在使用Canopy進行資料分析時，我們會用到pandas庫，通過它我們可以靈活的對資料進行處理、轉換和繪圖等操作。其中非常重要的資料結構就是DataFrame。
本文主要整理一下對DataFrame物件進行plot操作的使用說明。

函式名稱：
pandas.DataFrame.plot

函式引數列表及預設值：
DataFrame.plot(data, x=None, y=None, kind=’line’, ax=None, subplots=False, sharex=True, sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None, legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, xerr=None, secondary_y=False, sort_columns=False, **kwds)

Make plots of DataFrame using matplotlib / pylab.

相關引數說明：

Parameters :

data : DataFrame

# 需要繪製的資料物件

x : label or position, default None

# x軸的標籤值，預設值是 None   

y : label or position, default None

Allows plotting of one column versus another

# y軸的標籤值，預設值是 None

kind : str

‘line’ : line plot (default)

‘bar’ : vertical bar plot

‘barh’ : horizontal bar plot

‘hist’ : histogram

‘box’ : boxplot

‘kde’ : Kernel Density Estimation plot

‘density’ : same as ‘kde’

‘area’ : area plot

‘pie’ : pie plot

‘scatter’ : scatter plot

‘hexbin’ : hexbin plot

# 標識繪製方式的字串，預設值是 ‘line’ 

ax : matplotlib axes object, default None

# 當使用到subplots繪圖時，會得到包含子圖物件的引數，

    再完善子圖內容時需要指定該引數，預設值是 None [可參照後面示例1]

subplots : boolean, default False

Make separate subplots for each column

# 所繪製物件資料 data 是否需要分成不同的子圖， 預設值是 False  [可參照後面示例2]

sharex : boolean, default True

In case subplots=True, share x axis

# 當引數subplots 為 True時，該值表示各子圖是否共享x軸標籤值，預設值是 True

sharey : boolean, default False

In case subplots=True, share y axis

# 當引數subplots 為 True時，該值表示各子圖是否共享x軸標籤值，預設值為 True

layout : tuple (optional)

(rows, columns) for the layout of subplots

figsize : a tuple (width, height) in inches

use_index : boolean, default True

Use index as ticks for x axis

title : string

# 圖的標題

Title to use for the plot

grid : boolean, default None (matlab style default)

Axis grid lines

# 是否需要顯示網格，預設值是 None[需要留意的是，在Canopy中預設是顯示網格的]

legend : False/True/’reverse’

Place legend on axis subplots

# 新增子圖的圖例，預設值是True

style : list or dict

matplotlib line style per column

# 設定繪製線條格式，僅當引數kind 設定為 ‘line’ [可參照後面示例3]

logx : boolean, default False

Use log scaling on x axis

# 將x軸設定成對數座標，預設值是False

logy : boolean, default False

Use log scaling on y axis

# 將y軸設定成對數座標，預設值是False

loglog : boolean, default False

Use log scaling on both x and y axes

# 將x軸、y軸都設定成對數座標，預設值是False

xticks : sequence

Values to use for the xticks

# 指定 x軸標籤的取值範圍（或步長）

yticks : sequence

Values to use for the yticks

# 指定 y軸標籤的取值範圍（或步長）

xlim : 2-tuple/list

ylim : 2-tuple/list

rot : int, default None

Rotation for ticks (xticks for vertical,

yticks for horizontal plots)

fontsize : int, default None

Font size for xticks and yticks

# 字型大小，預設值是 None

colormap : str or matplotlib colormap object,

default None

Colormap to select colors from. If string,

load colormap with that name from matplotlib.

# 指定具體顏色取值或對應物件名稱，預設值是 None

colorbar : boolean, optional

If True, plot colorbar (only relevant for

‘scatter’ and ‘hexbin’ plots)

# 是否顯示顏色條，如果設為 True，則僅當引數kind 設定為 ‘scatter’、 ‘hexbin’時有效

position : float

Specify relative alignments for bar plot layout.

From 0 (left/bottom-end) to 1 (right/top-end).

Default is 0.5 (center)

layout : tuple (optional)

(rows, columns) for the layout of the plot

table : boolean, Series or DataFrame, default False

If True, draw a table using the data in the

DataFrame and the data will be transposed to meet

matplotlib’s default layout. If a Series or

DataFrame is passed, use passed data to draw a table.

yerr : DataFrame, Series, array-like, dict and str

See Plotting with Error Bars for detail.

xerr : same types as yerr.

stacked : boolean, default False in line and

bar plots, and True in area plot.

If True, create stacked plot.

# 引數kind 設定為 ‘line’、’bar’時，該值預設為False，

# 引數 kind 設定為’area’時，該值預設為True

# 當該引數設定為True時，生成對應的堆積圖

sort_columns : boolean, default False

Sort column names to determine plot ordering

secondary_y : boolean or sequence, default False

Whether to plot on the secondary y-axis If a list/tuple,

which columns to plot on secondary y-axis

mark_right : boolean, default True

When using a secondary_y axis, automatically mark the

column labels with “(right)” in the legend

kwds : keywords

Options to pass to matplotlib plotting method

Returns :      axes : matplotlib.AxesSubplot or np.array of them

示例：

示例1：

1	<pre>### 7. count the sum of each last letter of names of diferent 'sex' in each year

2	get_last_letter = lambda x: x[-1]

3	last_letters = names.name.map(get_last_letter)

4	last_letters.name = 'last_letter'

5	table = names.pivot_table('births', rows=last_letters, cols=['sex'