Графики

Двенадцать чисел месячной выручки можно прочитать глазами. Триста шестьдесят пять дневных — уже нет. График показывает то, что в таблице не разглядеть: рост и спад, всплески, необычные значения. В pandas график строится одним методом — plot. Рисует его библиотека matplotlib; pandas лишь передаёт ей данные.

import pandas as pd

orders = pd.read_csv("data/shop_orders.csv", parse_dates=["date"])
orders["revenue"] = orders["price"] * orders["quantity"]
orders["month"] = orders["date"].dt.month
monthly = orders.groupby("month")["revenue"].sum()
monthly.head(3)

month
1    318940
2    250430
3    297780
Name: revenue, dtype: int64

Линия

monthly.plot()

Выводсохранённый · нажмите «Выполнить», чтобы получить свой

По горизонтали — индекс, по вертикали — значения; подпись горизонтальной оси — название индекса (month). Линия — вид графика по умолчанию; она подходит, когда точки идут по порядку и между соседними есть смысл проводить отрезок: время, возраст, расстояние.

График без подписей — полуфабрикат. Заголовок задаёт параметр title. Метод plot возвращает объект осей (axes) — сам график; его сохраняют в переменную и подписывают оси методами set_xlabel и set_ylabel:

ax = monthly.plot(title="Выручка по месяцам, 2025")
ax.set_xlabel("месяц")
ax.set_ylabel("₽")

Выводсохранённый · нажмите «Выполнить», чтобы получить свой

items = orders.groupby("month")["quantity"].sum()
ax = ...

items = orders.groupby("month")["quantity"].sum()
ax = items.plot(title="Продано штук по месяцам")
ax.set_ylabel("штук")

Столбцы

Если на оси не время, а категории, линия вводит в заблуждение:

by_category = orders.groupby("category")["revenue"].sum()
by_category.plot(title="Линия для категорий — плохая идея")

Выводсохранённый · нажмите «Выполнить», чтобы получить свой

Наклон линии между «Аксессуарами» и «Кофе» ничего не значит: у категорий нет порядка и нет ничего «между». Для сравнения категорий нужны столбцы — kind="bar":

by_category.sort_values(ascending=False).plot(kind="bar", title="Выручка по категориям", rot=0)

Выводсохранённый · нажмите «Выполнить», чтобы получить свой

Два приёма делают её читаемой. Сортировка перед построением — глаз сразу видит порядок. И rot=0 — подписи горизонтально (по умолчанию они повёрнуты набок).

Когда категорий много или названия длинные, столбцы кладут горизонтально — kind="barh":

by_product = orders.groupby("product")["revenue"].sum().sort_values()
by_product.tail(8).plot(kind="barh", title="Восемь товаров с наибольшей выручкой")

Выводсохранённый · нажмите «Выполнить», чтобы получить свой

Здесь сортировка по возрастанию: на горизонтальной диаграмме первая строка рисуется внизу, и самый большой столбец оказывается сверху.

by_city = ...
ax = ...

by_city = orders.groupby("city")["revenue"].sum().sort_values(ascending=False)
ax = by_city.plot(kind="bar", title="Выручка по городам", rot=0)

Гистограмма

Третий частый вопрос — как значения распределены: каких много, каких мало. Гистограмма делит диапазон значений на интервалы равной ширины и показывает, сколько значений попало в каждый. Это графический pd.cut с value_counts.

orders["revenue"].plot(kind="hist", bins=30, title="Выручка одной строки заказа")

Выводсохранённый · нажмите «Выполнить», чтобы получить свой

По вертикали matplotlib пишет Frequency — «частота», число значений в интервале. Сразу видно то, о чём говорили среднее и медиана: большинство строк — до 2000 ₽, а вправо тянется длинный «хвост» редких крупных покупок. Параметр bins задаёт число интервалов; по умолчанию их десять.

weather = pd.read_csv("data/weather.csv", parse_dates=["date"])
moscow_temp = ...
ax = ...

weather = pd.read_csv("data/weather.csv", parse_dates=["date"])
moscow_temp = weather.loc[weather["city"] == "Москва", "temp_max"]
ax = moscow_temp.plot(kind="hist", bins=20, title="Дневной максимум в Москве")
ax.set_xlabel("°C")

Несколько рядов

У таблицы plot рисует по линии на каждый столбец и сам добавляет легенду:

by_channel = orders.pivot_table(values="revenue", index="month", columns="channel", aggfunc="sum")
by_channel.head(3)

by_channel.plot(title="Выручка по каналам")

Выводсохранённый · нажмите «Выполнить», чтобы получить свой

Поэтому перед графиком данные часто приводят к широкой форме: то, что должно стать отдельными линиями, — в столбцы.

Добавить линию на уже готовый график позволяет параметр ax: ему передают оси, на которых нужно рисовать. Параметр alpha делает линию полупрозрачной:

daily = orders.groupby("date")["revenue"].sum().reindex(pd.date_range("2025-01-01", "2025-12-31"), fill_value=0)
ax = daily.plot(title="Выручка по дням и среднее за 7 дней", alpha=0.35)
daily.rolling(7).mean().plot(ax=ax)

Выводсохранённый · нажмите «Выполнить», чтобы получить свой

Бледная линия — шумные дневные значения, яркая — среднее за неделю. Раз в индексе настоящие даты, matplotlib сам подписал ось месяцами — по-английски (Jan, Feb…). На ней видны весенний подъём, летний спад и декабрьский пик.

weather["month"] = weather["date"].dt.month
month_temp = ...
ax = ...

weather["month"] = weather["date"].dt.month
month_temp = weather.pivot_table(values="temp_max", index="month", columns="city", aggfunc="mean")
ax = month_temp[["Сочи", "Москва", "Новосибирск"]].plot(title="Средний дневной максимум по месяцам")
ax.set_ylabel("°C")

Какой график выбрать

Итоги

• ряд.plot() — линия; kind="bar" — столбцы, kind="hist" — гистограмма.
• По горизонтали — индекс: сделайте индексом то, что должно быть на оси.
• title=, ax.set_xlabel(...), ax.set_ylabel(...) — подписи; без них график непонятен.
• У таблицы каждый столбец — отдельная линия.
• Линия — для времени, столбцы — для категорий, гистограмма — для распределения.