前言
Matplotlib实际上是一种比较低级的工具。要组装一张图表，得用它的各种基础组件才行：数据展示（及图表类型：线型图、柱状图、合形图、散布图、等值线图等）、图例、标题、刻度标签以及其他注解型信息。这是因为要根据数据制作一张完整图表通常都需要用到多个对象。在pandas中，我们有行标签、列标签以及分组信息。这也就是说，要制作一张完整的图表，原本需要一大堆的matplotlib代码，现在只需一两条简洁的语句就可以了。
Pandas有许多能够利用DataFrame对象数据组值特点来创建标准图表的高级绘图方法（这些函数的数量还在不断增加）。
线型图Series和DataFrame都有一个用于生成各类图表的plot方法。默认情况下，它们所生成的是线型图：
1.Series线型图
In [115]: s=Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
In [116]: s.plot()
该Series对象的索引会被传给matplotlib，并用以绘制X轴。可以通过use_index=False禁用该功能。X轴的刻度和界限可以通过xticks和xlim选项进行调节，Y轴就用yticks和ylim。
Pandas的大部分绘图方法都有一个可选的ax参数，它可以是一个matplotlib的subplot对象。这使你能够在网格布局中更为灵活地处理subplot的位置。
2. DataFrame线型图
DataFrame的plot方法会在一个subplot中为各列绘制一条线，并自动创建图例：
In [21]: df=DataFrame(np.random.randn(10,4).cumsum(0),
columns=['A','B','C','D'],index=np.arange(0,100,10))
In [22]: df
Out[22]:
A B C D
0 1.646732 -0.793981 -0.378061 0.919709
10 1.023670 1.003974 0.484170 0.873256
20 0.476866 1.586515 1.437752 1.372580
30 0.472327 1.096392 1.118324 -0.361951
40 1.125171 2.893590 -1.257474 0.082420
50 -0.380665 2.575444 -2.851514 -0.267129
60 -0.677242 2.183046 -3.034912 0.134632
70 -1.358804 3.026778 -1.886633 1.608813
80 -0.512531 1.400919 -1.965863 1.420399
90 -1.492331 2.680329 -3.689165 2.340796
3. Series.plot方法的参数
4. 专用于DataFrame的plot的参数
DataFrame还有一些用于对列进行灵活处理的选项，例如，是要将所有列都绘制到一个subplot中还是创建各自的subplot。
总结
丰富的python 线型图设计方法与参数，具体如上文所示，大家可以上手实际操作，遇到问题随时沟通与讨论。感谢支持！记得关注哦！
,
