pandas.DataFrame.plot( )参数详解 |
您所在的位置：网站首页 › pandas画图设置图例 › pandas.DataFrame.plot( )参数详解 |
|
使用DataFrame的plot方法绘制图像会按照数据的每一列绘制一条曲线，默认按照列columns的名称在适当的位置展示图例，比matplotlib绘制节省时间，且DataFrame格式的数据更规范，方便向量化及计算。
DataFrame.plot( )函数： DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None, sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None, legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, position=0.5, table=False, yerr=None, xerr=None, stacked=True/False, sort_columns=False, secondary_y=False, mark_right=True, **kwds)注意：每种绘图类型都有相对应的方法； Eg. df.plot(kind='line')与df.plot.line()等价
主要参数详细解释 官网：http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.plot.html 源码：https://github.com/pandas-dev/pandas/blob/v0.24.2/pandas/plotting/core.py#L2912-L3605 x : label or position, default None#指数据列的标签或位置参数 y : label, position or list of label, positions, default None kind : str#绘图类型 ‘line’ : line plot (default)#折线图 ‘bar’ : vertical bar plot#条形图。stacked为True时为堆叠的柱状图 ‘barh’ : horizontal bar plot#横向条形图 ‘hist’ : histogram#直方图（数值频率分布） ‘box’ : boxplot#箱型图 ‘kde’ : Kernel Density Estimation plot#密度图，主要对柱状图添加Kernel 概率密度线 ‘density’ : same as ‘kde’ ‘area’ : area plot#与x轴所围区域图（面积图）。Stacked=True时，每列必须全部为正或负值，stacked=False时，对数据没有要求 ‘pie’ : pie plot#饼图。数值必须为正值，需指定Y轴或者subplots=True ‘scatter’ : scatter plot#散点图。需指定X轴Y轴 ‘hexbin’ : hexbin plot#蜂巢图。需指定X轴Y轴 ax : matplotlib axes object, default None#**子图(axes, 也可以理解成坐标轴) 要在其上进行绘制的matplotlib subplot对象。如果没有设置，则使用当前matplotlib subplot**其中，变量和函数通过改变figure和axes中的元素（例如：title,label,点和线等等）一起描述figure和axes，也就是在画布上绘图。 subplots : boolean, default False#是否对列分别作子图 sharex : boolean, default True if ax is None else False#如果ax为None，则默认为True，否则为False In case subplots=True, share x axis and set some x axis labels to invisible; defaults to True if ax is None otherwise False if an ax is passed in; Be aware, that passing in both an ax and sharex=True will alter all x axis labels for all axis in a figure! sharey : boolean, default False#如果有子图，子图共y轴刻度，标签 In case subplots=True, share y axis and set some y axis labels to invisible layout : tuple (rows, columns) for the layout of subplots#子图的行列布局 figsize : a tuple (width, height) in inches#图片尺寸大小 use_index : boolean, default True#默认用索引做x轴 title : string#图片的标题用字符串 Title to use for the plot grid : boolean, default None#图片是否有网格 legend : False/True/’reverse’#子图的图例 (默认为True) style : list or dict#对每列折线图设置线的类型 logx : boolean, default False#设置x轴刻度是否取对数 logy : boolean, default False loglog : boolean, default False#同时设置x，y轴刻度是否取对数 xticks : sequence#设置x轴刻度值，序列形式（比如列表） yticks : sequence#设置y轴刻度，序列形式（比如列表） xlim : float/2-tuple/list#设置坐标轴的范围。数值（最小值），列表或元组（区间范围） ylim : float/2-tuple/list rot : int, default None#设置轴标签（轴刻度）的显示旋转度数 fontsize : int, default None#设置轴刻度的字体大小 colormap : str or matplotlib colormap object, default None#设置图的区域颜色 colorbar : boolean, optional #柱子颜色 If True, plot colorbar (only relevant for ‘scatter’ and ‘hexbin’ plots) position : float #条形图的对齐方式，取值范围[0,1]，即左下端到右上端默认0.5（中间对齐） layout : tuple (optional) #布局。layout=(2, 3)两行三列，layout=(2, -1)两行自适应列数 Eg. df.plot(subplots=True, layout=(2, -1), sharex=False) table : boolean, Series or DataFrame, default False #图下添加表。如果为True，则使用DataFrame中的数据绘制表格，并且数据将被转置以满足matplotlib的默认布局。。 yerr : DataFrame, Series, array-like, dict and str See Plotting with Error Bars for detail. xerr : same types as yerr. stacked : boolean, default False in line and bar plots, and True in area plot. If True, create stacked plot. #前面有介绍 sort_columns : boolean, default False #对列名称进行排序以确定绘图顺序 secondary_y : boolean or sequence, default False #设置第二个y轴（右辅助y轴） Whether to plot on the secondary y-axis If a list/tuple, which columns to plot on secondary y-axis mark_right : boolean, default True When using a secondary_y axis, automatically mark the column labels with “(right)” in the legend
2. 其他说明 2.1 其他参数 color:颜色 s:散点图大小 2.2 设置X、Y轴名称ax.set_ylabel('yyy') ax.set_xlabel('xxx')
2.3 plt.legend(loc='best') loc:图列位置
3. 其他画图步骤1）首先定义画图的画布：fig = plt.figure( ) 2）然后定义子图ax ，使用 ax= fig.add_subplot( 行，列，位置标) 3）用 ax.plot( )函数或者 df.plot(ax = ax) 4）结尾加plt.show() 注意：在jupternotebook 需要用%定义：%matplotlib notebook；如果是在脚本编译器上则不用，但是需要一次性按流程把代码写完 4. 参考网址 1）学习pandas下的dataframe画图参数 2）python：利用pandas进行绘图（总结）绘图格式 3）pandas.DataFrame.plot官网 4）官网举例 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |