章节概览
pandas 基于 matplotlib 构建了简洁的高级绘图接口，仅需一行代码即可生成常见统计图表。本章涵盖
DataFrame.plot/Series.plot绘图接口、独立绘图方法、pandas.plotting专用统计图形模块，以及可插拔的绘图后端机制。
📑 章节地图
| 子章节 | 核心内容 | 笔记 |
|---|---|---|
| 1. DataFrame.plot / Series.plot | 11 种图表类型 + 27 个绘图参数 | Series.plot |
| 2. 独立绘图方法 | boxplot()、hist()、scatter_matrix() | 2. 独立绘图方法 |
| 3. pandas.plotting | 六种专用统计图形 | 3. pandas.plotting |
| 4. 绘图后端 | matplotlib、plotly 等 | 4. 绘图后端 |
🧭 知识脉络
graph LR A[pandas 可视化] --> B[DataFrame.plot / Series.plot] A --> C[独立绘图方法] A --> D[pandas.plotting] A --> E[绘图后端] B --> B1[图表类型: line/bar/barh/box/hist/kde/density/area/pie/scatter/hexbin] B --> B2[参数: x/y/kind/ax/subplots/figsize/...] C --> C1[boxplot / hist / scatter_matrix] D --> D1[autocorrelation_plot] D --> D2[bootstrap_plot] D --> D3[lag_plot] D --> D4[parallel_coordinates] D --> D5[radviz] D --> D6[andrews_curves] E --> E1[matplotlib] E --> E2[plotly]
💡 核心要点
- 最常用接口：
df.plot(kind='line')与df.plot.line()完全等价，均基于 matplotlib 封装。 - 散点图与六边形分箱图必须显式指定
x、y参数，其他图表类型可省略。 - 饼图通常配合
subplots=True或指定y参数使用。 - 绘图方法返回
Axes对象（单图）或ndarray（多子图），可继续用 matplotlib API 微调。 df.boxplot()与df.plot.box()行为不同：前者每列一个独立子图，后者合并到同一坐标轴。- 通过
pd.options.plotting.backend可无缝切换后端（matplotlib → plotly）。
🔗 相关笔记
- 知识大纲
- 上游章节：十八、统计与数学计算
- 下游章节：index