在進行數據分析時，繪圖是必不可少的模式探索方式。用Python進行數據分析時，matplotlib和pandas是最常用到的兩個庫。

1、matplotlib庫的應用

準備工作如下：打開ipython，輸入命令分別導入numpy和matplotlib.pylab庫。

importnumpy?as?np

importmatplotlib.pylab?as?plt

1)創建fig

繪圖第一步是創建繪圖窗口fig。

fig1?=?plt.figure()

2)創建subplot

在窗口上添加AxesSubplot類型的子繪圖區域，一個窗口可以添加多個子繪圖區。

ax1?=?fig1.add_subplot(2,2,1)

ax4?=?fig1.add_subplot(2,2,4)

3)subplot中繪圖

調用子繪圖區的方法，可以繪制點線圖、頻數圖、散點圖等常用圖形。

注意：在同一個subplot中多次調用plot()，所得到的圖形是相互覆蓋的。

ax1.plot(np.random.randn(50).cumsum(),'k--')

ax4.hist(np.random.randn(30))

4)各類參數設置

主要關注以下幾種方法：set_xlims設置坐標軸的上下限、set_ticks設置坐標刻度、set_ticklabel設置坐標標注。

ax1.set_xlim(-10,60)

ax1.set_xticks([0,20,40,60])

ax1.set_xticklabels(['a','b','c','d'])

5)清除和保存圖形

用subplot的clear()方法可以清除現有的圖形，用figure的savefig()保存圖形到指定路徑。

ax1.clear()

#windows下的路徑

fig1.savefig(‘.\\test.jpg’)

2、pandas庫的應用

相比于利用matplotlib庫繪圖，采用pandas繪圖要便捷得多。參照前一部分，同樣需要導入pandas、numpy庫。

importpandas?as?pd

frompandasimportSeries,DataFrame

importnumpy?as?np

1)plot方法及參數

對于Series和DataFrame類型的數據，可以直接調用兩種類型對應的plot方法，繪圖時自動采用索引值繪制橫坐標，采用每一列數據繪制縱坐標。這里分別以兩類數據為例。

se1?=?Series(np.random.randn(30).cumsum())

df?=?DataFrame({'a':np.random.randn(30),'b':np.random.randn(30)})

參數設置很方便，在plot()方法參數列表中添加相應參數值即可。常用的有：類型kind可設置為line(線圖)、bar(垂直柱狀圖)、barh(水平柱狀圖)、kde(核密度估計圖)，另外還有color顏色設置、linestyle線型設置、alpha設置透明度、grid設置網格等。

se1.plot(kind?='bar',?color?='g',?alpha?=0.5,?grid=True)

df.plot(kind?=?'bar',?alpha=0.5)

2)頻數圖、散點圖

頻數圖采用hist繪制即可，單幅的散點圖還得依靠matplotlib庫，但pandas提供多幅散點圖矩陣的快速繪圖方法。

se1.plot(kind?='bar',?color?='g')

#對角線上圖形設置為核密度圖

pd.scatter_matrix(df,?diagonal='kde')

3)清除和保存圖形

有時候，我們希望清除掉當前圖形或者干脆關閉繪圖窗口。可以采用figure的clear()方法清除圖形，采用matplotlib.pylab的close()方法則能夠直接關閉圖形窗口。

df.plot()

#清除繪圖

_.get_figure().clear()

#關閉窗口

plt.close()

3、python繪圖的未來 Python同時具備強大的數據分析功能和Web開發功能，未來繪圖的趨勢將是更加緊密的聯系數據分析和Web發布功能，所有繪制的圖形應當能夠方便的在網頁上發布。數據分析人員和網頁開發人員的工作耦合將會更加緊密。

總結

以上是生活随笔為你收集整理的python绘图模块pandas_python绘图：matplotlib和pandas的应用的全部內容，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。