如何使用Python的Pandas库绘制折线图

python数据分析常用图大集合：包含折线图、直方图、垂直条形图、水平条形图、饼图、箱线图、热力图、散点图、蜘蛛图、二元变量分布、面积图、六边形图等12种常用可视化数据分析图，后期还会不断的收集整理，请关注更新!

以下默认所有的操作都先导入了numpy、pandas、matplotlib、seaborn

一、折线图

折线图可以用来表示数据随着时间变化的趋势

Matplotlib

plt.plot(x, y)

plt.show()

Seaborn

df = pd.DataFrame({'x': x, 'y': y})

sns.lineplot(x="x", y="y", data=df)

plt.show()

二、直方图

直方图是比较常见的视图，它是把横坐标等分成了一定数量的小区间，然后在每个小区间内用矩形条(bars)展示该区间的数值

Matplotlib

Seaborn

三、垂直条形图

条形图可以帮我们查看类别的特征。在条形图中，长条形的长度表示类别的频数，宽度表示类别。

Matplotlib

Seaborn

1plt.show()我爱编程网

四、水平条形图

五、饼图

六、箱线图

箱线图由五个数值点组成：最大值 (max)、最小值 (min)、中位数 (median) 和上下四分位数 (Q3, Q1)。

可以帮我们分析出数据的差异性、离散程度和异常值等。

Matplotlib

Seaborn

七、热力图

力图，英文叫 heat map，是一种矩阵表示方法，其中矩阵中的元素值用颜色来代表，不同的颜色代表不同大小的值。通过颜色就能直观地知道某个位置上数值的大小。

通过 seaborn 的 heatmap 函数，我们可以观察到不同年份，不同月份的乘客数量变化情况，其中颜色越浅的代表乘客数量越多

八、散点图

散点图的英文叫做 scatter plot，它将两个变量的值显示在二维坐标中，非常适合展示两个变量之间的关系。

Matplotlib

Seaborn

九、蜘蛛图

蜘蛛图是一种显示一对多关系的方法，使一个变量相对于另一个变量的显著性是清晰可见

十、二元变量分布

二元变量分布可以看两个变量之间的关系

十一、面积图

面积图又称区域图，强调数量随时间而变化的程度，也可用于引起人们对总值趋势的注意。

堆积面积图还可以显示部分与整体的关系。折线图和面积图都可以用来帮助我们对趋势进行分析，当数据集有合计关系或者你想要展示局部与整体关系的时候，使用面积图为更好的选择。

十二、六边形图

六边形图将空间中的点聚合成六边形，然后根据六边形内部的值为这些六边形上色。

原文至：

我们经常会使用Python的Pandas绘制各种数据图形，那么如何使用它绘制折线图呢?下面我给大家分享一下。

工具/材料

Pycharm

01

首先我们需要打开Excel软件准备需要的数据，这里多准备几列数据，一列就是一条折线，如下图所示

02

然后我们打开Pycharm软件，新建Python文件，导入Pandas库，接着将Excel中的数据读取进数据集缓存，如下图所示

03

接下来我们利用plot方法绘制折线图，如下图所示，这里只添加了一列标题

04

运行文件以后我们就可以看到折线图显示出来了，但是比较的简单，下面我们逐渐的丰富它

05

然后在plot方法中将excel里面的多列标题都添加进来，如下图所示

06

这次在运行文件的时候我们就可以看到折线图上有多条线了，如下图所示

07

接下来我们在为折线图设置标题，X，Y坐标轴的内容，如下图所示

08

然后通过plot方法下面的area方法对折线图的空白区域进行叠加填充，如下图所示

09

最后我们运行完善好后的文件，就可以看到如下图所示的折线图了，到此我们的折线图绘制也就完成了

# encoding=utf-8

import matplotlib.pyplot as plt

from pylab import *                                 #支持中文

mpl.rcParams['font.sans-serif'] = ['SimHei']

names = ['5', '10', '15', '20', '25']

x = range(len(names))

y = [0.855, 0.84, 0.835, 0.815, 0.81]

y1=[0.86,0.85,0.853,0.849,0.83]

#plt.plot(x, y, 'ro-')

#plt.plot(x, y1, 'bo-')

#pl.xlim(-1, 11)  # 限定横轴的范围

#pl.ylim(-1, 110)  # 限定纵轴的范围

plt.plot(x, y, marker='o', mec='r', mfc='w',label=u'y=x^2曲线图')

plt.plot(x, y1, marker='*', ms=10,label=u'y=x^3曲线图')

plt.legend()  # 让图例生效

plt.xticks(x, names, rotation=45)

plt.margins(0)

plt.subplots_adjust(bottom=0.15)

plt.xlabel(u"time(s)邻居") #X轴标签

plt.ylabel("RMSE") #Y轴标签

plt.title("A simple plot") #标题

plt.show()