不得不說使用python庫matplotlib繪圖確實比較丑，但使用起來還算是比較方便，做自己的小小研究可以使用。這里記錄一些統計作圖方法，包括pandas作圖和plt作圖。

前提是先導入第三方庫吧

import pandas as pdimport matplotlib.pyplot as pltimport numpy as np

然后以下這兩句用于正常顯示中文標簽什么的。

plt.rcParams[’font.sans-serif’] = [’SimHei’] # 用來正常顯示中文標簽plt.rcParams[’axes.unicode_minus’] = False # 用來正常顯示負號

當然還有一些最基本的步驟:

plt.xticks(x,xtk,size=12,rotation=50) #設置字體大小和字體傾斜度plt.xlabel(u’城市’) # x軸標簽plt.ylabel(u’數量’)plt.title(u’朋友所在城市’) # 圖的名稱plt.legend() # 正常顯示標題plt.show() # 顯示圖像plt.close() # 繪圖后養成習慣性的關掉

對于pandas中的二維數據框，可以直接作圖（Series類型），簡單的折線圖或者曲線圖如下：

sdata.plot(color=’r’, style=’-o’)plt.show()

如果沒有用pandas，直接作曲線圖，可以這樣寫：

plot(x,y, color =’blue’, linewidth=2.5, linestyle='--')1，柱狀圖

rects1=plt.bar( #(x,data) 就是所要畫的二維數據 left=x, #x 是X坐標軸數據，即每個塊的x軸起始位置 height=data, #data是Y坐標軸的數據，即每個塊的y軸高度 width=[0.1,0.2,0.3], #每一個塊的顯示寬度 bottom=[1,2,3], #每一個塊的底部高度 color=’y’, #塊的顏色 edgecolor=’g’,#塊的邊界顏色 linewidth=2, #塊的線條寬度 xerr=1, #x軸誤差bar yerr=1, #y軸誤差bar ecolor=’r’, #誤差bar的顏色 capsize=1, #誤差bar的線條寬度 orientation=’vertical’, #塊的方向 (horizontal,vertical) align='center', #塊的位置 (center, left, right) hold=None ) plt.show()2，餅圖

plot2=plt.pie(data, # 每個餅塊的實際數據，如果大于1，會進行歸一化，計算percentage explode=[0.0,0.1,0.2],# 每個餅塊離中心的距離 colors=[’y’,’r’,’g’],# 每個餅塊的顏色 labels=[’women’,’men’,’unknown’], # 每個餅塊的標簽 labeldistance=1.2, # 每個餅塊標簽到中心的距離 autopct=’%1.1f%%’, # 百分比的顯示格式 pctdistance=0.4, # 百分比到中心的距離 shadow=True, # 每個餅塊是否顯示陰影 startangle=0, # 默認從x軸正半軸逆時針起 radius=1.0 # 餅塊的半徑 )plt.axis(’equal’) # 顯示為圓形，避免比例壓縮為橢圓plt.show()3，共享X軸，Y軸左右軸標（帕累托分析圖）

數據樣例如下，名稱為va，類型為Series，左邊為職位名稱，右邊為數量：

sales 4140technical 2720support 2229IT 1227product_mng 902marketing 858RandD 787accounting 767hr 739management 630

作圖：

fr = pd.Series(va.values.cumsum() / va.values.sum())va.plot(kind=’bar’)fr.plot(color=’r’,secondary_y=True, style=’-o’)plt.annotate(format(fr[7], ’.2%’), xy=(7, fr[7]), xytext=(7*0.9, fr[7]*0.9), arrowprops=dict(arrowstyle=’->’, connectionstyle=’arc3,rad=.2’)) # 用于注釋圖形指標# plt.rcParams[’font.sans-serif’] = [’SimHei’] # 用來正常顯示中文標簽# plt.rcParams[’axes.unicode_minus’] = False # 用來正常顯示負號# plt1 = plt.pie(va.values,#labels=va.index,#autopct=’%1.1f%%’)plt.xticks(rotation=50) # 設置字體大小和字體傾斜度plt.show()

左邊為出現的頻率，右邊為累積百分比（這里數據以降序排列較好，便于直觀地觀察），效果如下：

在pandas中，曲線圖可以直接畫，比如data中有多個屬性，可以直接使用data.plot()。使用plt，若各個屬性需要共用XY軸，那么可以重復plot即可。

使用pandas畫箱型圖簡單方便，但是注釋比較麻煩，可以用annotate添加異常點的注釋。若使用之前的數據va，則先創建二維數據框再畫圖。如果有多個列為數字類型，那么可以畫每個列的箱型圖，這里只有一列數據，如下：

pd.DataFrame(va).boxplot()plt.show()

使用plt直接進行作圖：

plt.boxplot(data,labels=[]， sym=’o’,whis=1.5)

其中，data可以是一維的，也可多維，若為多維則lables為每一維度的標簽。sym為異常值的形狀，whis為調節垂直線段的長度。效果如下：

使用plt:

plt.subplot(221)plt.plot(x, y1,’r-’, lw=2) plt.subplot(222)plt.plot(x,y2)

使用pandas：

data.plot(subplots=True, color=[’r’,’b’], style=[’-o’,’-’])plt.show()

排版方式有不同，pandas是垂直排列，plt可以自己指定位置。pandas效果如下：

補充：Python DataFrame 多條件篩選 使用&

我就廢話不多說了，大家還是直接看代碼吧~

DF6Out[42]: B C D0 1 B 10.7501 3 C 8.8752 2 T 58.0003 2 L 57.0004 3 Y 46.000

DF6[(DF6.B>1) & (DF6.D > 10)]

Out[45]: B C D2 2 T 58.03 2 L 57.04 3 Y 46.0

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持好吧啦網。如有錯誤或未考慮完全的地方，望不吝賜教。