3.2 结合 Pandas 进行数据可视化

3.2 结合 Pandas 进行数据可视化

本节摘要：Pandas 的 DataFrame 和 Series 是结构化数据的标准容器，而 Matplotlib 的绘图函数可以直接吃下它们。于是出现了两条路：一条是调用 DataFrame 自带的 plot 方法，一行代码出图，适合快速探索；另一条是把数据手动提取出来，交给 Matplotlib 的面向对象接口精修，适合出报告。本节把两条路都走一遍，再讲 groupby 分组聚合后怎么画，最后说清一个判断：什么时候图省事，什么时候要精细。

你能学到什么

阅读完本节，你应当能够：

1. 说清 DataFrame 和 Series 为什么能和 Matplotlib 无缝衔接。
2. 用 plot 方法的 kind 参数一行切出折线、柱状、箱线、散点、饼图等常用图形。
3. 在需要精修时退回 Matplotlib API，控制颜色、刻度、边框、颜色条。
4. 用 groupby 分组聚合后把结果直接画出来。
5. 判断一条可视化任务该用快捷路径还是精细路径。

一、DataFrame 画图为什么顺

上一节我们用裸的 NumPy 数组画图，数据一多就发现一个问题：数组只有位置，没有名字。你想画"每个商品类别的销量"，得自己记着第 0 列是类别、第 1 列是销量，一旦列顺序变了，代码就悄悄画错。这时候 Pandas 的价值就出来了——它给数据加上行标签和列名，让"取哪一列、按哪一列分组"都变成显式的、可读的操作。

Matplotlib 对 Pandas 的支持，本质上是"能读懂它的数据"。Series 是一维带索引的数组，DataFrame 是二维带列名的表格。把它们传给绘图函数时，索引和列名会自动落到图上的轴标签和图例上。你不再需要手动去算"x 轴写什么"，因为数据自己带着说明。

举个最直观的例子：

import pandas as pd
import matplotlib.pyplot as plt

s = pd.Series([10, 15, 22, 18, 25], index=['A', 'B', 'C', 'D', 'E'])
s.plot()
plt.show()
​

s.plot() 这一行，横轴自动用了索引 A 到 E，纵轴用了数值。这就是"数据自带说明"带来的省事。换成裸数组，你还得另外准备一份 x 轴的标签，这里全省了。

Series 和 DataFrame 可以理解成"带标签的数组"和"带列名的表格"。Series 只有一个索引加一列值，画出来通常是折线、直方、饼图这类单变量图；DataFrame 有行有列，画出来可以是多列折线、分组柱状、箱线这类多变量图。Matplotlib 收到它们时，会自动读索引当横轴、读列名当图例，这也是为什么 Pandas 画图经常连 x、y 都不用显式指定。

数据从哪来这件事，Pandas 也一并解决了。它能把 CSV、数据库查询结果、字典、列表统统收进 DataFrame，你在真实项目里最常见的动作就是"读进一张表，处理，再画"。这一整套衔接，就是 Pandas 在数据分析里地位这么稳的原因：它一头接数据源，一头接 Matplotlib，把中间那段"整理数据"的脏活全包了。

不过要分清楚：Pandas 自己的 plot 方法，和 Matplotlib 的绘图函数，是两套东西。Pandas 的 plot 只是对 Matplotlib 做了一层封装，底层还是调 Matplotlib 去画。理解了这一点，后面两条路怎么选、怎么混用，心里就有数了。

二、plot 方法：一行出图

DataFrame 和 Series 都内置了 plot 方法，靠一个 kind 参数就能切图类型。kind 默认是 line，改成 bar、barh、hist、box、scatter、pie、kde，就换成了柱状、水平柱状、直方、箱线、散点、饼图、核密度图。快速探索时，这一招能让你连换七八种图而不用重写数据准备。

df = pd.DataFrame({'类别': ['A', 'B', 'C', 'D'],
                   '数量': [30, 45, 25, 35]})
df.plot(x='类别', y='数量', kind='bar')
plt.show()
​

这里 x 和 y 直接用列名指定，不用去数"第几列是类别"，列名拼错了还会直接报错提醒你。

除了 kind，plot 方法还认一堆常用参数：x 和 y 指定列，figsize 定尺寸，title 定标题，color 定颜色，grid 开关网格，legend 开关图例。这些参数和 Matplotlib 里同名参数是一个意思，会一套就会两套。直方图用 kind='hist' 时还能传 bins 控制柱子数量、edgecolor 描边，和 Matplotlib 的 hist 一模一样。

箱线图是探索阶段最常用的一种，一行就能把多列数据的分布摆在一起比：

box = pd.DataFrame({'甲': np.random.randn(100),
                    '乙': np.random.randn(100) + 1,
                    '丙': np.random.randn(80) - 1})
box.plot(kind='box')
plt.show()
​

这里三列长度不一样也没关系，Pandas 会各自对齐，画成三个并排的箱体。这种"直接把整张表画出来"的爽快，是 plot 方法最大的价值。

饼图也值得一提，但要多留个心眼。Series 直接调 plot(kind='pie') 就能出，饼图适合"几类占比"这种加起来是 100% 的场景；类别一多，扇区挤在一起，人眼根本分不清谁大谁小，这时候换成柱状图反而更清楚。这一点 3.4 节还会专门展开，这里先记住：饼图是占比图，不是万能的分类比较图。

💡 探索阶段的心法就是"快"。先用 plot 方法把数据能画的图都试一圈，看哪个角度能暴露出问题，再决定往哪深挖。这时候纠结颜色、字体是浪费时间。

三、精细控制：退回 Matplotlib API

plot 方法省事，但它的定制能力是"够用"级别，不是"随心所欲"级别。当你要控制每一个刻度的位置、去掉某条边框、给散点加颜色条、精确指定图例位置时，plot 方法就捉襟见肘了。这时候把数据手动取出来，交给 Matplotlib 的面向对象接口。

退回的第一步是创建 Figure 和 Axes，然后对 Axes 一步步精修：

fig, ax = plt.subplots(figsize=(8, 6))
ax.bar(df['类别'], df['数量'], color=['#4e79a7', '#f28e2b', '#59a14f', '#e15759'])
ax.set_title('各类别销量', fontsize=16)
ax.set_ylabel('销量', fontsize=12)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
for i, v in enumerate(df['数量']):
    ax.text(i, v + 1, str(v), ha='center', va='bottom')
plt.tight_layout()
plt.show()
​

这段代码做的事，plot 方法很多做不了：给每个柱子指定不同颜色、去掉上边框和右边框、在柱子顶部加数值标签。ax.spines 这套控制边框的写法，是 Matplotlib 面向对象接口的招牌，也是"精修"和"凑合"的分水岭。

散点图也能精修得更专业，比如按第三列给点着色，再加颜色条：

scatter = pd.DataFrame({'x': np.random.rand(50),
                        'y': np.random.rand(50),
                        'z': np.random.rand(50)})
fig, ax = plt.subplots(figsize=(7, 7))
pts = ax.scatter(scatter['x'], scatter['y'], c=scatter['z'],
                 cmap='viridis', s=80, alpha=0.7)
fig.colorbar(pts, ax=ax)
ax.set_aspect('equal')
plt.show()
​

c 参数按 z 列着色，cmap 指定色板，fig.colorbar 挂上颜色条。这种"三个变量画进一张二维图"的能力，是 plot 方法给不了的。

精修这件事，说到底是在跟 Axes 上的一个个"元素"打交道。spines 是图四周那四根边框线，去不掉的话图会显得拥挤；text 是任意位置的文字，用来给柱子或关键点加注；colorbar 是颜色和数值的对照条。plot 方法把这些都藏起来了，只留几个常用参数，而 Matplotlib API 把它们摊开给你。什么时候该退回来？一个简单的判断是：当你说"要是能把这个、那个改一下就好了"，而 plot 方法的参数表里找不到对应的项，就是该退回的时候了。

退回时还有两个容易被忽略的细节。一是数据类型：如果某列看着是数字、其实是字符串，画出来会乱，退回 API 后可以顺手把列转成数值类型。二是索引顺序：折线图是按索引顺序连线的，如果索引是乱的，线会绕来绕去，画之前先按索引排个序，趋势才顺。这些小坑都属于"数据对了，图才对"的范畴，和上一节讲的数据清洗是一脉相承的。

四、分组聚合再画

数据分析里最常见的动作，不是画原始数据，而是先分组算个数，再画结果。Pandas 的 groupby 就是干这个的，而且它算完的结果依然是个 Series 或 DataFrame，可以直接继续画——处理和分析在这条链上无缝衔接。

sales = pd.DataFrame({
    '类别': ['A', 'B', 'A', 'B', 'A', 'B'],
    '地区': ['东', '东', '西', '西', '东', '西'],
    '金额': [150, 200, 180, 220, 250, 190],
})
by_cat = sales.groupby('类别')['金额'].sum()
by_cat.plot(kind='bar')
plt.show()
​

groupby('类别') 按类别分组，['金额'].sum() 对每组金额求和，得到一个 Series，再 plot 画成柱状图。整条链读下来就是一句话："按类别分组，求金额总和，画柱状图"。

更复杂一点的分组，用 unstack 把分组结果摊平成表格，就能画堆叠柱状图：

pivot = sales.groupby(['地区', '类别'])['金额'].sum().unstack()
pivot.plot(kind='bar', stacked=True)
plt.show()
​

groupby 传两个字段，unstack 把"类别"从行索引抬到列上，得到一张"地区为行、类别为列"的表，stacked 参数再把它画成堆叠柱状图。这种"分组、摊平、堆叠"的三连，是 Pandas 可视化里最值钱的动作组合。

时间序列是分组聚合的另一大战场。Pandas 对日期索引的支持很完整：把日期列转成 datetime 类型再设为索引，就能按天、周、月做重采样，算移动平均，然后把平滑后的趋势画成折线。比如把每天的流水按月汇总、再画月度走势，就是 resample 加 plot 两行的事。这类"先降噪再看趋势"的操作，是分析师做时间序列探索时的标准动作，也是 Matplotlib 折线图最常见的输入来源之一。

如果觉得 groupby 加 unstack 这套绕，Pandas 还提供了一个更直白的数据透视表工具，把"行、列、值"三样直接摆出来，得到一张现成的宽表，再交给 plot 画热力图或堆叠图都行。两种写法殊途同归，groupby 偏过程式、一行行往下读，透视表偏结果式、一眼看出最后长什么样。习惯哪种用哪种，能得出同一张可画图的表就够了。

⚠️ 分组后的结果别忘了它还是 DataFrame 或 Series，别急着转成列表再画——多此一举。直接对分组结果调 plot，索引和列名会自动变成图上的轴和图例，转成列表反而把这些信息丢了。

五、两条路怎么选

Pandas 和 Matplotlib 的配合，本质上就两条路，一张表对比清楚：

两条路不是二选一，而是先快后精。探索阶段用 plot 方法铺开，锁定方向后，把那张要拿出去讲清楚的图，退回 Matplotlib API 精修。我们团队的默认流程就是这样：先散着画，再挑一张重点打磨。

落到一个具体任务上，这条链通常是这样的：先用 Pandas 把数据读进来，过滤掉无关行、处理缺失值；再 groupby 分个组、算个统计量；然后 plot 方法快速出几版图看看方向；最后挑出最有信息量的那张，退回 Matplotlib API 改颜色、加标注、调边框，做成能放进报告的样子。整个过程里，数据一直是 DataFrame 或 Series，没有来回转换的断层，这是 Pandas 加 Matplotlib 最舒服的地方。

还有个小技巧：plot 方法其实接受一个 ax 参数，你可以先建好 Axes，再把 Pandas 的图塞进指定的子图里。这样多子图布局时，既能享受 plot 方法的省事，又能掌控画布结构，两条路的边界在这里就模糊了——会混用，才算真正用顺。

说到底，Pandas 和 Matplotlib 不是谁取代谁，而是一个管"数据长什么样"，一个管"图画成什么样"。把分界记住：数据进了 DataFrame，就交给 Pandas 收拾；一旦要动图上的元素，就退回 Matplotlib。这条分界线清楚了，两个库怎么配合都不会乱。练熟之后，你会发现自己大部分时间都在 Pandas 里，只在最后几步才碰 Matplotlib。

图：Pandas 与 Matplotlib 协作

本节速览

• Pandas 给数据加名字：索引和列名会自动落到图上的轴和图例，省去手动标注。
• plot 方法是封装：底层还是 Matplotlib，理解这一点才能自由切换两条路。
• kind 参数是开关：line、bar、hist、box、scatter、pie 一行切换，探索阶段靠它提速。
• 精修靠 Axes：控 spines、加 colorbar、加 text，这些元素级控制要退回面向对象接口。
• 分组聚合无缝画：groupby 的结果还是 DataFrame 或 Series，直接调 plot 即可。
• 先快后精：探索用快捷路径铺开，发布前挑重点图精修，别一上来就精修。

下一节我们往"图形"本身再走深一步，看看箱线图、小提琴图、热力图这些高级统计图形各自回答什么问题。