Matplotlib 如何绘制多个Pandas列

在数据可视化的时候，我们通常需要绘制多个Pandas列，以方便对比和分析。本文将介绍如何使用Matplotlib Python库来绘制多个Pandas列。

准备工作

在开始之前，我们需要确保已经安装了Matplotlib和Pandas库。如果还没有安装，可以使用以下命令进行安装：

pip install matplotlib
pip install pandas

接下来，我们将使用以下代码来创建一个示例数据集：

import pandas as pd
import numpy as np

# 创建示例数据集
data = {'A': np.random.randint(1,10,5),
        'B': np.random.randint(1,10,5),
        'C': np.random.randint(1,10,5),
        'D': np.random.randint(1,10,5)}

df = pd.DataFrame(data)
print(df)

输出结果：

   A  B  C  D
0  2  1  1  6
1  2  7  8  4
2  5  9  3  7
3  9  1  3  4
4  2  2  4  2

绘制多个Pandas列

绘制两列数据

首先，我们可以使用Matplotlib的plot()函数来绘制两列数据。以下将A列和B列作为横纵坐标绘制：

import matplotlib.pyplot as plt

# 绘制A列和B列
plt.plot(df['A'], df['B'])
plt.xlabel('A')
plt.ylabel('B')
plt.show()

绘制多列数据

如果要绘制多列数据，我们可以在plot()函数中传递多个列。以下将A、B、C三列作为横纵坐标绘制：

# 绘制A、B、C三列
plt.plot(df['A'], df['B'], label='AB')
plt.plot(df['A'], df['C'], label='AC')
plt.xlabel('A')
plt.ylabel('Values')
plt.legend()
plt.show()

使用子图绘制多个图形

如果要在单个图形中绘制多个图形，则可以使用子图。以下示例将A、B、C、D四列绘制为四个子图：

fig, axs = plt.subplots(2, 2)

# 绘制AB子图
axs[0, 0].plot(df['A'], df['B'])
axs[0, 0].set_title('AB')

# 绘制AC子图
axs[0, 1].plot(df['A'], df['C'])
axs[0, 1].set_title('AC')

# 绘制AD子图
axs[1, 0].plot(df['A'], df['D'])
axs[1, 0].set_title('AD')

# 绘制BC子图
axs[1, 1].plot(df['B'], df['C'])
axs[1, 1].set_title('BC')

for ax in axs.flat:
    ax.set(xlabel='A', ylabel='Values')

plt.show()

绘制散点图

如果要绘制散点图，可以使用scatter()函数。以下将A和B列绘制为散点图：

# 绘制A和B列的散点图
plt.scatter(df['A'], df['B'])
plt.xlabel('A')
plt.ylabel('B')
plt.show()

绘制柱状图

如果要绘制柱状图，可以使用bar()或barh()函数。以下将A列绘制为柱状图：

# 绘制A列的柱状图
plt.bar(df.index, df['A'])
plt.xlabel('Index')
plt.ylabel('A')
plt.show()

绘制堆叠柱状图

如果要绘制堆叠柱状图，可以使用bar()函数，并且将bottom参数设置为之前列的和。以下将A、B、C三列绘制为堆叠柱状图：

# 绘制A、B、C三列的堆叠柱状图
plt.bar(df.index, df['A'], label='A')
plt.bar(df.index, df['B'], bottom=df['A'], label='B')
plt.bar(df.index, df['C'], bottom=df['A']+df['B'], label='C')
plt.xlabel('Index')
plt.ylabel('Values')
plt.legend()
plt.show()