前言
前文传送门：pandas可视化（1）【官方文档解读】--基础绘图
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
条形图
对于标记的非时间序列数据，你可能希望生成条形图：
import matplotlib
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
matplotlib.style.use('ggplot')#使用ggplot样式
%matplotlib inline
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
ts = ts.cumsum()
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))
df = df.cumsum()
注：如前一章，先导入必要的模块和绘图的数据准备
plt.figure();
df.iloc[5].plot(kind='bar')
plt.axhline(0, color='k')
注：df.iloc[5]意思是取出df第6行（索引为5），然后绘制条形图
plt.axhline(0, color='k')指的是在y=0的位置画一条黑色的线
注：因为是随机产生的值绘图，你的图一般和我不一样，一样就厉害了！
这种为图所存在的内存地址位置
df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df2.plot.bar()
注：如果看了前一章，以上代码很好理解，这里同一幅图绘制多个条形图比较
df2.plot.bar(stacked=True)
注：将a、b、c、d数据叠加起来绘制条形图
df2.plot.barh(stacked=True)
注：绘制水平叠加条形图
直方图
df4 = pd.DataFrame({'a': np.random.randn(1000) + 1, 'b': np.random.randn(1000),
'c': np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
df4.head()
注：以标准正态分布为基础产生一个df4
plt.figure()
df4.plot.hist(alpha=0.5)
注：绘制直方图，alpha=0.5意思为透明度为50%
注：明明有三列数据，画出有六种颜色，应该是是颜色叠加出了新颜色
plt.figure()
df4.plot.hist(stacked=True, bins=20)
注：画堆积直方图（不会重叠，直观）bins=20指的是分为20个区段
图中没有显示20个因为正态分布距离中心远处取值可能心很小，可能只有个别值，在图中不明显
plt.figure();
df4['a'].plot.hist(orientation='horizontal', cumulative=True)
注：取出A列画横向累积直方图，采用默认10个区段
plt.figure()
df['A'].diff().hist()
注：diff为差分，即后一个减去前一个,我们看一下：
df['A'].diff().head()
注：显示A列中差分结果的前五个数
注意，第一个值不存在,因为原来的第一个数减去前面一个（第一个的前面一个数不存在），所以为NaN
差分后绘制的直方图为（默认为十个区段吧）：
plt.figure()
df.diff().hist(color='g', alpha=0.5, bins=20)
注：df中四栏（4列）分别绘制一阶差分的图（绿色，半透明，分20区段），有种2x2子图的感觉
data = pd.Series(np.random.randn(1000))
data.hist(by=np.random.randint(0, 4, 1000),figsize=(6, 4))
注：这里产生1000个正态分布的随机数，然后使用hist方法中的by参数随机产生0-3中的整数（即0、1、2、3）
将原来的1000个正态分布的随机数对应上分组绘制四张图
图的长宽大小为6x4
pandas的绘图真美~~~~~~~~
pandas绘制条形图、正方图到此结束
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#
