pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能，Pandas 广泛应用在学术、金融、统计学等各个数据分析领域，本篇文章重点为大家讲解一下Python中Pandas库绘制数据具体方法。
在本系列中，我们将在每个库中制作相同的多条形柱状图，以便我们可以比较它们的工作方式。我们使用的数据是 1966 年至 2023 年的英国大选结果：
在继续之前，请注意你可能需要调整 Python 环境来运行此代码，包括：
- 运行最新版本的 Python（用于 Linux、Mac 和 Windows 的说明）
- 确认你运行的是与这些库兼容的 Python 版本
数据可在线获得，并可使用 Pandas 导入：
importpandasaspd df=pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv') 现在我们已经准备好了。在本系列文章中，我们已经看到了一些令人印象深刻的简单 API，但是 Pandas 一定能夺冠。
要在 x 轴上绘制按年份和每个党派分组的柱状图，我只需要这样做：
importmatplotlib.pyplotasplt ax=df.plot.bar(x='year') plt.show() 只有四行，这绝对是我们在本系列中创建的最棒的多条形柱状图。
我以宽格式使用数据，这意味着每个党派都有一列：
yearconservativelabourliberalothers 01966253364121 1197033028767 2Feb19742973011418 ................. 122015330232880 1320173172621259 1420193652021172 这意味着 Pandas 会自动知道我希望如何分组，如果我希望进行不同的分组，Pandas 可以很容易地重组 DataFrame。
与 Seaborn 一样，Pandas 的绘图功能是 Matplotlib 之上的抽象，这就是为什么要调用 Matplotlib 的 plt.show() 函数来实际生成绘图的原因。
看起来是这样的：
调整样式
我们可以通过访问底层的 Matplotlib 方法轻松地调整样式。
首先，我们可以通过将 Matplotlib 颜色表传递到绘图函数来为柱状图着色：
frommatplotlib.colorsimportListedColormap cmap=ListedColormap(['#0343df','#e50000','#ffff14','#929591']) ax=df.plot.bar(x='year',colormap=cmap) 我们可以使用绘图函数的返回值设置坐标轴标签和标题，它只是一个 Matplotlib 的 Axis 对象。
ax.set_xlabel(None) ax.set_ylabel('Seats') ax.set_title('UKelectionresults') 这是现在的样子：
这与上面的 Matplotlib 版本几乎相同，但是只用了 8 行代码而不是 16 行！我内心的代码高手非常高兴。
抽象必须是可转义的
与 Seaborn 一样，向下访问 Matplotlib API 进行细节调整的能力确实很有帮助。这是给出抽象紧急出口使其既强大又简单的一个很好的例子。
本文来源：www.lxlinux.net/6034.html，若引用不当，请联系修改。
网友留言：