新人入门数据可视化，关于对pandas数据对象中的plot()函数与matplotlib库下pyplot子模块中plt.plot()概念的混淆问题解决！！！(新人看完醍醐灌顶 )

1.pandas中的plot()函数是一种数据可视化工具，可用于快速绘制各种数据图形，例如折线图、散点图、柱状图等等。

pandas库提供的plot()函数具有更高的封装度和便捷性，使用起来非常方便。在绝大多数情况下，直接对pandas数据对象（如DataFrame、Series对象）使用plot()函数即可绘制出符合需求的图形。

plot()函数支持多种绘图类型，例如：

讲人话就是在pandas数据对象后可以直接调用plot（）函数来绘制图形，下面就是为大家整理的相对而言更常用的图形的使用：

plot()：折线图
plot.bar()：柱状图
plot.hist()：直方图
plot.scatter()：散点图
plot.box()：箱线图
plot.kde()：概率密度图
plot.area()：面积图

! 还有一点就是新人可能会纠结的问题：

pandas对象的plot() 与plot.line() 绘制出来都是折线图吗? 正如下二段代码：

# 使用plot.line()绘制线图
data.plot.line()

# 使用plot()方法绘制线图（与上面的方法结果相同）
data.plot()

现在我告诉大家这二种表达方式基本没区别，绘制出来都是折线图，大家按照自己的习惯来编写就行。不用纠结死磕

2. 使用matplotlib库中的pyplot子库，可以绘制许多类型的图形，

讲人话就是：相对于pandas下的plot(),使用matplotlib库中的pyplot子库，来进行可视化就是函数中提供的参数更多一些，更适合于较为复杂一点的可视化(可以调整图表的颜色、线型、标签、标题等各种属性，以风格化和美化图表).

其中包括：

折线图（line plot）
散点图（scatter plot）
条形图（bar plot）
直方图（histogram）
饼图（pie chart）
箱形图（box plot）
热力图（heatmap）
3D图（3D plot）等

使用方法如:

# 绘制折线图
plt.plot(x, y)

# 绘制散点图
plt.scatter(x, y)

# 绘制条形图
plt.bar(x, y)

# 绘制直方图
plt.hist(x)

# 绘制饼图
plt.pie(x)

# 绘制箱形图
plt.boxplot(x)

# 绘制热力图
plt.imshow(x)

# 绘制3D图
from mpl_toolkits import mplot3d
ax = plt.axes(projection='3d')
ax.plot3D(x, y, z)

3.在Notebook中魔法函数的作用以及使用：

%matplotlib inline
# 魔法函数

concept：

在Jupyter Notebook中，使用%matplotlib inline命令可以在Notebook中直接显示图形输出，并嵌入到Notebook中，而不是另外打开新的窗口或其他程序。

具体来说，在使用matplotlib绘图时，我们通常会使用plt.show()函数将图形显示出来。为了在Notebook中直接显示图形而不是弹出外部窗口，我们可以使用%matplotlib inline命令来配置。

使用魔法函数效率很高二行代码就可以出个图：

*在Jupyter Notebook中使用魔法函数绘制概率密度图KDE（Kernel Density Estimation）的代码如下：

%matplotlib inline
import pandas as pd

# 读取数据，这里使用pandas库读取本地csv文件
data = pd.read_csv('data.csv')

# 绘制概率密度图KDE
data.plot(kind='kde')

简单的柱状图：

%matplotlib inline
import matplotlib.pyplot as plt

# 创建数据
x = ['A', 'B', 'C', 'D']
y = [10, 5, 8, 12]

# 绘制柱状图
plt.bar(x, y)
plt.title('Bar chart')
plt.xlabel('Category')
plt.ylabel('Count')
plt.show()

4.在pandas数据对象中的plot()函数中有kind 参数来指定图像类型，style参数是指定用什么颜色和特殊符号来填充

1.例如：

%matplotlib inline
import pandas as pd

# 读取iris数据集
iris = pd.read_csv("https://archive.ics.uci.edu/ml/machineng-databases/iris/iris.data", header=None)
# 设置列名
iris.columns = ["sepal_length", "sepal_width", "petal_length", "petal_width", "class"]

# 设置数据点的样式为黑色圆点（k.）
iris.plot(x="sepal_length", y="sepal_width", color="b", style="k.")

这段代码案例中对于iris对象调用plot绘图函数且在函数的内部没有指定kind的图形样式，那plot（）理论上应该就为折现图，但是，函数中有指定参数sytle ='k.' 意思为用黑的的点来填充，

那出来的图就是黑色的点填充的看起来是散点图的折线图。此图的本质依然是折线图（希望我有说清楚）

在补充一点：如果上段代码中在plot()中有指定kind 参数为 kind="scatter",那它就是散点图哦

ok,希望对大家又帮助