教程

1.13 可视化集成 ​

数据分析的最后一步是呈现结果，图表比表格更能直观传达分布与趋势。Pandas 内置基于 Matplotlib 的绘图接口 .plot()，可以直接从 DataFrame 或 Series 生成常见图表，无需显式操作 Matplotlib 对象。虽然底层是 Matplotlib，但调用方式属于 Pandas API。本节讲解 .plot() 的各种图表类型与常用参数，以及 .hist()、.boxplot() 等快捷方法。完整的绘图定制交给 Matplotlib/Seaborn 章节。

1.13.1 .plot() 方法基础 ​

.plot() 是 Series 与 DataFrame 的绘图方法，kind 参数指定图表类型。首次使用前需要导入 matplotlib 并设置交互后端：

python
import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({'月份': ['1月', '2月', '3月'],
                   '销量': [120, 150, 130]})
df.plot(x='月份', y='销量', kind='line')
plt.show()

在 Jupyter 中通常不需要 plt.show()，输出会自动内嵌。x、y 指定用作横轴和纵轴的列。

1.13.2 图表类型 ​

线图 kind='line' ​

线图适合展示趋势与时间序列，是默认类型：

python
s = pd.Series([1, 3, 2, 5, 4], index=pd.date_range('2024-01-01', periods=5))
s.plot(kind='line')
plt.show()

柱状图 kind='bar' / kind='barh' ​

柱状图适合比较离散类别的数值，barh 是水平柱状图：

python
df = pd.DataFrame({'类别': ['A', 'B', 'C'], '数量': [10, 25, 15]})
df.plot(x='类别', y='数量', kind='bar')
df.plot(x='类别', y='数量', kind='barh')
plt.show()

直方图 kind='hist' ​

直方图展示数值分布：

python
df = pd.DataFrame({'值': [1, 2, 2, 3, 3, 3, 4, 4, 5]})
df.plot(kind='hist', bins=5)
plt.show()

箱线图 kind='box' ​

箱线图展示分布的集中趋势与离群点：

python
df.plot(kind='box')
plt.show()

密度图 kind='kde' / kind='density' ​

密度图是直方图的平滑版本，适合观察分布形状：

python
df.plot(kind='kde')
plt.show()

面积图 kind='area' ​

面积图用填充区域展示累积量与占比：

python
df = pd.DataFrame({'A': [1, 2, 3], 'B': [2, 3, 4]})
df.plot(kind='area', stacked=True)
plt.show()

散点图 kind='scatter' ​

散点图展示两个变量的关系，x、y 必填：

python
df = pd.DataFrame({'x': [1, 2, 3, 4], 'y': [2, 4, 1, 5]})
df.plot(x='x', y='y', kind='scatter')
plt.show()

饼图 kind='pie' ​

饼图展示占比，y 指定数值列：

python
df = pd.DataFrame({'类别': ['A', 'B', 'C'], '占比': [40, 35, 25]})
df.set_index('类别')['占比'].plot(kind='pie', autopct='%.1f%%')
plt.show()

六边形箱图 kind='hexbin' ​

hexbin 用六边形分箱展示二维密度，适合大量散点：

python
df = pd.DataFrame({'x': [1, 2, 3, 4, 1, 2, 3], 'y': [2, 4, 1, 5, 3, 4, 2]})
df.plot(x='x', y='y', kind='hexbin', gridsize=5)
plt.show()

带回归的散点图 kind='reg' ​

reg 在散点基础上叠加回归线，需要 seaborn 支持：

python
df.plot(x='x', y='y', kind='reg')
plt.show()

1.13.3 绘图选项 ​

.plot() 提供大量参数控制图表外观：

python
df = pd.DataFrame({'A': [1, 2, 3], 'B': [2, 4, 3]})

df.plot(kind='line',
        figsize=(8, 5),        # 图形尺寸
        title='销量趋势',       # 标题
        legend=True,            # 图例
        grid=True,              # 网格
        xlim=(0, 4),            # x 轴范围
        ylim=(0, 5),            # y 轴范围
        xticks=[0, 1, 2, 3],    # x 轴刻度
        yticks=[0, 2, 4],       # y 轴刻度
        colormap='viridis')     # 颜色映射
plt.show()

DataFrame 多列数据一次绘制多组：

python
df.plot(kind='line', subplots=True, sharex=True, sharey=False)
plt.show()

subplots=True 把每列绘制到独立子图，sharex、sharey 控制各子图是否共享坐标轴。

1.13.4 快捷方法 .hist() 与 .boxplot() ​

.hist() 一键绘制所有数值列的直方图，.boxplot() 一键绘制箱线图：

python
df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [2, 2, 3, 5]})
df.hist(bins=5, figsize=(8, 4))
plt.show()

df.boxplot()
plt.show()

.hist() 与 .boxplot() 是 .plot(kind='hist')、.plot(kind='box') 的快捷写法，适合快速生成整表的分布概览。

1.13.5 与 Matplotlib 的配合 ​

Pandas 绘图返回 Matplotlib 的 Axes 对象，可以继续用 Matplotlib API 精细定制：

python
ax = df.plot(kind='line', title='标题')
ax.set_xlabel('横轴名')
ax.set_ylabel('纵轴名')
ax.legend(['序列1'])
plt.show()

保存图表用 plt.savefig('figure.png', dpi=150)。

练习题 ​

第1题 概念理解 ​

说明 .plot() 的 kind 参数支持哪些常见类型，各适合什么数据；说明 subplots=True 的作用。

参考答案

line 适合趋势，bar/barh 适合类别比较，hist 适合分布，box 适合分布与离群点，kde 适合平滑密度，area 适合累积量，scatter 适合两变量关系，pie 适合占比，hexbin 适合二维密度，reg 适合带回归的散点。subplots=True 把每列绘制到独立子图。

第2题 代码编写 ​

创建包含两列数据（一列线性增长、一列随机波动）的 DataFrame，用 .plot 绘制线图并设置标题、图例、网格；再分别绘制柱状图与直方图。

参考答案
python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.DataFrame({'A': range(1, 11), 'B': np.random.randn(10)})
df.plot(kind='line', title='双序列', legend=True, grid=True)
plt.show()

df.plot(kind='bar')
plt.show()

df['A'].plot(kind='hist', bins=5)
plt.show()

第3题 进阶练习 ​

绘制一张包含 subplots=True、sharey=True 的多子图折线图；用 .hist() 查看多列的分布；用散点图绘制两变量的关系并用 kind='reg' 叠加回归线。

参考答案
python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.DataFrame({'X': np.arange(10), 'Y': np.random.randn(10) * 2})
df.plot(kind='line', subplots=True, sharey=True, figsize=(8, 6))
plt.show()

df.hist(bins=5)
plt.show()

df.plot(x='X', y='Y', kind='scatter')
plt.show()

常见错误 ​

错误 1 · 绘图后窗口一闪而过或图表不显示

原因:未调用 plt.show(),或在非交互环境下图表没有渲染。

解决:绘图后加 plt.show();Jupyter 中需开启 %matplotlib inline。

错误 2 · kind='scatter' 报缺 x 和 y 参数

原因:散点图必须指定横纵轴列,不能像其他图那样自动使用所有列。

解决:传 x='列名', y='列名'。

错误 3 · 中文标题或标签显示为方框

原因:Matplotlib 默认字体不含中文字符。

解决:设置中文字体,如 plt.rcParams['font.sans-serif'] = ['SimHei'],并加 plt.rcParams['axes.unicode_minus'] = False。

错误 4 · .plot() 后报缺少 matplotlib 库

原因:Pandas 绘图依赖 Matplotlib,未安装时报 ImportError。

解决:pip install matplotlib。