matplotlib Series.plot()---柱狀圖、直方圖、密度圖、線形圖

pandas.Series.plot

Series.plot(kind='line', ax=None, figsize=None, use_index=True, title=None, grid=None, legend=False, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, xerr=None, label=None, secondary_y=False, **kwds)¶

功能：畫柱狀圖、直方圖、密度圖、線形圖

參數：

 

1.柱狀圖(kind='bar')

優點：人眼對高度較敏感，直觀各組數據差異性，強調個體與個體之間的比較
缺點：不適合大量的數據集數據（項數較多）
適用場景：一個維度數據比較、數據單純性展示、排序數據展示
適用數據：數據集不大， 二維數據

from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 雅黑字體
mpl.rcParams['axes.unicode_minus'] = False

import matplotlib.pyplot as plt
fig = plt.figure()
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']   # 雅黑字體
mpl.rcParams['axes.unicode_minus'] = False
fig.set(alpha=0.5)  # 設定圖表顏色alpha參數
data_train.Survived.value_counts().plot(kind='bar')#柱狀圖 plots a bar graph of those who surived vs those who did not. 
plt.title(u"獲救情況 (1為獲救)") # puts a title on our graph
plt.ylabel(u"人數")  

2.柱狀圖(kind='bar')

sns.countplot(x='SibSp',hue='Survived',data=df)

 

多分類累積柱狀圖

3.直方圖(kind='hist')

　　直方圖(histogram)是一種可以對值頻率進行離散化顯示的柱狀圖。數據點被拆分到離散的、間隔均勻的面元中，繪制的是各面元中數據點的數量。

4.密度圖(kind='kde')

data_train.Age[data_train.Pclass == 1].plot(kind = 'kde')
data_train.Age[data_train.Pclass == 2].plot(kind = 'kde')
data_train.Age[data_train.Pclass == 3].plot(kind = 'kde')
plt.xlabel('年齡')
plt.ylabel('密度')
plt.title('各等級的乘客年齡分布')
plt.legend(('頭等艙','二等艙','三等艙'),loc = 'best')

　　

4.線性圖(kind='line')

折線圖分為 直線折線圖和曲線折線圖，直線折線圖一般適用於離散變量，曲線折線圖一般適用於連續變量。
優點：直觀反映數據變化趨勢
缺點：數據集太小時顯示不直觀
適用場景：需要反映變化趨勢，關聯性。
適用數據：時間序列類數據、關聯類數據（如電流跟隨電壓變化而變化）

　　pandas的大部分繪圖方法都有一個可選的ax參數，它可以是一個matplotlib的subplot對象。這是你能夠在網絡布局中更為靈活地處理subplot的位置。DataFrame的plot方法會在一個subplot中為各列繪制一條線，並自動創建圖例

df = pd.DataFrame(np.random.randn(10, 4).cumsum(0), columns=list('ABCD'), index=np.arange(0, 100, 10))
df.plot()
plt.show()

舉例：畫驗證集的學習曲線

5.餅圖（kind='pie'）

優點： 直觀顯示各項占總體的占比，分布情況，強調整個與個體間的比較。
缺點：數據不精細，不適合分類較多的情況
適用場景：一個維度各項指標（一般不超過5個項目）占總體的占比情況，分布情況。（例如：不同狀態下的車輛分布，公司內各個團隊營收收入）
適用數據：具有整體意義的各項相同數據