安装matplotlib

为了能够显示图表，首先需要安装matplotlib库，安装方法如下：

pip3 install matplotlib

显示图表

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 产生1000个随机数
data = pd.Series(np.random.rand(1000))
# 画图表
data.plot()
# 显示图表
plt.show()

在上面的代码中，我们首先创建1000个随机数序列点，然后对这1000个点进行画图表，最后调用plt.show()显示图表。

显示的结果为：

在matplotlib中，如果想要显示图表，需要使用plt.plot()函数，但在pandas中，我们只要对序列数据调用plot()函数就能显示其所拥有的数据，是不是很简单。

显示矩阵数据

显示矩阵中的数据，就会把每列当做一个数据序列进行显示，例如：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 产生1000个4列正态分布的随机数
data = pd.DataFrame(np.random.randn(1000, 4))
# 对其中的数据进行累加，目的是为了能够使例子中显示的曲线有上升波动效果
data = data.cumsum()
# 打印出前几行的数据，方便我们调试其中的数据值
print(data.head())
# 画图表
data.plot()
# 显示图表
plt.show()

其中显示的头几行数据值为：

          0         1         2         3
0  0.596323  0.195563  0.037300  0.900385
1  0.186813  2.217155  0.516096  0.623348
2  1.147338  2.362926  2.597531  0.960079
3  1.571033  2.910459  0.947950  0.609487
4  1.783988  3.702685 -0.358119  2.341726

显示的图表为：

还是挺漂亮的图表，有点像股市走势图。：）
只是其中的0,1,2,3这几个列名不大好看，我们可以修改产生数据集中的列名，这样，在显示图表时就能按照数据集中的列名进行显示了。
比如，我们想修改数据集中的列名显示为A、B、C、D：

data = pd.DataFrame(np.random.randn(1000, 4), columns=list("ABCD"))

这样显示为：

显示散点图

可以用scatter()函数来显示散点图，但其使用方式跟显示图表的有点不一样，主要是此函数是在plot属性中的方法，需要注意一下：

data.plot.scatter(x='A', y='B')

完整的代码为：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 产生1000个4列正态分布的随机数
data = pd.DataFrame(np.random.randn(1000, 4), columns=list("ABCD"))
# 打印出前几行的数据，方便我们调试其中的数据值
print(data.head())
# 显示散点图
data.plot.scatter(x='A', y='B')
# 显示图
plt.show()

显示图为：

在scatter函数中还可以添加额外的属性，比如可以通过color来指定颜色，通过label来指定标签，我们来看一下：

data.plot.scatter(x='A', y='B', color='DarkBlue', label="Class 1")

显示的图为：

如果我们想要在一张图中再画一下另一个散点图，比如，在上面这个例子中，我们已经显示了横坐标是A纵坐标是B的散点图，现在我们还想把横坐标是A，纵坐标是C的数据也显示在其中，该怎么进行呢？

# 显示散点图
pic1 = data.plot.scatter(x='A', y='B', color='DarkBlue', label="Class 1")
data.plot.scatter(x='A', y='C', color='DarkGreen', label='Class2', ax=pic1)
# 显示图
plt.show()

图片显示为：

pandas画图-【老鱼学pandas】

安装matplotlib

显示图表

显示矩阵数据

显示散点图

更多图形