如何使用Pandas从.csv文件绘制图表？含已有CSV数据的绘图问询

嘿，这问题我太熟了！用Pandas结合Matplotlib（Pandas默认依赖它做绘图后端）从CSV文件生成图表其实非常直观，我给你一步步拆解，连常见图表的例子都给你备好：

首先得把Pandas和Matplotlib导入进来——前者负责读数据，后者负责把图表渲染出来：

import pandas as pd
import matplotlib.pyplot as plt

用pd.read_csv()加载你的数据文件，记得把路径换成你自己的CSV路径哦。加载完可以先打印前几行确认数据没读错：

# 替换成你的CSV文件路径，比如 './sales_data.csv'
df = pd.read_csv('your_data.csv')
# 查看前5行数据，确认加载成功
print(df.head())

如果你的CSV用的是分号、制表符这类特殊分隔符，可以加个参数：pd.read_csv('your_data.csv', sep=';')

Pandas的plot()方法能直接生成多种图表，下面是几个最常用的场景：

折线图（适合展示数据趋势） #

如果你的数据是随时间或序列变化的，折线图是绝佳选择：

# 单条折线：绘制某一列的变化趋势
df['sales_amount'].plot(kind='line', figsize=(10, 6))
plt.title('Monthly Sales Trend')
plt.xlabel('Month Index')
plt.ylabel('Sales Amount')
plt.show()

# 多条折线对比：同时展示多列数据
df[['sales', 'expenses', 'profit']].plot(kind='line', figsize=(10, 6))
plt.title('Sales vs Expenses vs Profit')
plt.xlabel('Month')
plt.ylabel('Amount')
plt.legend()  # 显示图例
plt.show()

柱状图（适合对比类别数据） #

用来展示不同类别之间的数值对比，或者统计频次：

# 频次柱状图：统计某类别列的出现次数
df['product_category'].value_counts().plot(kind='bar', figsize=(10, 6))
plt.title('Product Category Distribution')
plt.xlabel('Category')
plt.ylabel('Number of Sales')
plt.show()

# 分组柱状图：按类别分组，展示另一列的均值
df.groupby('region')['sales_amount'].mean().plot(kind='bar', figsize=(10, 6))
plt.title('Average Sales by Region')
plt.xlabel('Region')
plt.ylabel('Average Sales')
plt.show()

散点图（适合观察变量相关性） #

想看两个数值变量之间有没有关联？用散点图就对了：

df.plot(kind='scatter', x='advertising_spend', y='sales_amount', figsize=(10, 6), color='darkorange')
plt.title('Advertising Spend vs Sales')
plt.xlabel('Advertising Spend ($)')
plt.ylabel('Sales Amount ($)')
plt.show()

直方图（查看数值数据的分布） #

想知道某列数值的分布情况？直方图能帮你快速了解：

df['customer_age'].plot(kind='hist', bins=12, figsize=(10, 6))
plt.title('Customer Age Distribution')
plt.xlabel('Age')
plt.ylabel('Number of Customers')
plt.show()

• 如果数据里有缺失值，先处理一下：df.dropna()（删除缺失行）或者df.fillna(0)（用0填充），不然可能影响绘图
• 想让图表更美观？可以导入Seaborn库，用sns.set()套用预设样式，Pandas的绘图会自动适配
• 所有图表都可以通过figsize参数调整大小，color参数修改颜色，满足你的个性化需求

内容的提问来源于stack exchange，提问作者abhi