数据可视化是为了使得数据更高效地反应数据情况，便于让读者更高效阅读，而不单是自己使用，通过数据可视化突出数据背后的规律，以此突出数据中的重要因素，并且，数据可视化可以将数据变得更加直观。

精美的图表可以方便用户解读数字之间的关系，相比起枯燥的表格来讲，有助于发现容易被忽视的趋势和规律。通过对趋势和规律的分析，可以帮助用户做出正确的判断。

本文使用工具：Python 3.7.0

本文使用的函数：pandas

适用范围：pandas普通作图

Pandas‍‍

本文介绍pandas作图，日常使用pandas库做一些数据清洗的工作，原来pandas还可以作图，并且做图时，使用一行代码就可以轻松作图，详细的作图方法可以看代码中的注释。

#导入pandas库
import pandas as pd 
#生成一个Series
s=pd.Series([1,3,3,4], index=list('ABCD')) 
#括号内不指定图表类型，则默认生成直线图
s.plot()

#条形图 
s.plot(kind='bar')

#水平条形图 
s.plot.barh()

#饼图 
s.plot.pie()

#直方图 
s.plot.hist()

#密度图 
import numpy as np
#生成一列随机数
s=pd.Series(np.random.randn(1000)) 
s.plot.kde() 
s.plot.density()

#散点图 
import numpy as np
#生成一个DataFrame
df=pd.DataFrame(np.random.randn(1000,2),columns=['X1','Y']) 
df.plot.scatter(x='X1',y='Y')

#六角箱图 
df.plot.hexbin(x='X1',y='Y',gridsize=8)

#箱型图 
df=pd.DataFrame(np.random.rand(10,2),columns=['A','B']) 
df.plot.box()

#面积图 
df=pd.DataFrame(np.random.randint(10,size=(4,4)), 
                columns=list('ABCD'), 
                index=list('WXYZ')) 
df.plot.area()