前言
前段时间想学习python的可视化，自己也做过各种探索
从seaborn（色彩很好看，但是个人感觉调色太专业，底子没打好学起来很累）
到matplotlib（python基础绘图模块，但是写起来特别麻烦，学的不深入图不好看）
再到pyplot（交互式很强，学起来难度太大）
最后由秦路老师推荐，学了pandas的可视化
有以下两个原因：
（1）pandas我之前学过，也写过官方文档翻译连载，比较熟悉
（2）pandas可视化的图风格很好看，很商务风
环境
IDE : jupyter notebook
Anaconda 3.X
如绘图过程中，中文字体和负号显示有问题，可以参照如下链接修改配置参数设置正常显示：
https://www.joinquant.com/post/441
基于matplotlib
import matplotlib.pyplot as plt
注：导入matplotlib.pyplot
import matplotlib
matplotlib.style.use('ggplot')
%matplotlib inline
注：使用ggplot样式，并且将图画在jupyter notebook中
import pandas as pd
import numpy as np
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
ts.plot()
注：使用pandas创建一个Series（序列），序列值是随机生成的1000个标准正态分布值，索引是从2000-1-1开始的1000个时间序列值
然后使用plot默认画图
可以看出，这个图非常不规则，因为相邻的两个值也是随机大小
import pandas as pd
import numpy as np
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
ts = ts.cumsum()
ts.plot()
注：这里加上了ts = ts.cumsum()，意思是返回累积值，在时间序列分析中，经常观察累积值曲线观察走势
是不是这个累积值看起来规则多了呢
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))
df = df.cumsum()
plt.figure()
df.plot()
注：这里使用pandas创建了一个DataFrame（数据框，有点像excel表格那种），为什么不用刚才的Series呢？
划重点啦！因为这里DataFrame中创建了4组数据
这4组数据都是随机生成的1000个标准正态分布值
索引是从2000-1-1开始的1000个时间序列值
并且也是求他们各自的累积值并且画图
df3 = pd.DataFrame(np.random.randn(1000, 2), columns=['B', 'C']).cumsum()
df3['A'] = pd.Series(list(range(len(df))))
df3.plot(x='A', y='B')
注：使用DataFrame创建了2组数据，也是1000个标准正态分布，分别命名为B、C（就行excel中列名）
并且求累积值
再在原来的df（DataFrame的简称）(这里名字是df3）上加上一列名为A
A的值是0-999（使用df3的长度为1000，然后range被套列表生成一列数，作为x轴），y轴是B列数据（累积值），c列数据最后绘图没有用上
pandas基础绘图plot到此结束
文中所写如有谬误请指出，感谢！
参考文献
http://pandas.pydata.org/pandas-docs/stable/visualization.html#
