o', s=50)
子图	在一个图形中创建多个子图	plt.subplots()	fig, axes = plt.subplots(nrows=2, ncols=2)
自定义	自定义绘图（标题、标签、图例、网格）	plt.title() plt.xlabel() plt.ylabel() plt.legend() plt.grid()	plt.title('标题') plt.xlabel('X 轴') plt.ylabel('Y 轴') plt.legend() plt.grid(True)

这样整理后，内容更清晰，查找更方便！🚀