pandas每⼀列画图_pandas.DataFrame.plot（）参数详解使⽤DataFrame的plot⽅法绘制图像会按照数据的每⼀列绘制⼀条曲线，默认按照列columns的名称在适当的位置展⽰图例，⽐matplotlib绘制节省时间，且DataFrame格式的数据更规范，⽅便向量化及计算。
DataFrame.plot( )函数：
DataFrame.plot(x=None, y=None, kind=‘line‘, ax=None, subplots=False, sharex=None,
sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None,
legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None,
yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None,
position=0.5, table=False, yerr=None, xerr=None, stacked=True/False,
sort_columns=False, secondary_y=False, mark_right=True, **kwds)
注意：每种绘图类型都有相对应的⽅法； Eg. df.plot(kind=‘line‘)与df.plot.line()等价
主要参数详细解释
x : label or position, default None#指数据列的标签或位置参数
y : label, position or list of label, positions, default None
kind : str#绘图类型
‘line’ : line plot (default)#折线图
‘bar’ : vertical bar plot#条形图。stacked为True时为堆叠的柱状图
‘barh’ : horizontal bar plot#横向条形图
‘hist’ : histogram#直⽅图(数值频率分布)
‘box’ : boxplot#箱型图
‘kde’ : Kernel Density Estimation plot#密度图，主要对柱状图添加Kernel 概率密度线
‘density’ : same as ‘kde’
‘area’ : area plot#与x轴所围区域图(⾯积图)。Stacked=True时，每列必须全部为正或负值，stacked=False时，对数据没有要求
‘pie’ : pie plot#饼图。数值必须为正值，需指定Y轴或者subplots=True
‘scatter’ : scatter plot#散点图。需指定X轴Y轴
‘hexbin’ : hexbin plot#蜂巢图。需指定X轴Y轴
ax : matplotlib axes object, default None#**⼦图(axes, 也可以理解成坐标轴) 要在其上进⾏绘制的matplotlib subplot对象。如果没有设置，则使⽤当前matplotlib subplot**其中，变量和函数通过改变figure和axes中的元素(例如：title,label，点和线等等)⼀起描述figure和axes，也就是在画布上绘图。
subplots : boolean, default False#是否对列分别作⼦图
sharex : boolean, default True if ax is None else False#如果ax为None，则默认为True，否则为False    In case subplots=True, share x axis and set some x axis labels to invisible; defaults to True if ax is None otherwise False if an ax is passed in; Be aware, that passing in both an ax and sharex=True will alter all x axis labels for all axis in a figure!
sharey : boolean, default False#如果有⼦图，⼦图共y轴刻度，标签    In case subplots=True, share y axis and set some y axis labels to invisible
layout : tuple (rows, columns) for the layout of subplots#⼦图的⾏列布局
figsize : a tuple (width, height) in inches#图⽚尺⼨⼤⼩
use_index : boolean, default True#默认⽤索引做x轴
title : string#图⽚的标题⽤字符串 Title to use for the plot
grid : boolean, default None#图⽚是否有⽹格
legend : False/True/’reverse’#⼦图的图例 (默认为True)
style : list or dict#对每列折线图设置线的类型
logx : boolean, default False#设置x轴刻度是否取对数
logy : boolean, default False
loglog : boolean, default False#同时设置x，y轴刻度是否取对数
xticks : sequence#设置x轴刻度值，序列形式(⽐如列表)
yticks : sequence#设置y轴刻度，序列形式(⽐如列表)
xlim : float/2-tuple/list#设置坐标轴的范围。数值(最⼩值)，列表或元组(区间范围)
ylim : float/2-tuple/list
rot : int, default None#设置轴标签(轴刻度)的显⽰旋转度数
fontsize : int, default None#设置轴刻度的字体⼤⼩
colormap : str or matplotlib colormap object, default None#设置图的区域颜⾊
colorbar : boolean, optional  #柱⼦颜⾊    If True, plot colorbar (only relevant for ‘scatter’ and ‘hexbin’ plots)
matplotlib中subplot
position : float  #条形图的对齐⽅式，取值范围[0,1]，即左下端到右上端默认0.5(中间对齐)
layout : tuple (optional)  #布局。layout=(2, 3)两⾏三列，layout=(2, -1)两⾏⾃适应列数  Eg. df.plot(subplots=True, layout=(2, -1), sharex=False)
table : boolean, Series or DataFrame, default False  #图下添加表。如果为True，则使⽤DataFrame中的数据绘制表格，并且数据将被转置以满⾜matplotlib的默认布局。。
yerr : DataFrame, Series, array-like, dict and str
See Plotting with Error Bars for detail.
xerr : same types as yerr.
stacked : boolean, default False in line and bar plots, and True in area plot. If True, create stacked plot. #前⾯有介绍
sort_columns : boolean, default False  #对列名称进⾏排序以确定绘图顺序
secondary_y : boolean or sequence, default False  #设置第⼆个y轴(右辅助y轴)    Whether to plot on the secondary y-axis If a list/tuple, which columns to plot on secondary y-axis
mark_right : boolean, default True    When using a secondary_y axis, automatically mark the column labels with “(right)” in the legend
2. 其他说明
2.1 其他参数
color：颜⾊
s：散点图⼤⼩
2.2 设置X、Y轴名称ax.set_ylabel(‘yyy‘)
ax.set_xlabel(‘xxx‘)
2.3 plt.legend(loc=‘best‘)
loc：图列位置
3. 其他画图步骤
1)⾸先定义画图的画布：fig = plt.figure( )
2)然后定义⼦图ax ，使⽤ ax= fig.add_subplot( ⾏，列，位置标)
3)⽤ ax.plot( )函数或者 df.plot(ax = ax)
4)结尾加plt.show()
注意：在jupternotebook 需要⽤%定义：%matplotlib notebook；如果是在脚本编译器上则不⽤，但是需要⼀次性按流程把代码写完4. 参考⽹址
1)学习pandas下的dataframe画图参数
2)python：利⽤pandas进⾏绘图(总结)绘图格式
3)pandas.DataFrame.plot官⽹
4)官⽹举例
pandas.DataFrame.plot( )参数详解