首先看官網的DataFrame.plot( )函數

DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False,

sharex=None, sharey=False, layout=None,figsize=None,

use_index=True, title=None, grid=None, legend=True,

style=None, logx=False, logy=False, loglog=False,

xticks=None, yticks=None, xlim=None, ylim=None, rot=None,

xerr=None,secondary_y=False, sort_columns=False, **kwds)

參數詳解如下：

Parameters:

x : label or position, default None#指數據框列的標簽或位置參數

y : label or position, default None

kind : str

‘line' : line plot (default)#折線圖

‘bar' : vertical bar plot#條形圖

‘barh' : horizontal bar plot#橫向條形圖

‘hist' : histogram#柱狀圖

‘box' : boxplot#箱線圖

‘kde' : Kernel Density Estimation plot#Kernel 的密度估計圖，主要對柱狀圖添加Kernel 概率密度線

‘density' : same as ‘kde'

‘area' : area plot#不了解此圖

‘pie' : pie plot#餅圖

‘scatter' : scatter plot#散點圖 需要傳入columns方向的索引

‘hexbin' : hexbin plot#不了解此圖

ax : matplotlib axes object, default None#**子圖(axes, 也可以理解成坐標軸) 要在其上進行繪制的matplotlib subplot對象。如果沒有設置，則使用當前matplotlib subplot**其中，變量和函數通過改變figure和axes中的元素（例如：title,label,點和線等等）一起描述figure和axes，也就是在畫布上繪圖。

subplots : boolean, default False#判斷圖片中是否有子圖

Make separate subplots for each column

sharex : boolean, default True if ax is None else False#如果有子圖，子圖共x軸刻度，標簽

In case subplots=True, share x axis and set some x axis labels to invisible; defaults to True if ax is None otherwise False if an ax is passed in; Be aware, that passing in both an ax and sharex=True will alter all x axis labels for all axis in a figure!

sharey : boolean, default False#如果有子圖，子圖共y軸刻度，標簽

In case subplots=True, share y axis and set some y axis labels to invisible

layout : tuple (optional)#子圖的行列布局

(rows, columns) for the layout of subplots

figsize : a tuple (width, height) in inches#圖片尺寸大小

use_index : boolean, default True#默認用索引做x軸

Use index as ticks for x axis

title : string#圖片的標題用字符串

Title to use for the plot

grid : boolean, default None (matlab style default)#圖片是否有網格

Axis grid lines

legend : False/True/'reverse'#子圖的圖例，添加一個subplot圖例(默認為True)

Place legend on axis subplots

style : list or dict#對每列折線圖設置線的類型

matplotlib line style per column

logx : boolean, default False#設置x軸刻度是否取對數

Use log scaling on x axis

logy : boolean, default False

Use log scaling on y axis

loglog : boolean, default False#同時設置x，y軸刻度是否取對數

Use log scaling on both x and y axes

xticks : sequence#設置x軸刻度值，序列形式（比如列表）

Values to use for the xticks

yticks : sequence#設置y軸刻度，序列形式（比如列表）

Values to use for the yticks

xlim : 2-tuple/list#設置坐標軸的范圍，列表或元組形式

ylim : 2-tuple/list

rot : int, default None#設置軸標簽（軸刻度）的顯示旋轉度數

Rotation for ticks (xticks for vertical, yticks for horizontal plots)

fontsize : int, default None#設置軸刻度的字體大小

Font size for xticks and yticks

colormap : str or matplotlib colormap object, default None#設置圖的區域顏色

Colormap to select colors from. If string, load colormap with that name from matplotlib.

colorbar : boolean, optional #圖片柱子

If True, plot colorbar (only relevant for ‘scatter' and ‘hexbin' plots)

position : float

Specify relative alignments for bar plot layout. From 0 (left/bottom-end) to 1 (right/top-end). Default is 0.5 (center)

layout : tuple (optional) #布局

(rows, columns) for the layout of the plot

table : boolean, Series or DataFrame, default False #如果為正，則選擇DataFrame類型的數據并且轉換匹配matplotlib的布局。

If True, draw a table using the data in the DataFrame and the data will be transposed to meet matplotlib's default layout. If a Series or DataFrame is passed, use passed data to draw a table.

yerr : DataFrame, Series, array-like, dict and str

See Plotting with Error Bars for detail.

xerr : same types as yerr.

stacked : boolean, default False in line and

bar plots, and True in area plot. If True, create stacked plot.

sort_columns : boolean, default False # 以字母表順序繪制各列，默認使用前列順序

secondary_y : boolean or sequence, default False ##設置第二個y軸（右y軸）

Whether to plot on the secondary y-axis If a list/tuple, which columns to plot on secondary y-axis

mark_right : boolean, default True

When using a secondary_y axis, automatically mark the column labels with “(right)” in the legend

kwds : keywords

Options to pass to matplotlib plotting method

Returns:axes : matplotlib.AxesSubplot or np.array of them

1、畫圖圖形

import pandas as pd

from pandas import DataFrame,Series

df = pd.DataFrame(np.random.randn(4,4),index = list('ABCD'),columns=list('OPKL'))

df

Out[4]:

O P K L

A -1.736654 0.327206 -1.000506 1.235681

B 1.216879 0.506565 0.889197 -1.478165

C 0.091957 -2.677410 -0.973761 0.123733

D -1.114622 -0.600751 -0.159181 1.041668

注意一下散點圖scatter是需要傳入兩個Y的columns參數的：

傳入x，y參數

同時畫多個子圖，可以設置 subplot = True

2、注意事項：

- 在畫圖時，要注意首先定義畫圖的畫布：fig = plt.figure( )

- 然后定義子圖ax ，使用 ax= fig.add_subplot( 行，列，位置標)

- 當上述步驟完成后，可以用 ax.plot（）函數或者 df.plot(ax = ax)

- 在jupternotebook 需要用%定義：%matplotlib notebook；如果是在腳本編譯器上則不用，但是需要一次性按流程把代碼寫完；

- 結尾時都注意記錄上plt.show()

到此這篇關于詳解pandas.DataFrame.plot() 畫圖函數的文章就介紹到這了,更多相關pandas.DataFrame.plot( )畫圖內容請搜索python博客以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持python博客！

總結

以上是生活随笔為你收集整理的python怎么画参数函数图像_详解pandas.DataFrame.plot() 画图函数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。