python - Matplotlib 和 pandas 中的条形图之间的差异

Question

我觉得我在这里遗漏了一些荒谬的基本知识。

如果我尝试使用数据框的值创建条形图，调用数据框对象上的 .plot 与仅在 plt.plot< 中输入数据有什么区别 的括号？

例如

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

对比

df.groupby('category').count().plot(kind='bar')?

有人可以告诉我有什么区别以及我应该在什么时候使用它们吗？我通过 plt.plot 得到了它，我正在调用 plt (Matplotlib) 库的 plot 方法，而当我执行 df.plot 时我在数据框上调用绘图？这到底是什么意思——数据框有一个绘图对象？

Answer 1

这些是不同的绘图方法。从根本上说，它们都生成一个 matplotlib 对象，可以通过其中一个 matplotlib 后端显示。

但是有一个重要的区别。 Pandas 条形图在本质上是 分类。这意味着，条形图被定位在后续的整数数字处，并且每个条形图根据数据帧的索引得到一个带有标签的刻度。例如:

import matplotlib.pyplot as plt
import pandas as pd

s = pd.Series([30,20,10,40], index=[1,4,5,9])
s.plot.bar()

plt.show()

在这里，有四个条，第一个在位置 0，带有系列索引的第一个标签，1。第二个在位置 1，带有标签 4 等等。

相比之下，ma​​tplotlib 条形图在本质上是数字。比较一下

import matplotlib.pyplot as plt
import pandas as pd

s = pd.Series([30,20,10,40], index=[1,4,5,9])
plt.bar(s.index, s.values)

plt.show()

这里的柱状图位于索引的数字位置；第一根柱子位于 1，第二根柱子位于 4 等等，轴标签与柱子的位置无关。

请注意，您可以通过将值转换为字符串来使用 matplotlib 获得分类条形图。

plt.bar(s.index.astype(str), s.values)

结果看起来与 pandas 图相似，除了一些小的调整，例如旋转的标签和条形宽度。如果您有兴趣调整一些复杂的属性，使用 matplotlib 条形图会更容易，因为它会直接返回包含所有条形图的条形容器。

bc = plt.bar()
for bar in bc:
    bar.set_some_property(...)