pandas plot函数：数据可视化的快捷通道

一般来说，我们先用pandas分析数据，然后用matplotlib之类的可视化库来显示分析结果。而pandas库中有一个强大的工具--plot函数，可以使数据可视化变得简单而高效。

1. plot 函数简介

plot函数是pandas中用于数据可视化的一个重要工具，通过plot函数，可以轻松地将DataFrame或Series对象中的数据以图形的形式展示出来。

plot函数支持多种类型的图形，包括折线图、柱状图、散点图、饼图等，这些不同类型的图形适用于不同的数据分析场景。此外，plot函数还支持通过参数设置来调整图形的样式，如颜色、标签、图例等，以满足更加个性化的可视化需求。

plot函数的参数名称和含义了matplotlib绘图时的参数是类似的，如果熟悉matplotlib绘图的话，上手更快。

2. 数据准备

下面的示例中使用的数据采集自A股2024年1月和2月的真实交易数据。数据下载地址：https://databook.top/。

导入数据：

import pandas as pd
import matplotlib.pyplot as plt

fp = r'D:\data\2024\历史行情数据-不复权-2024.csv'

df = pd.read_csv(fp)
df = df.loc[:, ["股票代码", "日期", "开盘", "收盘", "最高", "最低", "成交量"]]
df

3. 使用示例

针对上面的交易数据，下面演示如何用plot函数快速绘图。

3.1. 折线图

折线图一般用于展示时间序列数据，可以提取某一支股票的数据并绘制出来。

# 提取870299这支股票
data = df.query("股票代码==870299")
data.index = data["日期"]

# 绘制每天最高价和最低价的曲线
data.loc[:, ["最高", "最低"]].plot(kind="line", title="股票870299", rot=45)
plt.show()

代码中有几个注意点：

data.index = data["日期"]：plot函数将索引列作为横轴，所以这里设置日期列为索引（index）
kind参数：设置图形的类型，这里设置line，表示折线图
title参数：设置图形的标题
rot参数：调整刻度的角度，这里将X轴的刻度旋转了45度，防止日期之间的重叠

3.2. 柱状图

柱状图多用于比对数据，下面我们用pandas挑选几支股票，然后比对它们的开盘价和收盘价的平均值。

# 随便挑选一些股票代码
codes = [870299, 301138, 603825, 600579, 600640]
data = df.loc[:,["股票代码", "开盘", "收盘"]].query("股票代码==@codes")

# groupby之后，绘制各个股票开盘价和收盘价的平均值
data.groupby(by=["股票代码"]).mean().plot(kind="bar")
plt.show()

代码中的注意点：

kind参数：设置图形的类型，这里设置bar，表示柱状图
groupby之后，"股票代码"变为索引列，所以绘图时作为横轴

如果要绘制横向的柱状图，只要把kind参数设置成barh即可。

data.groupby(by=["股票代码"]).mean().plot(kind="barh")

3.3. 饼图

饼图是另一种比较数据的方式，它可以比较数据之间的占比，更好的看出各种数据的分布情况。下面也随机挑选一些股票，用饼图比较它们的成交量情况。

codes = [870299, 301138, 603825, 600579, 600640]
data = df.loc[:,["股票代码", "成交量"]].query("股票代码==@codes")

data.groupby(by=["股票代码"]).sum()["成交量"].plot(kind="pie", autopct="%1.1f%%")
plt.show()