这是菜鸟学Python的第105篇原创文章
阅读本文大概需要3分钟
数据可视化前面已经写了3篇(小白开始学Python最著名的绘图库,最适合小白学的花色玩Python折线图|画个天气预报,7招用Python画出酷酷的|散点直方图)，今天我们来讲懒人专用的可视化图，大部分时候我们分析数据的最后都是pandas类型的数据结构，其实pandas直接可以生成matplotlib图，非常方便一招搞定.
导言：
matplotlib虽然非常强大，但是太偏低层和原生态，好比做饭，你需要砍柴，生火，架灶具，最后才是淘米烧饭
能否有一个类似电饭锅这样的库，直接封装了matplotlib里面的库
然后我们只需要把数据放进去，设定几个参数，一副图就出来了，有的就是神器Pandas自带的作图功能
当然后面有空会介绍更高级的神器Tableau,d3
1.Pandas一招作图
我们用一组表格数据，有行有列比如一组学生的数据：
这是一个非常非常典型的二维数据，我们在处理数据的时候经常会用到，聪明的同学会发现，这不是Pandas的最喜欢的DataFrame类型吗，对的就是这样的数据格式
如何可视化呢，如果用以前的方法，需要手动构造x轴和y轴，非常麻烦，有没有简单的方法呢
有的，Pandas对象自带了作图功能，一招搞定，真的是让人相见恨晚
导入三大神库:pandas,numpy,matplotlib
构造一个pandas数据对象df,其实表格数据我们经常从CSV里面读进来，所以pandas的对象非常常见
最精华的来了,直接用df调用plot()函数，一幅漂亮的图就生成了
上面的图虽然很爽，但是有几个小问题：
这些问题统统都更搞定，我们接着看
2.进一步精雕细琢
上面的4问题，虽然是细节，但是一幅好的数据可视乎图，细节决定成败，那么怎么搞定呢，其实很容易，我们看一下
哇！x轴和y轴刻度，标签全部自动搞定，竟然还有自动加图例
数据部分Height,Age,Score统统搞定，而且还自带颜色
细心的同学的发现，横坐标其实就是index里面的列表里面的值
文字是竖体，看的不舒服
X轴，Y轴没有说明，若有说明注释的话可以更爽一点
图例能不能放到左上角,y的刻度能否更细一点
数据部分是安装Age,Height,Score排列的，能不能按照数字大小排序呢
这些问题统统都更搞定，我们接着看
2.进一步精雕细琢
上面的4问题，虽然是细节，但是一幅好的数据可视乎图，细节决定成败，那么怎么搞定呢，其实很容易，我们看一下
在原来的df上面增加一个columns,其实就是增加了对数据的列的排序显示,让数据从高到低呈现
获取一个df.plot()的对象，这个对象是啥呢，其实就是返回一个matplotlib的axes对象，有了这个对象我们就可以自由的控制子图上的任何东西
用df.legend()设置一下图例,并用loc=2 关键字控制图例的位置
用df.set_yticket()重新设置y的刻度,set_ylable设置y轴的注释，set_title()设置子图的标题
现在看的是不是很爽了，经过上面2步，相信大家对pandas作图应该有所了解，pandas还有一种数据结构Series是大同小异呢，那么好学的小伙伴一定会问，是不是pandas只能画直方图啊，当然不是啦，我们接着看
3.其他类型的图
除了上面的直方图,pandas可以简单就作出折线图,横向直方图,柱状图, 密度图
折线图:
比如我们看一组北京的2016/8和2017/8月份的天气数据
我们只需要把plot里面的kind设为line，就可以轻松画出折线图,marker=v表示有箭头,如果想画横向直方图可以把kind='barh',画散布图kind='kde'
横向直方图：
因为31天的数据横向展示会非常密集，这里作为示例我只取前9天
KDE密度图：
也是把kind设为kde即可.密度图能更好的反应数据内在的集中度，很明显温度集中在28-36度之间
结论：
好，懒人专用的Pandas作图，今天就讲到这里啦，其实还有很多神兵利器可以方便我们作图，比如R语言里面ggplot2可以对几十万，上百万的数据非常方便的分析并且做出可视化图,比如tableau是一款非常火爆的可视化工具,后面有时间我会写一些这方面的内容。
长按二维码，关注【菜鸟学python】