pandas是一個強大的分析結構化數據的工具集；它的使用基礎是Numpy（提供高性能的矩陣運算）；用于數據挖掘和數據分析，同時也提供數據清洗功能，Pandas 廣泛應用在學術、金融、統計學等各個數據分析領域。

在本系列中，我們將在每個庫中制作相同的多條形柱狀圖，以便我們可以比較它們的工作方式。我們使用的數據是 1966 年至 2020 年的英國大選結果：

在繼續之前，請注意你可能需要調整 Python 環境來運行此代碼，包括：

1. 運行最新版本的 Python（用于 Linux、Mac 和 Windows 的說明）
2. 確認你運行的是與這些庫兼容的 Python 版本

數據可在線獲得，并可使用 Pandas 導入：

import pandas as pd
df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')

現在我們已經準備好了。在本系列文章中，我們已經看到了一些令人印象深刻的簡單 API，但是 Pandas 一定能奪冠。

要在 x 軸上繪制按年份和每個黨派分組的柱狀圖，我只需要這樣做：

import matplotlib.pyplot as plt
ax = df.plot.bar(x='year')
plt.show()

只有四行，這絕對是我們在本系列中創建的最棒的多條形柱狀圖。

我以寬格式使用數據，這意味著每個黨派都有一列：

       year  conservative  labour  liberal  others
0       1966           253     364       12       1
1       1970           330     287        6       7
2   Feb 1974           297     301       14      18
..       ...           ...     ...      ...     ...
12      2015           330     232        8      80
13      2017           317     262       12      59
14      2019           365     202       11      72

這意味著 Pandas 會自動知道我希望如何分組，如果我希望進行不同的分組，Pandas 可以很容易地重組 DataFrame。

與 Seaborn 一樣，Pandas 的繪圖功能是 Matplotlib 之上的抽象，這就是為什么要調用 Matplotlib 的 plt.show() 函數來實際生成繪圖的原因。

看起來是這樣的：

調整樣式

我們可以通過訪問底層的 Matplotlib 方法輕松地調整樣式。

首先，我們可以通過將 Matplotlib 顏色表傳遞到繪圖函數來為柱狀圖著色：

from matplotlib.colors import ListedColormap
cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])
ax = df.plot.bar(x='year', colormap=cmap)

我們可以使用繪圖函數的返回值設置坐標軸標簽和標題，它只是一個 Matplotlib 的 Axis 對象。

ax.set_xlabel(None)
ax.set_ylabel('Seats')
ax.set_title('UK election results')

這是現在的樣子：

這與上面的 Matplotlib 版本幾乎相同，但是只用了 8 行代碼而不是 16 行！我內心的代碼高手非常高興。

抽象必須是可轉義的

與 Seaborn 一樣，向下訪問 Matplotlib API 進行細節調整的能力確實很有幫助。這是給出抽象緊急出口使其既強大又簡單的一個很好的例子。