本文字數：2238，閱讀時長大約：2分鐘
導讀：Pandas 是一個非常流行的 Python 數據操作庫。學習怎樣使用它的 API 繪製數據。
https://linux.cn/article-12333-1.html
作者：Shaun Taylor-morgan
譯者：geekpi
在有關基於 Python 的繪圖庫的系列文章中，我們將對使用 Pandas 這個非常流行的 Python 數據操作庫進行繪圖進行概念性的研究。Pandas 是 Python 中的標準工具，用於對進行數據可擴展的轉換，它也已成爲從 CSV 和 Excel 格式導入和導出數據的流行方法。
除此之外，它還包含一個非常好的繪圖 API。這非常方便，你已將數據存儲在 Pandas DataFrame 中，那麼爲什麼不使用相同的庫進行繪製呢？
在本系列中，我們將在每個庫中製作相同的多條形柱狀圖，以便我們可以比較它們的工作方式。我們使用的數據是 1966 年至 2020 年的英國大選結果：
Matplotlib UK election results
自行繪製的數據
在繼續之前，請注意你可能需要調整 Python 環境來運行此代碼，包括：
◈ 運行最新版本的 Python（用於 Linux、Mac 和 Windows 的說明）
◈ 確認你運行的是與這些庫兼容的 Python 版本
數據可在線獲得，並可使用 Pandas 導入：
import pandas as pd
df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')
現在我們已經準備好了。在本系列文章中，我們已經看到了一些令人印象深刻的簡單 API，但是 Pandas 一定能奪冠。
要在 x 軸上繪製按年份和每個黨派分組的柱狀圖，我只需要這樣做：
import matplotlib.pyplot as plt
ax = df.plot.bar(x='year')
plt.show()
只有四行，這絕對是我們在本系列中創建的最棒的多條形柱狀圖。
我以寬格式使用數據，這意味着每個黨派都有一列：
year conservative labour liberal others
0 1966 253 364 12 1
1 1970 330 287 6 7
2 Feb 1974 297 301 14 18
.. ... ... ... ... ...
12 2015 330 232 8 80
13 2017 317 262 12 59
14 2019 365 202 11 72
這意味着 Pandas 會自動知道我希望如何分組，如果我希望進行不同的分組，Pandas 可以很容易地重組 DataFrame。
與 Seaborn 一樣，Pandas 的繪圖功能是 Matplotlib 之上的抽象，這就是爲什麼要調用 Matplotlib 的 plt.show() 函數來實際生成繪圖的原因。
看起來是這樣的：
pandas unstyled data plot
看起來很棒，特別是它又這麼簡單！讓我們對它進行樣式設置，使其看起來像 Matplotlib 的例子。
調整樣式
我們可以通過訪問底層的 Matplotlib 方法輕鬆地調整樣式。
首先，我們可以通過將 Matplotlib 顏色表傳遞到繪圖函數來爲柱狀圖着色：
from matplotlib.colors import ListedColormap
cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])
ax = df.plot.bar(x='year', colormap=cmap)
我們可以使用繪圖函數的返回值設置座標軸標籤和標題，它只是一個 Matplotlib 的 Axis 對象。
ax.set_xlabel(None)
ax.set_ylabel('Seats')
ax.set_title('UK election results')
這是現在的樣子：
pandas styled plot
這與上面的 Matplotlib 版本幾乎相同，但是隻用了 8 行代碼而不是 16 行！我內心的代碼高手非常高興。
抽象必須是可轉義的
與 Seaborn 一樣，向下訪問 Matplotlib API 進行細節調整的能力確實很有幫助。這是給出抽象緊急出口使其既強大又簡單的一個很好的例子。
via: https://opensource.com/article/20/6/pandas-python
作者：Shaun Taylor-Morgan 選題：lujun9972 譯者：geekpi 校對：wxy
本文由 LCTT 原創編譯，Linux中國 榮譽推出
