Pandas数据可视化实战：从DataFrame.plot到高级绘图技巧

做数据分析的人大概都经历过这种场景：别人丢给你一张几十万行的表，问“这批数据有什么特点”，你还在犹豫要不要打开matplotlib慢慢调图例位置的时候，旁边同事已经用一句df.plot()把趋势图甩出来了。没错，pandas不仅能做数据处理，它的内置可视化接口在探索性分析里非常能打。这篇文章就围绕pandas的数据可视化，把从最基础的绘图调用、高频场景、布局控制，到那些文档里不会写的坑，一次性讲清楚。适合刚接触pandas的初学者，也适合那些已经用pandas做数据处理、但每次画图都要临时查API的进阶用户。

1. 为什么我劝你用pandas做数据可视化（而不是一上来就学matplotlib）

很多人在学习路径上有个误区：一提到数据可视化，第一反应就是matplotlib、seaborn、plotly，反而把pandas自带的绘图能力放在一边。实际上，pandas的plot接口是日常数据分析里性价比最高的一层封装。它不是为了替代matplotlib，而是把数据绘图最常用的那一小部分操作，缩到了最短路径。

1.1 pandas绘图接口到底是给谁用的

DataFrame.plot()和Series.plot()是pandas内置的可视化入口，底层仍然调用matplotlib，但接口被设计成“顺着数据处理思路直接出图”的感觉。你不需要记住plt.figure()、plt.plot()、plt.xlabel()那一套，只要数据结构对了，一个plot()就能把坐标轴、图例、刻度全部带出来。

我个人的理解是，pandas绘图主要面向两个场景：

• 探索性数据分析（EDA）阶段，需要快速看列与列之间的关系、分布和趋势；
• 日常报表或分析脚本里，不追求复杂美化，但要稳定、可复现地输出图表。

如果你要做的是一张需要精细排版、自定义配色、复杂交互的展示图，那确实应该去用matplotlib或plotly，但在那之前，先用pandas画一版初步图绝对不亏。因为pandas图最大的优势是“和DataFrame的索引、列名天然对齐”，数据处理完，图也跟着出来了。

1.2 一张表看完pandas.plot支持哪些图

pandas的kind参数决定了图的类型，调用方式如下：

python复制df.plot(kind="line")
df.plot(kind="bar")

常用的图型我用一张表整理出来，后面随时可以回来查。

其中scatter和hexbin只能用在DataFrame上，而且通常需要指定x和y。如果你拿一个Series去调df.plot(kind="scatter")，会直接报错，因为散点图至少需要两个维度。这也是刚上手时最容易踩的第一个坑。

1.3 底层仍然是matplotlib，这句话意味着什么

pandas绘图的返回值是一个Axes对象，明白这一点，你后续的所有自定义操作就都通了。df.plot()画完图之后，你可以继续在这个坐标轴上加标题、改刻度、加注释，甚至把图保存下来。

python复制import matplotlib.pyplot as plt

ax = df.plot(kind="line", figsize=(10, 5))
ax.set_title("销售趋势")
ax.set_xlabel("日期")
plt.tight_layout()
plt.savefig("trend.png", dpi=150)

也就是说，pandas帮你完成了80%的常规绘图，剩下20%的需要精修的地方，直接回到matplotlib层面处理。但反过来说，matplotlib的所有“坑”也会继承过来，比如中文乱码、负号显示异常、默认配色丑等。这些坑不解决，pandas画出来的一样难看。所以我会在后面专门用一节讲样式问题。

2. 从裸数据到第一张图：五分钟跑通pandas绘图全流程

先不谈复杂技巧，我们把一个最基础的流程走通，保证任何一台装有pandas的电脑都能跑出图。

2.1 数据准备：干净结构是绘图的起点

pandas绘图对数据格式其实有隐含要求，最常见的就是“宽表”。宽表的意思是：每一列是一个变量，每一行是一个样本。比如下面这个销售数据集：

python复制import pandas as pd
import numpy as np

df = pd.DataFrame({
    "date": pd.date_range("2024-01-01", periods=30, freq="D"),
    "sales": np.random.randint(1000, 5000, size=30),
    "orders": np.random.randint(80, 300, size=30)
})
print(df.head())

如果你拿到的是多行多列交叉表，最好先把索引和列名整理干净。列名尽量不要带空格和特殊符号，否则图例、坐标轴标签会显示得很难看。这里我先用英文列名，后续再讲中文显示问题。

2.2 最常用的四种调用方式

pandas绘图的调用方式看起来很灵活，但真正高频的只有四种。

第一种，整表直接画折线：

python复制df.plot(x="date", y=["sales", "orders"], kind="line", figsize=(10, 5))

第二种，只画某一列：

python复制df["sales"].plot(kind="hist", bins=20, figsize=(8, 4))

第三种，指定x轴和y轴画散点：

python复制df.plot(kind="scatter", x="sales", y="orders")

第四种，先聚合再画柱状图：

python复制df.groupby(df["date"].dt.dayofweek)["sales"].mean().plot(kind="bar")

这里x参数非常关键。如果你不传x，pandas会默认使用DataFrame的索引作为横轴。很多初学者的数据索引是0、1、2这样的默认整数，画出来就会显得很“怪”，仿佛时间顺序没错，但横轴刻度完全没有业务含义。所以，只要横轴代表的是某个具体字段，就尽量通过x=显式指定。

2.3 中文乱码和负号显示问题处理

中文乱码是pandas绘图初学者最头疼的问题。明明数据里是中文，画出来的图却全是方块，或者负号变成了奇怪的符号。根源在于matplotlib默认字体不包含中文字符。

解决办法是在画图前设置字体：

python复制plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei", "PingFang SC"]
plt.rcParams["axes.unicode_minus"] = False

不同系统的可用字体不一样，Windows下常见的是SimHei和Microsoft YaHei，macOS下常见的是PingFang SC和Arial Unicode MS。如果不知道系统里有哪些中文字体，可以用下面的代码查看：

python复制from matplotlib.font_manager import fontManager
fonts = [f.name for f in fontManager.ttflist if "Hei" in f.name or "YaHei" in f.name or "PingFang" in f.name]
print(fonts)

设置完了还要注意，如果代码是在Jupyter Notebook里运行的，最好在绘图前重新设置一次，因为不同内核的字体缓存可能会有差异。这个步骤看似简单，但很容易被忽略，导致检查半天发现是字体问题。

3. 高频场景拆解：时间序列、分布、相关性、分组对比

pandas可视化真正让人舒服的地方，是把几个高频分析场景封装得很顺手。这一节我会按实际工作里最常见的四类需求拆开讲。

3.1 1950到1974年这种时间序列怎么画最省事

很多人一遇到年份数据就喜欢用pd.to_datetime转换，其实如果年份本身就是整数列，直接作为x轴画折线完全没问题。以1950到1974年的数据为例：

python复制np.random.seed(42)
df_year = pd.DataFrame({
    "year": range(1950, 1975),
    "value": np.random.randint(50, 200, size=25)
})
df_year.plot(x="year", y="value", kind="line", marker="o", figsize=(10, 5))

这里我会额外强调一点：画时间序列之前，一定要保证数据是按时间排序的。如果原始数据乱序，直接plot会画出乱七八糟的线条，像是有人在纸上乱涂。常见做法是：

python复制df_year = df_year.sort_values("year")

如果你需要把年份变成真正的时间索引，可以这样处理：

python复制df_year.index = pd.to_datetime(df_year["year"], format="%Y")

不过对于1950到1974这种稀疏年份数据，用普通整数列当x轴反而更直观，刻度可以自动按年份显示，不用额外格式化。

3.2 分布分析：用hist和box快速摸底

拿到一列数值数据后，第一件事通常是看分布。直方图和箱线图几乎可以同时用：

python复制fig, axes = plt.subplots(1, 2, figsize=(12, 4))
df["sales"].plot(kind="hist", bins=20, ax=axes[0], title="sales分布")
df["sales"].plot(kind="box", ax=axes[1], title="sales箱线图")

直方图能看出数据的整体形态，偏态、双峰、集中趋势都一目了然；箱线图则更关注中位数、四分位数和离群点。两张图配合起来，基本能代替一堆描述性统计指标。

如果你有多个数值列，可以一次画出所有列的直方图：

python复制df[["sales", "orders"]].plot(kind="hist", bins=20, alpha=0.6)

不过要注意，不同列数据量级差异很大时，直方图叠加在一张图上会看不清。这时候用subplots=True分成多个子图更合适。

3.3 相关性矩阵：scatter_matrix的隐藏用法

pandas里有一个专门用来画相关性矩阵散点图的函数，藏在pandas.plotting模块下，叫scatter_matrix。我在实际项目里用它检查多个连续变量的两两关系，比只看df.corr()的数字直观得多。

python复制from pandas.plotting import scatter_matrix

df_num = df[["sales", "orders"]].copy()
df_num["profit"] = df_num["sales"] * 0.3
scatter_matrix(df_num, alpha=0.5, figsize=(10, 10), diagonal="hist")

对角线默认是直方图，非对角线是两两散点图。如果你在Jupyter里运行，可以直接看到5x5的矩阵图。这个函数对列数比较敏感，列一多图就变得密密麻麻，所以通常选3到5个关键变量就够了。

3.4 分组对比：groupby之后直接plot

分组对比是数据分析最常用的动作。很多人的做法是先把groupby结果打印出来，然后手工抄到Excel里画图，这是最浪费时间的方式。实际上，groupby返回的结果可以直接调用plot：

python复制df["day_of_week"] = df["date"].dt.day_name()
grouped = df.groupby("day_of_week")[["sales", "orders"]].mean()
grouped.plot(kind="bar", figsize=(10, 5))

这样出来的是按星期分组的双系列柱状图。如果你希望每个系列单独一个子图，可以加subplots=True：

python复制grouped.plot(kind="bar", subplots=True, figsize=(10, 6))

使用groupby后是否重置索引，需要根据图的表达来定。如果直接画图，分组列会自动作为x轴标签；如果先reset_index()得到普通DataFrame，再指定x参数，效果也是一样的。我自己的习惯是分组后保留索引，让plot自动识别，除非后续还要做其他数据操作。

4. 进阶布局：子图、共享坐标轴、组合图与样式调整

当数据维度变多，单张图已经放不下的时候，就需要考虑子图和组合图。pandas在这一块提供了不少参数，但也有些限制。

4.1 subplots=True批量出图

subplots=True是pandas绘图里最实用的参数，适合把多列数据按同一时间轴分别展示。比如销售数据里的sales和orders，量级不一样，画在同一张图里容易让其中一条线被压扁，但分开展示就很清晰：

python复制df.set_index("date")[["sales", "orders"]].plot(
    subplots=True,
    figsize=(10, 6),
    sharex=True
)

sharex=True会让所有子图共享同一个x轴，缩放或拖动时不容易错位。这个参数在查看时间序列时非常重要。如果你的列名本身就是图例，不需要额外处理，pandas会自动为每个子图加上标题。

4.2 用layout控制子图排列

subplots=True默认是按照一行一个子图的方式排，列多了会非常长。layout参数可以控制排列方式：

python复制df.set_index("date")[["sales", "orders"]].plot(
    subplots=True,
    layout=(2, 1),
    figsize=(10, 6)
)

layout接收一个元组，格式是(行数, 列数)。pandas会尽量按这个布局填充子图，但如果子图数量和layout不匹配，会自动调整。一个经验是：宁可layout传出正好的格子，也不要多留空位。比如4个子图用layout=(2, 2)，比layout=(4, 1)更紧凑。

4.3 组合图与双坐标轴

如果你需要把sales和orders画在一张图里，但两者量级差异大，双坐标轴是常见方案。pandas的plot本身没有twinx参数，但可以在拿到Axes对象后调用matplotlib的twinx()：

python复制fig, ax = plt.subplots(figsize=(10, 5))
df.plot(x="date", y="sales", ax=ax, color="#2A5A8C")
ax2 = ax.twinx()
df.plot(x="date", y="orders", ax=ax2, color="#C44E52", linestyle="--")
ax.set_ylabel("sales")
ax2.set_ylabel("orders")

这里要注意的是，twinx()之后右侧坐标轴的图例会合并到同一个legend里，但有时候顺序会乱。为了保证图例清晰，我通常会在最后手动设置图例：

python复制lines, labels = ax.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax.legend(lines + lines2, labels + labels2, loc="best")

组合图虽然看起来高级，但我还是要提醒一句：双坐标轴在汇报场景里容易误导读者，因为左右两侧的刻度起点不同，视觉上会放大或缩小趋势。能用单坐标轴就说清楚的时候，尽量不用双轴。

5. 那些年我踩过的坑：索引、数据类型、性能与版本兼容

pandas绘图表面简单，实际运行中会遇到很多奇怪的问题。这一节我把踩过的高频坑集中整理一下，每个坑都附上排查思路。

5.1 索引才是绘图灵魂

如果你画出来的折线图一塌糊涂，先别怀疑数据，先看索引。pandas画图的默认横轴就是DataFrame索引，这意味着索引重复、索引无序、索引类型不匹配，都会直接影响图的正确性。

比如下面这个例子，索引是重复的年份：

python复制df_dup = pd.DataFrame({
    "year": [2000, 2000, 2001, 2001, 2002, 2002],
    "value": [1, 2, 3, 4, 5, 6]
})
df_dup.set_index("year").plot()

这时候pandas会把它当成一行一条记录，横轴显示的是重复的2000、2001、2002，画出来的折线并不代表“每个年份对应一个值”。正确的做法是先聚合：

python复制df_dup.groupby("year")["value"].mean().plot()

另外，索引是字符串类型的年份时，pandas会按字符串排序，而不是按数字年份排序。比如"1950"和"1974"字符串排序没问题，但"1950"和"1999"这类也还好，一旦出现"1000"等带前导零或位数不一致的情况就要小心。最佳实践是先把索引转成整数或datetime类型。

5.2 数据类型不过关，图全是乱的

有时候你DataFrame里的数字列其实是object类型，底层存的是字符串，比如从CSV读进来时被识别成了文本。这时候plot也能画，但图就会乱掉：横轴刻度乱跳、颜色重复、图例异常。

排查方法：

python复制print(df.dtypes)

如果有列显示为object，但内容看起来是数字，需要转换：

python复制df["sales"] = pd.to_numeric(df["sales"], errors="coerce")

errors="coerce"表示无法转换的变成NaN，后面可以用dropna()处理。这个坑在Excel文件导入时特别常见，因为Excel单元格格式五花八门，有的数字混着中文单位，读进来就成了字符串。

5.3 大数据量绘图性能优化

几十万行数据直接plot，速度会明显变慢，而且画出来的图因为点太多，看不出信息量。这时候不要硬扛，先做降采样或聚合。

如果是时间序列，可以按小时、天、周做聚合：

python复制df.set_index("date")["sales"].resample("D").sum().plot()

如果只是想看分布，可以用sample()随机抽样：

python复制df["sales"].sample(10000, random_state=42).plot(kind="kde")

如果数据量实在太大，可以考虑先把中间结果存成parquet或feather格式，减少后续运行的I/O时间。parquet是跨语言通用的列式存储格式，在Spark生态里用得特别多；feather则更强调读写速度，适合单机分析。pandas里读取和写入都很简单：

python复制df.to_parquet("data.parquet", index=False)
df = pd.read_parquet("data.parquet")

df.to_feather("data.feather")  # 需要安装 pyarrow
df = pd.read_feather("data.feather")

需要先安装pyarrow或fastparquet，一般建议直接装pyarrow：

bash复制pip install pyarrow

这一步看起来和可视化无关，但实际工作流里，先把几百万行数据转成parquet，再配合pandas绘图做探索，体验完全不同。我现在的习惯是“数据预处理后用parquet落盘，分析阶段直接用read_parquet加载，最后画图”。这样性能和磁盘空间都能兼顾。

5.4 pandas版本与Python版本适配

还有一个容易被忽视的问题是版本兼容。不同Python版本对pandas版本有要求，如果版本不匹配，安装或运行时都可能报错。目前比较常见的组合是：

• Python 3.9及以上：推荐pandas 2.x；
• Python 3.8：可以用pandas 1.5.x或2.0.x；
• Python 3.7：建议用pandas 1.3.x或1.5.x。

如果你是Python 3.10，直接装最新pandas基本没问题：

bash复制pip install pandas

如果在PyCharm里装不上pandas，很多情况下是因为当前项目解释器选错了，比如选了系统自带的Python而不是虚拟环境里的Python。我建议在PyCharm的Settings -> Project -> Python Interpreter里确认解释器路径，然后点击加号搜索pandas安装，或者直接用终端：

bash复制pip install pandas openpyxl

这里顺带装openpyxl是因为读取Excel文件需要它。如果你只是做DataFrame绘图，不读Excel，其实用不到openpyxl，但为了后续方便，我一般会一起装上。安装完成后可以用一行代码确认版本：

python复制import pandas as pd
print(pd.__version__)

如果出现类似于“numpy版本过旧”的提示，记得把numpy也一起升级。

6. 把pandas图变成可用产出：保存、样式与中文字体

自动生成的图，最终总要出现在报告、PPT或邮件里。这一节讲怎么把图保存得足够清晰，同时兼顾样式。

6.1 保存图片：别等plt.show之后才想起来

在Jupyter里，plt.show()会把图画出来，但如果你在脚本里运行，不调用show()图可能不会显示，自然也谈不上保存。保存图片推荐用savefig：

python复制fig = df.plot(x="date", y="sales", figsize=(10, 5)).get_figure()
fig.savefig("sales_trend.png", dpi=200, bbox_inches="tight")

dpi越高图片越清晰，200适合PPT，300适合打印。bbox_inches="tight"会自动裁掉周围多余的空白，保存出来的图片不会有大片白边。这个细节很关键，很多人保存的图四周一大圈空白，就是少了这个参数。

如果你已经用plt.subplots()创建了fig和ax，也可以直接：

python复制fig.savefig("chart.png", dpi=200, bbox_inches="tight")

6.2 配色和样式调整

pandas默认的柱状图颜色是一组循环的颜色，不算丑，但和你的PPT主题色未必搭。手动指定颜色是最快的方式：

python复制df.plot(
    x="date", y="sales", kind="line",
    color="#2A5A8C", linewidth=2, figsize=(10, 5)
)

多系列时可以用colormap参数：

python复制df[["sales", "orders"]].plot(kind="line", colormap="viridis", figsize=(10, 5))

colormap可以是matplotlib内置的颜色映射名称，比如viridis、plasma、Set2。我个人比较喜欢用Set2做分类对比，色彩温和，适合打印；用viridis做连续量，色觉障碍人群也能区分。

6.3 中文字体的最终方案

前面讲了中文字体设置，但实际工作中还会遇到一种情况：在Windows上设置SimHei没问题，部署到Linux服务器上画图又乱码了。解决办法是，在代码里指定一个系统中存在的字体文件路径，而不是依赖字体名称。

python复制import matplotlib.font_manager as fm
font_path = "/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc"
prop = fm.FontProperties(fname=font_path)
ax.set_title("中文标题", fontproperties=prop)

这种方式虽然麻烦点，但可移植性更好。如果你是在服务器上批量生成图表，建议一开始就检查一下系统里装了什么中文字体，没有就装一个。毕竟pandas的图默认只负责布局，不负责字体，这个锅得自己背。

7. 我的经验总结与下一步建议

这篇文章不是让你放弃matplotlib和seaborn，而是让你在数据分析和数据处理的日常循环里，少一些“为了画图而画图”的额外成本。我自己的使用习惯是：先用pandas的plot快速看数据，确认方向后再决定要不要用更专业的可视化工具细化。如果只是内部探索，pandas图完全够用；如果要交付给客户或放进大屏，我会把pandas处理好的数据导出成parquet或CSV，再用专业BI工具或前端图表库来做展示。

最后再分享一个实用小技巧：在Jupyter Notebook里，如果想让所有pandas图默认变好看一些，可以在开头统一设置plot.rcParams，比如统一figsize：

python复制import pandas as pd
pd.options.plotting.backend = "matplotlib"

不过大部分时候，我觉得最有效的提升方式不是背API，而是养成“先检查dtypes、再检查索引、最后画图”的习惯。这个习惯让我少踩了无数坑，希望你也能少走弯路。