数据分析-Pandas的直接用Matplotlib绘图

数据分析和处理中，难免会遇到各种数据，那么数据呈现怎样的规律呢？不管金融数据，风控数据，营销数据等等，莫不如此。如何通过图示展示数据的规律？

数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。数据分析过程中重新调整，重塑数据表是很重要的技巧，此处选择Titanic数据，以及巴黎、伦敦欧洲城市空气质量监测 N O 2 NO_2 NO2数据作为样例。

数据分析

数据分析-Pandas如何转换产生新列

数据分析-Pandas如何统计数据概况

数据分析-Pandas如何轻松处理时间序列数据

数据分析-Pandas如何选择数据子集

数据分析-Pandas如何重塑数据表-CSDN博客

本文用到的样例数据：

Titanic数据

空气质量监测 N O 2 NO_2 NO2数据

样例代码：

源代码参考 Pandas如何重塑数据表

源代码参考 python数据分析-数据表读写到pandas

导入关键模块

python 复制代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

plt.close("all")

在某些情况下，直接使用 matplotlib 可能更可取，或者更有必要。例如，当某种类型的绘图或 pandas （尚）不支持自定义，而对象又类似于数组，可以直接传递给matplotlib 函数。

Pandas 会自动识别日期的格式和索引等，从而将日期和时间支持扩展到在 matplotlib 中可用的，几乎所有绘图类型。

直接使用matplotlib函数

python 复制代码

np.random.seed(123456)

price = pd.Series(
    np.random.randn(150).cumsum(),
    index=pd.date_range("2000-1-1", periods=150, freq="B"),
)

ma = price.rolling(20).mean()
mstd = price.rolling(20).std()
plt.figure();
plt.plot(price.index, price, "k");
plt.plot(ma.index, ma, "b");
plt.fill_between(mstd.index, ma - 2 * mstd, ma + 2 * mstd, color="b", alpha=0.2);