使用 Pandas 和 Matplotlib 进行不同的绘图

---

Pandas 和 Matplotlib 是 Python 中可用于对给定输入数据进行数据分析和可视化的库。以下是使用 Pandas 和 Matplotlib 库可以绘制的一些不同图表。

使用折线图

折线图是可视化随时间变化的数据的最简单图表；可以使用 Pandas 和 Matplotlib 库绘制此图表。我们在 Matplotlib 库中提供了 plot() 函数来绘制折线图。以下是语法。

import matplotlib.pyplot as plt
plt.plot(x,y)

其中，

• matplotlib.pylot 是库。

• plt 是别名。

• plot 是绘制折线图的函数。

• x、y 是要绘制的输入数据。

示例

在以下示例中，我们将使用 Pandas 库创建一个折线图来可视化提供的数据 -

import matplotlib.pyplot as plt
import pandas as pd
data = {"year":[2002,2000,1999,2020,2023],"age":[19,20,34,4,25]} 
pandas_data = pd.DataFrame(data)
print(pandas_data)
plt.plot(data["year"],data["age"])
plt.show()

输出

year  age
0  2002   19
1  2000   20
2  1999   34
3  2020    4
4  2023   25

使用散点图

散点图用于绘制定义的数据元素之间的关系。我们在 Matplotlib 库中提供了名为 scatter() 的函数来绘制散点图。以下是语法。

plt.scatter(x,y)

示例

在以下示例中，我们将使用 Pandas 库的 Dataframe 功能创建一个散点图来可视化提供的数据。

import matplotlib.pyplot as plt
import pandas as pd
data = {"year":[2002,2000,1999,2020,2023],"age":[19,20,34,4,25]} 
pandas_data = pd.DataFrame(data)
print(pandas_data)
plt.scatter(data["year"],data["age"])
plt.show()

输出

year  age
0  2002   19
1  2000   20
2  1999   34
3  2020    4
4  2023   25

使用直方图

直方图用于显示图上单个变量的分布。在 Matplotlib 库中，我们有 hist() 函数来绘制直方图。以下是语法。

plt.hist(x)

示例

在此示例中，我们将使用 Matplotlib 库中提供的 hist() 函数绘制直方图。

import matplotlib.pyplot as plt
import pandas as pd
data = {"year":[2002,2000,1999,2020,2023],"age":[19,20,34,4,25]} 
pandas_data = pd.DataFrame(data)
print(pandas_data)
plt.hist(data["age"])
plt.show()

输出

year  age
0  2002   19
1  2000   20
2  1999   34
3  2020    4
4  2023   25

使用条形图

条形图用于比较不同类别的的数据。Matplotlib 库提供了一个名为 bar() 的函数，用于绘制条形图。以下是语法 -

plt.bar(x,y)

示例

在此示例中，我们将使用 Matplotlib 库中提供的 bar() 函数绘制条形图。

import matplotlib.pyplot as plt
import pandas as pd
data = {"year":[2002,2000,1999,2020,2023],"age":[19,20,34,4,25]} 
pandas_data = pd.DataFrame(data)
print(pandas_data)
plt.bar(data["age"],data["year"])
plt.show()

输出

year  age
0  2002   19
1  2000   20
2  1999   34
3  2020    4
4  2023   25