使用pandas和matplotlib 进行绘图

下面是使用pandas和matplotlib进行绘图的完整攻略，我将演示如何在Jupyter Notebook中使用Python3中的pandas和matplotlib库绘制数据可视化图表。

第一步：导入必要的库

import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

以上代码中，我们导入了pandas和matplotlib两个库，以及在Jupyter Notebook中绘制图表时必要的行内绘图代码“%matplotlib inline”。

第二步：读取数据

data = pd.read_csv('data.csv')
data.head()

以上代码假设我们有一个名为"data.csv"的csv文件，并将其读取为一个名为"data"的pandas DataFrame。head（）函数用于展示数据集的前几行以确保我们成功读取它们。

第三步：数据可视化

在本例中，我们将使用matplotlib库来展示数据集中的每个数字特征的直方图。具体来说，我们将使用Pandas的hist（）函数，该函数包装了matplotlib库的histogram（）函数。

data.hist(figsize=(20,15))

以上代码中，我们在data DataFrame上调用.hist（）函数，该函数以元组形式指定图表的大小（width，height）。

第四步：图表装饰

plt.suptitle('Histograms of Ads Data', fontsize=22)
plt.savefig('histogram.png')

以上代码中，我们使用pyplot库的.suptitle（）函数添加一个主/全局标题。我们还使用.savefig（）函数将图表保存为PNG文件。

完整代码

import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

data = pd.read_csv('data.csv')
data.head()

data.hist(figsize=(20,15))

plt.suptitle('Histograms of Ads Data', fontsize=22)
plt.savefig('histogram.png')

以上是绘制直方图的一个例子。当然，还有许多其他类型的图表和可视化方法可供选择，如散点图、折线图、箱形图等。通过使用Pandas和Matplotlib库，我们可以通过几个简单的步骤轻松创建各种数据可视化图表，并了解数据集的更多信息。