前言

Matplotlib画图工具的官网地址是 http://matplotlib.org/

Python环境下实现Matlab制图功能的第三方库，需要numpy库的支持，支持用户方便设计出二维、三维数据的图形显示，制作的图形达到出版级的标准。

pandas 是 Python 编程语言中一个强大的数据处理和分析库。它提供了快速、灵活和富有表达力的数据结构，设计目的是使“关系”或“标记”数据的“使用”既简单又直观。pandas 名称来源于“panel data”（面板数据）和“Python data analysis”（Python数据分析）这两个术语。

正文

1、导入必要的库

代码首先导入了必要的库：pandas和matplotlib.pyplot用于绘图。

import pandas as pdimport matplotlib.pyplot as plt

2、df['year'].value_counts().plot(kind='bar')

df['year'].value_counts().plot(kind='bar')

主要就是这行代码，靠他！就能完成提要所要求的工作

1. df['year']: 这从DataFrame df 中选择了名为 'year' 的列。

2. .value_counts(): 这是一个pandas Series的方法，用于计算该列中每个唯一值的出现次数。它返回一个新的Series，其索引是原始Series中的唯一值，值是这些唯一值在原始Series中出现的次数。

3. .plot(kind='bar'): 这将使用matplotlib库来绘制一个条形图。kind='bar' 告诉 .plot() 方法我们要绘制的是条形图。

3、绘制条形图

import pandas as pdimport matplotlib.pyplot as pltimport os​# 打印当前工作目录路径print(os.path.abspath('.'))​# 加载数据集df = pd.read_csv('student_score.csv')​# 可视化每个年份的数据分布plt.figure(figsize=(10, 6))df['year'].value_counts().plot(kind='bar')plt.title('Distribution of Data by Year')plt.xlabel('Year')plt.ylabel('Count') # 显示图形plt.show()

4、绘制饼图

plt.figure(figsize=(10, 6))df['year'].value_counts().plot(kind='pie')plt.title('Distribution of Data by Year')plt.xlabel('Year')plt.ylabel('Count')

5、小结

在Python的pandas库中，plot(kind='') 方法用于绘制不同类型的图形。kind 参数决定了图形的类型。以下是一些常用的 kind 值以及它们对应的图形：

1. 'line' 或 'line': 绘制线图（折线图）。

2. 'bar': 绘制条形图。

3. 'barh': 绘制水平条形图。

4. 'hist': 绘制直方图。

5. 'box': 绘制箱线图（盒须图）。

6. 'kde': 绘制核密度估计图。

7. 'density': 绘制密度图（与 'kde' 类似，但可能在某些版本的pandas中有所不同）。

8. 'area': 绘制面积图。

9. 'pie': 绘制饼图。

10. 'scatter': 绘制散点图。