Python 熊猫按索引绘制数据帧，它是如何工作的？

鉴于数据：

Column1; Column2; Column3
1; 4; 6
2; 2; 6
3; 3; 8
4; 1; 1
5; 4; 2

通过以下代码，我得到以下图形：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('test0.csv',delimiter='; ', engine='python')
df.plot(0,0)
plt.savefig('fig0.png')

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('test0.csv',delimiter='; ', engine='python')
df.plot(0,1)
plt.savefig('fig1.png')

通过以下代码，我得到了以下图形：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('test0.csv',delimiter='; ', engine='python')
df.plot(0,0)
plt.savefig('fig0.png')

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('test0.csv',delimiter='; ', engine='python')
df.plot(0,1)
plt.savefig('fig1.png')

---

df.plot（m，n）中的逻辑是什么？假设我想绘制

Column2 X Column3

什么是

m

和

n

（

df.plot（2,3）

）

当您按顺序位置指定

x

和

y

时，您将在调用

df.plot（x，y）

时到达：

这将

x

从序数值（例如0）转换为列标签名称（例如

'Column1'

）。 请注意，

data.set\u index（x）

被调用。因此，如果

x

等于0，则将第一列设置为索引。接下来，当

y

类似地转换为列标签时， 第0列现在是

'Column2'

。因此，

df.plot（0,0）

plots Column2 vs Column1

因此，为了绘制第3列与第2列的对比，您可以使用

df.plot（1,1）

，因为

data.columns[1]

是

'Column2'

，一旦设置为索引，

data.columns[1]

就是

'Column3'

---

在注释中，指定列的一种不太容易出错的方法是按标签名。 或者，如果确实要使用序数值，请将它们显式传递给

df.columns

：

df.plot(x=df.columns[x], y=df.columns[y])

---

由于

df.columns[x]

和

df.columns[y]

都是列标签名称，它们的含义不受

set_index

的影响，因此混淆较少。

当您按顺序位置指定

x

和

y

时，调用

df.plot（x，y）

：

这将

x

从序数值（例如0）转换为列标签名称（例如

'Column1'

）。 请注意，

data.set\u index（x）

被调用。因此，如果

x

等于0，则将第一列设置为索引。接下来，当

y

类似地转换为列标签时， 第0列现在是

'Column2'

。因此，

df.plot（0,0）

plots Column2 vs Column1

因此，为了绘制第3列与第2列的对比，您可以使用

df.plot（1,1）

，因为

data.columns[1]

是

'Column2'

，一旦设置为索引，

data.columns[1]

就是

'Column3'

---

在注释中，指定列的一种不太容易出错的方法是按标签名。 或者，如果确实要使用序数值，请将它们显式传递给

df.columns

：

df.plot(x=df.columns[x], y=df.columns[y])

---

由于

df.columns[x]

和

df.columns[y]

是列标签名称，它们的含义不受

set\u index

的影响，因此混淆较少。

在查找

y

之前，从数据框中删除用作

x

的任何列。（或者，更严格地说，

x

被设置为索引，这意味着它不再可用作列。）因此，如果您使用

.plot（x=0，y=0）

，则

x=0

意味着“使用第一个位置列，

y=0

意味着“在删除x列后使用第一个位置列”

---

不用说，这可能会让人感到困惑，因为

y

位置的移动取决于它是在

x

之前还是之后。因此，如果你做

.plot（x=3，y=1）

，那么y实际上是列1，但是如果你做

.plot（x=0，y=1）

，那么y实际上是列2（在列0被删除后它成为数字1）。

在

y

被查找之前，作为

x

的任何列都会从数据框中删除。（或者，更严格地说，

x

被设置为索引，这意味着它不再可用作列。）因此，如果您使用

.plot（x=0，y=0）

，则

x=0

意味着“使用第一个位置列，

y=0

意味着“在删除x列后使用第一个位置列”

不用说，这可能会让人感到困惑，因为

y

位置的移动取决于它是在

x

之前还是之后。因此，如果你做

.plot（x=3，y=1）

，那么y实际上是第1列，但是如果你做

.plot（x=0，y=1）

，那么y实际上是第2列（在第0列被移除后它变成了第1列）。

根据，你可以像这样定义m和n（在文档中的x和y）：

df.plot(df.columns[1],df.columns[2])

• “m”应该是->

  df.columns[1]

  ，即位置1的列名
• “n”应该是->

  df.columns[2]

  ，即位置2的列名

如果您想使用这些位置，可以是：

df.plot(1,1)

使用position的逻辑是：当我们将1放入横轴时，该列将从纵轴的选项中删除，因此只有两个选项可用（具有新索引）。这就是为什么

df.plot（0,0）

实际上将第一列和下一列设置为数据，而

df.plot（1,1）

使用第二列和最后一列。我没有在文档中找到它，而是在测试中发现的

我认为这个想法是：在x轴和y轴上绘制相同的列没有意义，因此给出的第一列对于另一个轴不可用。我希望它能有所帮助！=）

PS：它将以奇怪的缩放和位置进行打印，但是如果您缩小并在打印中移动，您将确认值与每列的数据匹配，根据，您可以定义m和n（文档中的x和y），如下所示：

df.plot(df.columns[1],df.columns[2])

• “m”应该是->

  df.columns[1]

  ，即位置1的列名
• “n”应该是->

  df.columns[2]

  ，即位置2的列名

如果您想使用这些位置，可以是：

df.plot(1,1)

使用position的逻辑是：当我们将1放入横轴时，该列将从纵轴的选项中删除，因此只有两个选项可用（具有新索引）。这就是为什么

df.plo