簡報時，我們常會聽到「用數字說話」這句話，面對主管、同事真的是講出每個數字就能讓聆聽者理解嗎？錯！大部分的人單看數字都容易眼花撩亂，想讓對方理解你的報告，圖表視覺化的能力就非常重要！今天，就帶大家用一招快速將複雜的數字變成簡單的圖表！一起來看！

■ 說明

在 Series 和 DataFrame 的結構下，Pandas 內建繪圖函數 plot(**args*, ***kwargs*) ，提供基本視覺化的處理，如：折線圖、長條圖、散點圖等，適合對製圖的自定義需求不高，想快速獲得圖表進行初步數據分析的使用者！常用參數包含：

• data：製圖的數據，Series 或 DataFrame。
• kind：指定圖形，預設為 line plot 折線圖，亦有 bar、barh、hist、scatter、pie等。
• x：指定 X 軸的數據。
• y：指定 Y 軸的數據。
• legend：圖例，預設為 True，顯示圖例。
• title：圖表標題，使用英文，不直接支援中文。
• figsize：圖表大小，使用 tuple( width, height )表示。
• xlabel：設定 X 軸的標籤名稱。
• ylabel：設定 Y 軸的標籤名稱。
• color：顏色，預設為藍色。
• rot：旋轉標籤刻度。

■ 實作｜折線圖 line plot

1. 使用時機：時間、趨勢、比較多個數據的變化
2. 舉例：2023年，台北和高雄的月平均溫度變化圖

import pandas as pd
import matplotlib.pyplot as plt
data = {'month':['Jan','Fab','Mar','Apr','May','Jun','Jul','Aug','Sep'],
        'Taipei':[16,17,19,22,25,28,30,29,27],
        'Kaohsiung':[19,20,23,25,27,28,32,30,28]}
df = pd.DataFrame(data)
df.plot(kind='line',xlabel='month',ylabel='degree(°C)',title='Monthly Average Temperature in 2023',color=['blue','red'])
plt.show()

■ 實作｜長條圖 bar chart

1. 使用時機：比較不同類別的差異或排名
2. 舉例：台灣六都人口統計圖

import pandas as pd
import matplotlib.pyplot as plt
data = {'city':['Taipei','New Taipei','Taoyuan','Taichung','Tainan','Kaohsiung'],
        'population':[2.5,4.03,2.3,2.83,1.85,2.73]}
df = pd.DataFrame(data)
df.set_index('city', inplace=True)   # 將city轉換為index
df.plot(kind='bar',xlabel='city',ylabel='number(million)',title='Population of Taiwan six cities',legend=False,rot=0)
plt.show()

■ 實作｜散布圖 scatter plot

1. 使用時機：評估不同變數的相關性或辨識數據集中程度
2. 舉例：評估單價和銷售量的情況

import pandas as pd
import matplotlib.pyplot as plt
data = {'price(TWD)':[50,80,100,120,150,180,200,230,250,300],
        'sales':[100,90,80,70,60,30,20,15,10,0]}
df = pd.DataFrame(data)
df.plot(kind='scatter',x='price(TWD)',y='sales',title='Price & Sales Analysis',color='orange')
plt.show()

■ 結語

　　熟悉 Pandas 內建的 plot( ) 函數用法，就能輕鬆將資料視覺化呈現！有需要的朋友不妨試試吧！如果有任何不理解、錯誤或其他方法想分享的話，歡迎留言給我！喜歡的話，也歡迎按讚訂閱唷！

我是 Eva，一位正在努力跨進資料科學領域的女子！我們下一篇文章見！Bye Bye~
【本篇文章將同步更新於個人的 Medium，期待與您的相遇！】