直接从DataFrame进行基础绘图

直接从Pandas DataFrame创建可视化图表提供了一种便捷的数据表示方法。Pandas为Series和DataFrame对象提供了一个内置的.plot()方法。此方法作为Matplotlib的实用接口，让您能够以最少的代码快速生成常见图表。它对于初步的数据检查尤为实用。

.plot()方法

.plot()方法可以直接在DataFrame或Series上调用。当在DataFrame上调用时，它默认会尝试绘制所有包含数值数据的列。如果在一个Series上调用，它会绘制该单个Series中的数据。

假设我们已经将一些数据载入名为df的DataFrame中。例如：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt # 通常用于自定义图表

# 模拟一些测量数据的示例数据
data = {
    'Temperature': [22.1, 23.5, 24.0, 23.1, 21.9],
    'Humidity': [65, 68, 70, 66, 63],
    'Pressure': [1012, 1010, 1011, 1013, 1014]
}
index_labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri']
df = pd.DataFrame(data, index=index_labels)

print(df)
# 输出：
#      Temperature  Humidity  Pressure
# Mon         22.1        65      1012
# Tue         23.5        68      1010
# Wed         24.0        70      1011
# Thu         23.1        66      1013
# Fri         21.9        63      1014

要为“Temperature”列（这是一个Pandas Series）创建一个简单的折线图，您可以这样做：

# 绘制单个列（Series）
df['Temperature'].plot()
plt.ylabel("Temperature (°C)") # 仍使用Matplotlib设置标签等
plt.title("Temperature Trend")
plt.show()

如果您在整个DataFrame上调用.plot()，Pandas将为每个数值列创建一个折线图，并使用DataFrame的索引作为X轴：

# 绘制整个DataFrame（数值列）
df.plot()
plt.title("Sensor Readings Over Weekdays")
plt.ylabel("Measurement")
plt.show()

这会自动根据列名生成图例。请注意，我们仍然在用Pandas方法创建图表后，使用matplotlib.pyplot（作为plt导入）来添加标题和标签。

使用kind参数 (parameter)指定图表类型

默认的图表类型是折线图，但.plot()方法可以使用kind参数绘制其他多种类型。kind的一些常见选项包括：

• 'line' : 折线图（默认）
• 'bar' : 垂直条形图
• 'barh' : 水平条形图
• 'hist' : 直方图
• 'box' : 箱线图
• 'kde' : 核密度估计图
• 'area' : 面积图
• 'pie' : 饼图
• 'scatter' : 散点图（需要指定x和y列）

让我们看几个例子。

条形图： 为了比较平均温度和湿度（可能来自不同的DataFrame）：

# 平均值的示例数据
avg_data = {'Avg Temp': [22.9], 'Avg Humidity': [66.4]}
avg_df = pd.DataFrame(avg_data, index=['Average'])

# 创建一个垂直条形图
avg_df.plot(kind='bar')
plt.title("Average Sensor Values")
plt.ylabel("Value")
plt.xticks(rotation=0) # 保持X轴标签水平
plt.show()

直方图： 要查看单个变量（如“Pressure”）的分布：

# 创建“Pressure”列的直方图
df['Pressure'].plot(kind='hist')
plt.title("Distribution of Pressure Readings")
plt.xlabel("Pressure (hPa)")
plt.show()

散点图： 为了可视化两个变量（如“Temperature”和“Humidity”）之间的关系，您需要指定x和y列。

# 创建一个散点图
df.plot(kind='scatter', x='Temperature', y='Humidity')
plt.title("Temperature vs. Humidity")
plt.xlabel("Temperature (°C)")
plt.ylabel("Humidity (%)")
plt.grid(True) # 添加网格线便于查看
plt.show()

散点图显示了工作日温度和湿度读数之间的关系。

.plot()中的基础自定义设置

.plot()方法接受额外的参数 (parameter)，这些参数通常会直接传递给底层的Matplotlib函数。这使得无需为所有内容都进行单独的plt调用即可实现一些自定义设置。

常见参数包括：

• title: 设置图表标题。
• xlabel, ylabel: 设置坐标轴标签（尽管通常通过plt设置）。
• legend: 显示或隐藏图例（True/False）。
• figsize: 以英寸为单位设置图表尺寸，格式为元组(宽度, 高度)。
• grid: 显示网格线（True/False）。
• color: 为图表元素指定颜色。
• style: 定义线条样式（例如，'-', '--', ':', 'o-'）。

以下是之前带有直接应用自定义设置的多折线图：

# 带有直接自定义设置的DataFrame绘图
df.plot(figsize=(8, 4), title="Sensor Readings", grid=True, style=['o-', '--', ':'])
plt.ylabel("Measurement") # 某些设置仍可能偏好使用plt
plt.show()

何时使用DataFrame的.plot()方法

DataFrame上的直接绘图方法很适合用于：

1. 快速查看数据： 无需太多设置即可快速获得数据的视觉概览。
2. 绘制简单图表： 高效创建折线图、条形图和直方图等标准图表。
3. 便捷性： 减少与数据操作流程结合的基础可视化所需代码量。

然而，对于高度自定义、复杂或出版质量的图表，您通常会通过直接使用Matplotlib的面向对象接口或Seaborn库获得更多控制和灵活性，我们将在后续章节中讨论这些。可以将DataFrame的.plot()方法看作您可视化过程中的一个便捷的起始步骤。

在接下来的章节中，我们将了解如何在运用Matplotlib和Seaborn的全部功能的同时，仍能利用Pandas DataFrame的结构化特性。