Pandas是基于Matplotlib，对Matplotlib二次封装。使用简单，功能稍弱，常用的数据结构 Series 和 Dataframe 都有plot()方法，用于绘图

1、单变量可视化

1.1、柱状图

import pandas as pd
reviews = pd.read_csv("../data/winemag-data_first150k.csv", index_col=0)
text_kwargs=dict(figsize=(16,8),fontsize=20,color=['b','orange','g','r','purple','brown','pink','gray','cyan','y'])
reviews['province'].value_counts().head(10).plot.bar(**text_kwargs)

柱状图

1.2、折线图

在折线图的下方填充颜色即为面积图

reviews['points'].value_counts().sort_index().plot.line()

1.3、面积图

reviews['points'].value_counts().sort_index().plot.area()

面积图

1.4、直方图

reviews[reviews['price']<200]['price'].plot.hist()

直方图

1.5、饼图

只适合展示少量分类在整体的占比

reviews['province'].value_counts().head(10).plot.pie()

饼图

2、双变量可视化

2.1、散点图

reviews[reviews['price']<100].plot.scatter(x='price',y = 'points',figsize=(12,8))

散点图

2.2、hexplot

hexplot将数据点聚合为六边形，然后根据其内的值为这些六边形上色：

reviews[reviews['price']<100].plot.hexbin(x='price',y='points',gridsize=15,figsize=(14,8))

hexplot

2.3、堆叠图

种类较多的数据不适合用堆积图，图中显示的数据有五个种类，比较合适，一般不要超过8个种类

reviews.groupby(['variety'])['country'].count().sort_values(ascending=False)
reviews.groupby(['variety'])['country'].count().sort_values(ascending=False)
# 从数据中取出最常见的5中葡萄酒
top_5_wine = reviews[reviews['variety'].isin(['Chardonnay','Pinot Noir','Cabernet Sauvignon','Red Blend','Bordeaux-style Red Blend'])]
# 透视统计表
wine_counts = top_5_wine.pivot_table(index=['points'], columns=['variety'], values='country',aggfunc='count')
# 修改列名
wine_counts.columns=['Bordeaux-style Red Blend','Cabernet Sauvignon','Chardonnay','Pinot Noir','Red Blend']
wine_counts.plot.bar(stacked=True)

柱状堆叠图

面积堆叠图

2.4、折线图

wine_counts.plot.line()

折线图