一般来说，我们先用pandas分析数据，然后用matplotlib之类的可视化库来显示分析结果。
而pandas库中有一个强大的工具–plot函数，可以使数据可视化变得简单而高效。

1. plot 函数简介

plot函数是pandas中用于数据可视化的一个重要工具，
通过plot函数，可以轻松地将DataFrame或Series对象中的数据以图形的形式展示出来。

plot函数支持多种类型的图形，包括折线图、柱状图、散点图、饼图等，这些不同类型的图形适用于不同的数据分析场景。
此外，plot函数还支持通过参数设置来调整图形的样式，如颜色、标签、图例等，以满足更加个性化的可视化需求。

plot函数的参数名称和含义了matplotlib绘图时的参数是类似的，
如果熟悉matplotlib绘图的话，上手更快。

2. 数据准备

下面的示例中使用的数据采集自A股2024年1月和2月的真实交易数据。
数据下载地址：https://databook.top/。

导入数据：

import pandas as pd
import matplotlib.p服务器托管网yplot as plt

fp = r'D:data2024历史行情数据-不复权-2024.csv'

df = pd.read_csv(fp)
df = df.loc[:, ["股票代码", "日期", "开盘", "收盘", "最高", "最低", "成交量"]]
df

3. 使用示例

针对上面的交易数据，下面演示如何用plot函数快速绘图。

3.1. 折线图

折线图一般用于展示时间序列数据，可以提取某一支股票的数据并绘制出来。

# 提取870299这支股票
data = df.query("股票代码==870299")
data.index = data["日期"服务器托管网]

# 绘制每天最高价和最低价的曲线
data.loc[:, ["最高", "最低"]].plot(kind="line", title="股票870299", rot=45)
plt.show()

代码中有几个注意点：

data.index = data["日期"]：plot函数将索引列作为横轴，所以这里设置日期列为索引（index）
kind参数：设置图形的类型，这里设置line，表示折线图
title参数：设置图形的标题
rot参数：调整刻度的角度，这里将X轴的刻度旋转了45度，防止日期之间的重叠

3.2. 柱状图

柱状图多用于比对数据，下面我们用pandas挑选几支股票，然后比对它们的开盘价和收盘价的平均值。

# 随便挑选一些股票代码
codes = [870299, 301138, 603825, 600579, 600640]
data = df.loc[:,["股票代码", "开盘", "收盘"]].query("股票代码==@codes")

# groupby之后，绘制各个股票开盘价和收盘价的平均值
data.groupby(by=["股票代码"]).mean().plot(kind="bar")
plt.show()

代码中的注意点：

kind参数：设置图形的类型，这里设置bar，表示柱状图
groupby之后，“股票代码”变为索引列，所以绘图时作为横轴

如果要绘制横向的柱状图，只要把kind参数设置成barh即可。

data.groupby(by=["股票代码"]).mean().plot(kind="barh")

3.3. 饼图

饼图是另一种比较数据的方式，它可以比较数据之间的占比，更好的看出各种数据的分布情况。
下面也随机挑选一些股票，用饼图比较它们的成交量情况。

codes = [870299, 301138, 603825, 600579, 600640]
data = df.loc[:,["股票代码", "成交量"]].query("股票代码==@codes")

data.groupby(by=["股票代码"]).sum()["成交量"].plot(kind="pie", autopct="%1.1f%%")
plt.show()

代码中的注意点：

kind参数：设置图形的类型，这里设置饼图pie，表示饼图
autopct参数：各个区域所占百分比的显示方式

3.4. 其他…

除了上面常用的图形，plot函数还支持其他多种图形，其kind参数目前支持的图形包括：

line : 折线图
bar : 柱状图
barh : 横向柱状图
hist : 直方图
box : 箱型图
kde : 核密度估计图
area : 面积图
pie : 饼图
scatter : 散点图
hexbin : 六边形箱图

4. 总结

总的来说，plot函数为数据分析师提供了一个强大而灵活的数据可视化工具。
通过plot函数，我们可以快速地将数据转化为直观的图形，从而更好地理解数据的分布、趋势和关系。
这种直观的理解有助于我们发现数据中的潜在模式，进而做出更加准确和有效的决策。

无论是初学者还是资深的数据分析师，都可以通过掌握plot函数来提升自己的数据分析能力。

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net

相关推荐: 大数据平台红蓝对抗 – 磨利刃，淬精兵！

【直播预告】DBA 会被云淘汰吗？背景目前大促备战常见备战工作：专项压测（全链路压测、内部压测）、灾备演练、降级演练、限流、巡检（监控、应用健康度）、混沌演练（红蓝对抗），如下图所示。随着平台业务越来越复杂，红蓝对抗的作用愈来愈明显，下面将详细介绍大数据平…

pandas plot函数：数据可视化的快捷通道