Matplotlib a deux «interfaces»: un Matlab-style interface et un object-oriented interface.
Traçage avec l'interface de style Matlab ressemble à ceci:
import matplotlib.pyplot as plt
plt.plot(x, y)
plt.show()
L'appel à plt.plot
crée implicitement une figure et un axe sur lequel dessiner. L'appel à plt.show
affiche toutes les figures.
Pandas prend en charge l'interface de type Matlab en créant implicitement une figure et des axes lorsque df.plot(x='Column1', y='Column3')
est appelée.
Pandas peut également utiliser l'interface orientée objet plus souple, auquel cas votre code ressemblerait à ceci:
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('test0.csv',delimiter='; ', engine='python')
fig, ax = plt.subplots()
df.plot(ax=ax, x='Column1', y='Column3')
plt.show()
Voici les axes, ax
, est explicitement créé et transmis à , qui a ensuite appelle ax.plot
sous le capot.
un cas où l'interface orientée objet est utile est lorsque vous souhaitez utiliser plus d'une fois tout en tirant toujours sur les mêmes axes:
fig, ax = plt.subplots()
df.plot(ax=ax, x='Column1', y='Column3')
df2.plot(ax=ax, x='Column2', y='Column4')
plt.show()
Fondamentalement '' df' Les importations ont également plt' et modifie directement. 'plt' utilise beaucoup d'état global accessible aux utilisateurs et au code. – MisterMiyagi