Tôi biết nó có thể trông cơ bản nhưng tôi không tìm thấy gì về nó ...
Ở Panda, tôi chỉ có một khung dữ liệu với một hàng. Chỉ mục là một ngày và các cột là ngày, dữ liệu là số liệu thông thường ...
Tôi muốn vẽ tất cả các hàng ... bất kỳ ý tưởng?
2017-03-23 2017-03-22 2017-03-21 2017-03-20 2017-03-17 2017-03-16
maturity
2020-04-30 41 -20 15.3 21.21 -0.86 61.2
Thanh thản
33.4K19 Huy hiệu vàng112 Huy hiệu bạc111 Huy hiệu đồng19 gold badges112 silver badges111 bronze badges
Hỏi ngày 1 tháng 4 năm 2017 lúc 3:00Apr 1, 2017 at 3:00
1
Bạn phải chọn một hàng theo chỉ mục CNTT và sau đó vẽ đồ thị:
row = df.iloc[0]
row.plot[]
Đã trả lời ngày 1 tháng 4 năm 2017 lúc 3:10Apr 1, 2017 at 3:10
SerenitySerenitySerenity
33.4K19 Huy hiệu vàng112 Huy hiệu bạc111 Huy hiệu đồng19 gold badges112 silver badges111 bronze badges
Để vẽ một số hàng nhất định của DataFrame Pandas, chúng ta có thể thực hiện các bước sau -
- Đặt kích thước hình và điều chỉnh phần đệm giữa và xung quanh các ô con.
- Tạo khung dữ liệu gấu trúc, DF. Nó phải là một dữ liệu dạng bảng hai chiều, có kích thước, có khả năng không đồng nhất.df. It should be a two-dimensional, size-mutable, potentially heterogeneous tabular data.
- Tạo các hàng của gấu trúc. Sử dụng hàm iloc [] để cắt DF và in các hàng cụ thể.iloc[] function to slice the df and print specific rows.
- Để hiển thị hình, sử dụng phương thức show [].show[] method.
Thí dụ
from matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]
Đầu ra
Chúng tôi có 10 hàng trong DataFrame. Khi chúng tôi thực thi mã, nó sẽ in 6 hàng đầu tiên trên bảng điều khiển vì ILOC [0: 6] cắt 6 hàng đầu tiên từ DataFrame.iloc[0:6] slices the first 6 rows from the dataframe.
a b c d e 0 1.826023 0.606137 0.389687 -0.497605 0.164785 1 0.571941 2.324981 -1.154445 0.757724 0.570713 2 -1.328481 1.248171 -0.849694 -1.133029 -0.977927 3 -0.509296 1.086251 0.809288 0.409166 -0.080694 4 0.973164 1.328212 0.858214 0.997309 -0.375427 5 1.014649 1.480790 -1.451903 -0.306659 -0.382312
Để vẽ khung dữ liệu được cắt lát này, giải phóng dòng cuối cùng plt.show [] trong mã và thực thi lại.
Cập nhật vào ngày 08 tháng 3 năm 2021 11:07:44
- Câu hỏi và câu trả lời liên quan
- Làm thế nào để vẽ một bản dữ liệu gấu trúc với matplotlib?
- Biểu đồ tần số trong khung dữ liệu Python/Pandas bằng cách sử dụng matplotlib
- Làm thế nào để thay đổi DPI của biểu đồ dữ liệu gấu trúc trong matplotlib?
- Chú thích các điểm từ một khung dữ liệu gấu trúc trong âm mưu matplotlib
- Python - Vẽ biểu đồ cho gấu trúc DataFrame với matplotlib?
- Vẽ đồ thị dòng cho gấu trúc DataFrame với matplotlib?
- Làm thế nào để vẽ một bản dữ liệu đa chỉ số gấu trúc với tất cả các Xticks [matplotlib]?
- Làm thế nào để vẽ một khu vực trong khung dữ liệu gấu trúc trong matplotlib python?
- Làm thế nào để vẽ một âm mưu mật độ hạt nhân của ngày trong gấu trúc bằng cách sử dụng matplotlib?
- Python - Vẽ một biểu đồ hình tròn cho gấu trúc DataFrame với matplotlib?
- Vẽ nhiều cột của Pandas DataFrame bằng cách sử dụng Seaborn
- Làm thế nào để biểu đồ bề mặt/âm mưu 3D từ DataFrame [matplotlib]?
- Làm thế nào để truy cập vào một nhóm các hàng trong một khung dữ liệu gấu trúc?
- Python Pandas - Cách nối các hàng vào DataFrame
- Python - Các hàng xếp hạng của Pandas DataFrame
Tổng quan
Giảng dạy: 15 phút Bài tập: 15 phút 15 min
Exercises: 15 minCâu hỏi
Làm cách nào để vẽ dữ liệu của mình?
Làm thế nào tôi có thể lưu cốt truyện của tôi để xuất bản?
Mục tiêu
Tạo một biểu đồ chuỗi thời gian hiển thị một tập dữ liệu duy nhất.
Tạo một biểu đồ phân tán hiển thị mối quan hệ giữa hai bộ dữ liệu.
from matplotlib import pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']]
df.iloc[0:6].plot[y='e']
print[df.iloc[0:6]]
# plt.show[]
1 là thư viện âm mưu khoa học được sử dụng rộng rãi nhất trong Python.
- Thường sử dụng một thư viện phụ được gọi là
from matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]
2. - Notebook Jupyter sẽ hiển thị các sơ đồ nội tuyến theo mặc định.
import matplotlib.pyplot as plt
- Sơ đồ đơn giản sau đó [công bằng] đơn giản để tạo.
time = [0, 1, 2, 3]
position = [0, 100, 200, 300]
plt.plot[time, position]
plt.xlabel['Time [hr]']
plt.ylabel['Position [km]']
Hiển thị tất cả các số liệu mở
Trong ví dụ Jupyter Notebook, chạy ô nên tạo hình ngay bên dưới mã. Hình cũng được bao gồm trong tài liệu Notebook để xem trong tương lai. Tuy nhiên, các môi trường Python khác như phiên Python tương tác bắt đầu từ một thiết bị đầu cuối hoặc tập lệnh Python được thực hiện thông qua dòng lệnh yêu cầu một lệnh bổ sung để hiển thị hình.
Hướng dẫn
from matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]1 hiển thị một con số:Lệnh này cũng có thể được sử dụng trong một cuốn sổ - ví dụ, để hiển thị nhiều hình nếu một số được tạo bởi một ô.
Vẽ dữ liệu trực tiếp từ from matplotlib import pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']]
df.iloc[0:6].plot[y='e']
print[df.iloc[0:6]]
# plt.show[]
4.
- Chúng ta cũng có thể vẽ các khung dữ liệu gấu trúc.
- Điều này ngầm sử dụng
from matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]
2. - Trước khi vẽ, chúng tôi chuyển đổi các tiêu đề cột từ kiểu dữ liệu
from matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]
6 sangfrom matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]
7, vì chúng đại diện cho các giá trị số
import pandas as pd
data = pd.read_csv['data/gapminder_gdp_oceania.csv', index_col='country']
# Extract year from last 4 characters of each column name
# The current column names are structured as 'gdpPercap_[year]',
# so we want to keep the [year] part only for clarity when plotting GDP vs. years
# To do this we use strip[], which removes from the string the characters stated in the argument
# This method works on strings, so we call str before strip[]
years = data.columns.str.strip['gdpPercap_']
# Convert year values to integers, saving results back to dataframe
data.columns = years.astype[int]
data.loc['Australia'].plot[]
Chọn và chuyển đổi dữ liệu, sau đó vẽ nó.
- Theo mặc định,
from matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]
8 sơ đồ với các hàng là trục X. - Chúng ta có thể chuyển đổi dữ liệu để vẽ nhiều chuỗi.
data.T.plot[]
plt.ylabel['GDP per capita']
Nhiều phong cách của cốt truyện có sẵn.
- Ví dụ, thực hiện một cốt truyện bằng cách sử dụng một phong cách fancier.
plt.style.use['ggplot']
data.T.plot[kind='bar']
plt.ylabel['GDP per capita']
Dữ liệu cũng có thể được vẽ trực tiếp bằng cách gọi hàm from matplotlib import pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']]
df.iloc[0:6].plot[y='e']
print[df.iloc[0:6]]
# plt.show[]
1 a b c d e
0 1.826023 0.606137 0.389687 -0.497605 0.164785
1 0.571941 2.324981 -1.154445 0.757724 0.570713
2 -1.328481 1.248171 -0.849694 -1.133029 -0.977927
3 -0.509296 1.086251 0.809288 0.409166 -0.080694
4 0.973164 1.328212 0.858214 0.997309 -0.375427
5 1.014649 1.480790 -1.451903 -0.306659 -0.382312
0.
- Lệnh là
a b c d e 0 1.826023 0.606137 0.389687 -0.497605 0.164785 1 0.571941 2.324981 -1.154445 0.757724 0.570713 2 -1.328481 1.248171 -0.849694 -1.133029 -0.977927 3 -0.509296 1.086251 0.809288 0.409166 -0.080694 4 0.973164 1.328212 0.858214 0.997309 -0.375427 5 1.014649 1.480790 -1.451903 -0.306659 -0.382312
1 - Màu sắc và định dạng của các điểm đánh dấu cũng có thể được chỉ định là một đối số tùy chọn bổ sung, ví dụ:
a b c d e 0 1.826023 0.606137 0.389687 -0.497605 0.164785 1 0.571941 2.324981 -1.154445 0.757724 0.570713 2 -1.328481 1.248171 -0.849694 -1.133029 -0.977927 3 -0.509296 1.086251 0.809288 0.409166 -0.080694 4 0.973164 1.328212 0.858214 0.997309 -0.375427 5 1.014649 1.480790 -1.451903 -0.306659 -0.382312
2 là một đường màu xanh lam,a b c d e 0 1.826023 0.606137 0.389687 -0.497605 0.164785 1 0.571941 2.324981 -1.154445 0.757724 0.570713 2 -1.328481 1.248171 -0.849694 -1.133029 -0.977927 3 -0.509296 1.086251 0.809288 0.409166 -0.080694 4 0.973164 1.328212 0.858214 0.997309 -0.375427 5 1.014649 1.480790 -1.451903 -0.306659 -0.382312
3 là một đường nét đứt màu xanh lá cây.
Nhận dữ liệu Úc từ DataFrame
years = data.columns
gdp_australia = data.loc['Australia']
plt.plot[years, gdp_australia, 'g--']
Có thể vẽ nhiều bộ dữ liệu với nhau.
row = df.iloc[0]
row.plot[]
0Thêm một huyền thoại
Thông thường khi vẽ nhiều bộ dữ liệu trên cùng một hình, mong muốn có một huyền thoại mô tả dữ liệu.
Điều này có thể được thực hiện trong
from matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]1 trong hai giai đoạn:
- Cung cấp nhãn cho mỗi bộ dữ liệu trong hình:
1row = df.iloc[0] row.plot[]
- Hướng dẫn
from matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]1 để tạo ra truyền thuyết.Theo mặc định matplotlib sẽ cố gắng đặt truyền thuyết ở vị trí phù hợp. Nếu bạn thà chỉ định một vị trí, điều này có thể được thực hiện với đối số
a b c d e 0 1.826023 0.606137 0.389687 -0.497605 0.164785 1 0.571941 2.324981 -1.154445 0.757724 0.570713 2 -1.328481 1.248171 -0.849694 -1.133029 -0.977927 3 -0.509296 1.086251 0.809288 0.409166 -0.080694 4 0.973164 1.328212 0.858214 0.997309 -0.375427 5 1.014649 1.480790 -1.451903 -0.306659 -0.3823126, ví dụ: để đặt huyền thoại ở góc trên bên trái của cốt truyện, chỉ địnha b c d e 0 1.826023 0.606137 0.389687 -0.497605 0.164785 1 0.571941 2.324981 -1.154445 0.757724 0.570713 2 -1.328481 1.248171 -0.849694 -1.133029 -0.977927 3 -0.509296 1.086251 0.809288 0.409166 -0.080694 4 0.973164 1.328212 0.858214 0.997309 -0.375427 5 1.014649 1.480790 -1.451903 -0.306659 -0.3823127
- Vẽ một âm mưu phân tán tương quan GDP của Úc và New Zealand
- Sử dụng
a b c d e 0 1.826023 0.606137 0.389687 -0.497605 0.164785 1 0.571941 2.324981 -1.154445 0.757724 0.570713 2 -1.328481 1.248171 -0.849694 -1.133029 -0.977927 3 -0.509296 1.086251 0.809288 0.409166 -0.080694 4 0.973164 1.328212 0.858214 0.997309 -0.375427 5 1.014649 1.480790 -1.451903 -0.306659 -0.382312
8 hoặca b c d e 0 1.826023 0.606137 0.389687 -0.497605 0.164785 1 0.571941 2.324981 -1.154445 0.757724 0.570713 2 -1.328481 1.248171 -0.849694 -1.133029 -0.977927 3 -0.509296 1.086251 0.809288 0.409166 -0.080694 4 0.973164 1.328212 0.858214 0.997309 -0.375427 5 1.014649 1.480790 -1.451903 -0.306659 -0.382312
9
row = df.iloc[0]
row.plot[]
2row = df.iloc[0]
row.plot[]
3Timea và cực đại
Điền vào các chỗ trống bên dưới để vẽ GDP tối thiểu bình quân đầu người theo thời gian cho tất cả các quốc gia ở châu Âu. Sửa đổi nó một lần nữa để vẽ GDP tối đa bình quân đầu người theo thời gian cho châu Âu.
4row = df.iloc[0] row.plot[]
Dung dịch
5row = df.iloc[0] row.plot[]
Mối tương quan
Sửa đổi ví dụ trong các ghi chú để tạo ra một biểu đồ phân tán cho thấy mối quan hệ giữa GDP tối thiểu và tối đa trên đầu người giữa các quốc gia ở châu Á cho mỗi năm trong bộ dữ liệu. Bạn thấy mối quan hệ nào [nếu có]?
Dung dịch
6row = df.iloc[0] row.plot[]
Mối tương quan
Sửa đổi ví dụ trong các ghi chú để tạo ra một biểu đồ phân tán cho thấy mối quan hệ giữa GDP tối thiểu và tối đa trên đầu người giữa các quốc gia ở châu Á cho mỗi năm trong bộ dữ liệu. Bạn thấy mối quan hệ nào [nếu có]?
7row = df.iloc[0] row.plot[]
Dung dịch
Mối tương quan
Sửa đổi ví dụ trong các ghi chú để tạo ra một biểu đồ phân tán cho thấy mối quan hệ giữa GDP tối thiểu và tối đa trên đầu người giữa các quốc gia ở châu Á cho mỗi năm trong bộ dữ liệu. Bạn thấy mối quan hệ nào [nếu có]?
Không có mối tương quan cụ thể nào có thể được nhìn thấy giữa các giá trị GDP tối thiểu và tối đa hàng năm. Có vẻ như vận may của các nước châu Á không vươn lên và cùng nhau.
8row = df.iloc[0] row.plot[]
Bạn có thể lưu ý rằng sự thay đổi tối đa cao hơn nhiều so với mức tối thiểu. Hãy xem tối đa và các chỉ mục tối đa:
Dung dịch
Mối tương quan
Sửa đổi ví dụ trong các ghi chú để tạo ra một biểu đồ phân tán cho thấy mối quan hệ giữa GDP tối thiểu và tối đa trên đầu người giữa các quốc gia ở châu Á cho mỗi năm trong bộ dữ liệu. Bạn thấy mối quan hệ nào [nếu có]?
Không có mối tương quan cụ thể nào có thể được nhìn thấy giữa các giá trị GDP tối thiểu và tối đa hàng năm. Có vẻ như vận may của các nước châu Á không vươn lên và cùng nhau.
Bạn có thể lưu ý rằng sự thay đổi tối đa cao hơn nhiều so với mức tối thiểu. Hãy xem tối đa và các chỉ mục tối đa:
Có vẻ như sự thay đổi trong giá trị này là do sự sụt giảm mạnh sau năm 1972. Một số địa chính trị có lẽ? Với sự thống trị của các nước sản xuất dầu, có lẽ chỉ số thô Brent sẽ tạo ra một so sánh thú vị? Trong khi Myanmar liên tục có GDP thấp nhất, thì GDB quốc gia cao nhất đã thay đổi đáng chú ý hơn.
Nhiều mối tương quan hơn
9row = df.iloc[0] row.plot[]
Chương trình ngắn này tạo ra một âm mưu cho thấy mối tương quan giữa GDP và tuổi thọ cho năm 2007, bình thường hóa kích thước đánh dấu theo dân số:
Lưu ý rằng các chức năng trong
2 đề cập đến một biến số toàn cầu và sau khi một hình đã được hiển thị lên màn hình [ví dụ: vớiimport matplotlib.pyplot as plt
3] matplotlib sẽ làm cho biến này tham khảo một hình trống mới. Do đó, hãy đảm bảo bạn gọiimport matplotlib.pyplot as plt
4 trước khi biểu đồ được hiển thị lên màn hình, nếu không bạn có thể tìm thấy một tệp có âm mưu trống.import matplotlib.pyplot as plt
Khi sử dụng DataFrames, dữ liệu thường được tạo và vẽ để sàng lọc theo một dòng và
4 dường như không phải là một cách tiếp cận có thể. Sau đó, một khả năng lưu con số vào tệp làimport matplotlib.pyplot as plt
- Lưu tham chiếu đến hình hiện tại trong một biến cục bộ [với
6]import matplotlib.pyplot as plt
- Gọi phương thức lớp
7 từ biến đó.import matplotlib.pyplot as plt
from matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]0
Làm cho âm mưu của bạn có thể truy cập được
Bất cứ khi nào bạn tạo ra các lô để đi vào một tờ giấy hoặc một bài thuyết trình, có một vài điều bạn có thể làm để đảm bảo rằng mọi người có thể hiểu cốt truyện của bạn.
- Luôn đảm bảo văn bản của bạn đủ lớn để đọc. Sử dụng tham số
8 trongimport matplotlib.pyplot as plt
9,import matplotlib.pyplot as plt
0,time = [0, 1, 2, 3] position = [0, 100, 200, 300] plt.plot[time, position] plt.xlabel['Time [hr]'] plt.ylabel['Position [km]']
1 vàtime = [0, 1, 2, 3] position = [0, 100, 200, 300] plt.plot[time, position] plt.xlabel['Time [hr]'] plt.ylabel['Position [km]']
2 vàtime = [0, 1, 2, 3] position = [0, 100, 200, 300] plt.plot[time, position] plt.xlabel['Time [hr]'] plt.ylabel['Position [km]']
3 vớitime = [0, 1, 2, 3] position = [0, 100, 200, 300] plt.plot[time, position] plt.xlabel['Time [hr]'] plt.ylabel['Position [km]']
4 để tăng kích thước văn bản của các số trên các trục của bạn.time = [0, 1, 2, 3] position = [0, 100, 200, 300] plt.plot[time, position] plt.xlabel['Time [hr]'] plt.ylabel['Position [km]']
- Tương tự, bạn nên làm cho các yếu tố biểu đồ của bạn dễ dàng nhìn thấy. Sử dụng
5 để tăng kích thước của các điểm đánh dấu phân tán của bạn vàtime = [0, 1, 2, 3] position = [0, 100, 200, 300] plt.plot[time, position] plt.xlabel['Time [hr]'] plt.ylabel['Position [km]']
6 để tăng kích thước của các dòng cốt truyện của bạn.time = [0, 1, 2, 3] position = [0, 100, 200, 300] plt.plot[time, position] plt.xlabel['Time [hr]'] plt.ylabel['Position [km]']
- Sử dụng màu sắc [và không có gì khác] để phân biệt giữa các yếu tố cốt truyện khác nhau sẽ làm cho các lô của bạn không thể đọc được với bất kỳ ai là mù màu, hoặc những người tình cờ có máy in văn phòng đen trắng. Đối với các dòng, tham số
7 cho phép bạn sử dụng các loại dòng khác nhau. Đối với các biểu đồ phân tán,time = [0, 1, 2, 3] position = [0, 100, 200, 300] plt.plot[time, position] plt.xlabel['Time [hr]'] plt.ylabel['Position [km]']
8 cho phép bạn thay đổi hình dạng điểm của mình. Nếu bạn không chắc chắn về màu sắc của mình, bạn có thể sử dụng Coblis hoặc Color Oracle để mô phỏng các lô của bạn sẽ trông như thế nào đối với những người bị mù màu.time = [0, 1, 2, 3] position = [0, 100, 200, 300] plt.plot[time, position] plt.xlabel['Time [hr]'] plt.ylabel['Position [km]']
Những điểm chính
from matplotlib import pyplot as plt import numpy as np import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame[np.random.randn[10, 5], columns=list['abcde']] df.iloc[0:6].plot[y='e'] print[df.iloc[0:6]] # plt.show[]1 là thư viện âm mưu khoa học được sử dụng rộng rãi nhất trong Python.Vẽ dữ liệu trực tiếp từ một DataFrame của Pandas.
Chọn và chuyển đổi dữ liệu, sau đó vẽ nó.
Nhiều kiểu cốt truyện có sẵn: Xem bộ sưu tập đồ thị Python để biết thêm các tùy chọn.
Có thể vẽ nhiều bộ dữ liệu với nhau.