[#]: collector: (lujun9972) [#]: translator: (geekpi) [#]: reviewer: ( ) [#]: publisher: ( ) [#]: url: ( ) [#]: subject: (Using pandas to plot data in Python) [#]: via: (https://opensource.com/article/20/6/pandas-python) [#]: author: (Shaun Taylor-Morgan https://opensource.com/users/shaun-taylor-morgan) 使用 pandas 在 Python 中绘制数据 ====== Pandas 是一个非常流行的 Python 数据操作库。学习怎样使用它的 API 绘制数据。 ![Two pandas sitting in bamboo][1] 在有关基于 Python 的绘图库的系列文章中，我们将对使用 pandas（一种非常流行的 Python 数据操作库）绘图进行概念性研究。Pandas 是 Python 中用于可扩展转换数据的标准工具，它也已成为[从 CSV 和 Excel 格式导入和导出数据][2]的流行方法。 最重要的是，它还包含一个非常好的绘图 API。这非常方便，你已将数据存储在 pandas DataFrame 中，那么为什么不使用相同的库进行绘制呢？ 在本系列中，我们将在每个库中制作相同的多柱状图，以便我们可以比较它们的工作方式。我们将使用的数据是 1966 年至 2020 年的英国大选结果： ![Matplotlib UK election results][3] ### 自行绘制的数据 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（[Linux][4]、[Mac][5] 和 [Windows][6] 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： ``` import pandas as pd df = pd.read_csv('') ``` 完成了。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`和每个党派分组的柱状图，我只需要这样做： ``` import matplotlib.pyplot as plt 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柱状图。 我以[宽格式][7]使用数据，这意味着每个党派都有一列： ``` year conservative labour liberal others 0 1966 253 364 12 1 1 1970 330 287 6 7 2 Feb 1974 297 301 14 18 .. ... ... ... ... ... 12 2015 330 232 8 80 13 2017 317 262 12 59 14 2019 365 202 11 72 ``` 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][8]。 与 [Seaborn][9] 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： ![pandas unstyled data plot][10] 看起来很棒，特别是它又这么简单！让我们对它进行样式设置，使其看起来像 [Matplotlib][11] 的例子。 #### 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： ``` from matplotlib.colors import ListedColormap 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 `Axis` 对象][12]。 ``` ax.set_xlabel(None) ax.set_ylabel('Seats') ax.set_title('UK election results') ``` 这是现在的样子： ![pandas styled plot][13] 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[代码高尔夫选手][14]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][15]使其既强大又简单的一个很好的例子。 * * * _本文基于 Anvil 博客上的[如何使用 Pandas 绘图][16]，并获许可以重复使用。_ -------------------------------------------------------------------------------- via: https://opensource.com/article/20/6/pandas-python 作者：[Shaun Taylor-Morgan][a] 选题：[lujun9972][b] 译者：[geekpi](https://github.com/geekpi) 校对：[校对者ID](https://github.com/校对者ID) 本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出 [a]: https://opensource.com/users/shaun-taylor-morgan [b]: https://github.com/lujun9972 [1]: https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/panda.png?itok=0lJlct7O (Two pandas sitting in bamboo) [2]: https://anvil.works/docs/data-tables/csv-and-excel [3]: https://opensource.com/sites/default/files/uploads/matplotlib_2.png (Matplotlib UK election results) [4]: https://opensource.com/article/20/4/install-python-linux [5]: https://opensource.com/article/19/5/python-3-default-mac [6]: https://opensource.com/article/19/8/how-install-python-windows [7]: https://anvil.works/blog/tidy-data [8]: https://anvil.works/blog/tidy-data#converting-between-long-and-wide-data-in-pandas [9]: https://anvil.works/blog/plotting-in-seaborn [10]: https://opensource.com/sites/default/files/uploads/pandas-unstyled.png (pandas unstyled data plot) [11]: https://opensource.com/article/20/5/matplotlib-python [12]: https://matplotlib.org/api/axis_api.html#axis-objects [13]: https://opensource.com/sites/default/files/uploads/pandas_3.png (pandas styled plot) [14]: https://en.wikipedia.org/wiki/Code_golf [15]: https://anvil.works/blog/escape-hatches-and-ejector-seats [16]: https://anvil.works/blog/plotting-in-pandas