pandas plot函数:数据可视化的快捷通道

一般来说,我们先用pandas分析数据,然后用matplotlib之类的可视化库来显示分析结果。而pandas库中有一个强大的工具--plot函数,可以使数据可视化变得简单而高效。

1. plot 函数简介

plot函数是pandas中用于数据可视化的一个重要工具,通过plot函数,可以轻松地将DataFrameSeries对象中的数据以图形的形式展示出来。

plot函数支持多种类型的图形,包括折线图、柱状图、散点图、饼图等,这些不同类型的图形适用于不同的数据分析场景。此外,plot函数还支持通过参数设置来调整图形的样式,如颜色、标签、图例等,以满足更加个性化的可视化需求。

plot函数的参数名称和含义了matplotlib绘图时的参数是类似的,如果熟悉matplotlib绘图的话,上手更快。

2. 数据准备

下面的示例中使用的数据采集自A股2024年1月和2月的真实交易数据。数据下载地址:++https://databook.top/。++

导入数据:

复制代码
import pandas as pd
import matplotlib.pyplot as plt

fp = r'D:\data\2024\历史行情数据-不复权-2024.csv'

df = pd.read_csv(fp)
df = df.loc[:, ["股票代码", "日期", "开盘", "收盘", "最高", "最低", "成交量"]]
df

3. 使用示例

针对上面的交易数据,下面演示如何用plot函数快速绘图。

3.1. 折线图

折线图一般用于展示时间序列数据,可以提取某一支股票的数据并绘制出来。

复制代码
# 提取870299这支股票
data = df.query("股票代码==870299")
data.index = data["日期"]

# 绘制每天最高价和最低价的曲线
data.loc[:, ["最高", "最低"]].plot(kind="line", title="股票870299", rot=45)
plt.show()

代码中有几个注意点:

  1. data.index = data["日期"]plot函数将索引列 作为横轴 ,所以这里设置日期列 为索引(index

  2. kind参数:设置图形的类型,这里设置line,表示折线图

  3. title参数:设置图形的标题

  4. rot参数:调整刻度的角度,这里将X轴 的刻度旋转了45度,防止日期之间的重叠

3.2. 柱状图

柱状图 多用于比对数据,下面我们用pandas挑选几支股票,然后比对它们的开盘价收盘价的平均值。

复制代码
# 随便挑选一些股票代码
codes = [870299, 301138, 603825, 600579, 600640]
data = df.loc[:,["股票代码", "开盘", "收盘"]].query("股票代码==@codes")

# groupby之后,绘制各个股票开盘价和收盘价的平均值
data.groupby(by=["股票代码"]).mean().plot(kind="bar")
plt.show()

代码中的注意点:

  1. kind参数:设置图形的类型,这里设置bar,表示柱状图

  2. groupby之后,**"股票代码"**变为索引列,所以绘图时作为横轴

如果要绘制横向的柱状图,只要把kind参数设置成barh即可。

复制代码
data.groupby(by=["股票代码"]).mean().plot(kind="barh")

3.3. 饼图

饼图 是另一种比较数据的方式,它可以比较数据之间的占比,更好的看出各种数据的分布情况。下面也随机挑选一些股票,用饼图 比较它们的成交量情况。

复制代码
codes = [870299, 301138, 603825, 600579, 600640]
data = df.loc[:,["股票代码", "成交量"]].query("股票代码==@codes")

data.groupby(by=["股票代码"]).sum()["成交量"].plot(kind="pie", autopct="%1.1f%%")
plt.show()

代码中的注意点:

  1. kind参数:设置图形的类型,这里设置饼图pie,表示饼图

  2. autopct参数:各个区域所占百分比的显示方式

3.4. 其他...

除了上面常用的图形,plot函数还支持其他多种图形,其kind参数目前支持的图形包括:

  • line : 折线图

  • bar : 柱状图

  • barh : 横向柱状图

  • hist : 直方图

  • box : 箱型图

  • kde : 核密度估计图

  • area : 面积图

  • pie : 饼图

  • scatter : 散点图

  • hexbin : 六边形箱图

4. 总结

总的来说,plot函数为数据分析师提供了一个强大而灵活的数据可视化工具。通过plot函数,我们可以快速地将数据转化为直观的图形,从而更好地理解数据的分布、趋势和关系。这种直观的理解有助于我们发现数据中的潜在模式,进而做出更加准确和有效的决策。

无论是初学者还是资深的数据分析师,都可以通过掌握plot函数来提升自己的数据分析能力。

文章转载自: ++wang_yb++

原文链接: https://www.cnblogs.com/wang_yb/p/18061435

体验地址: 引迈 - JNPF快速开发平台_低代码开发平台_零代码开发平台_流程设计器_表单引擎_工作流引擎_软件架构

相关推荐
穆易青4 小时前
2025.04.23【探索工具】| STEMNET:高效数据排序与可视化的新利器
python·信息可视化·数据分析·ordering·visualisation
云天徽上7 小时前
【数据可视化-22】脱发因素探索的可视化分析
人工智能·机器学习·信息可视化·分类
Guheyunyi1 天前
安全调度系统:安全管理的智能中枢
运维·安全·信息可视化·数据挖掘·数据分析
海天一色y1 天前
matlab设置不同颜色的柱状图
matlab·信息可视化
wisdom_zhe1 天前
DeepSeek和Excel结合生成动态图表
爬虫·信息可视化·excel
满怀10151 天前
【Python进阶】数据可视化:Matplotlib从入门到实战
python·信息可视化·数据分析·matplotlib·数据可视化
穆易青1 天前
2025.04.18|【Map】地图绘图技巧全解
信息可视化
rgb2gray1 天前
基于LightGBM-TPE算法对交通事故严重程度的分析与可视化
信息可视化·数据挖掘·数据分析
八了个戒2 天前
「数据可视化 D3系列」入门第十章:饼图绘制详解与实现
前端·javascript·信息可视化·数据可视化·canvas·d3
CodeJourney.2 天前
Python数据可视化领域的卓越工具:深入剖析Seaborn、Plotly与Pyecharts
人工智能·算法·信息可视化