日常工作中果果經常要處理各種各樣的資料。說到資料分析，Excel是不錯的選擇，畢竟Excel提供了很友善的互動式界面，資料過濾和可視化功能。基本上你能想到的功能，Excel都能提供。
但是問題在于，同樣的資料可能每月每周甚至每天都會更新，比如說銷售資料。每一次資料更新，意味着要手動做一系列事情:
導入到Excel裡->調整格式->資料處理->畫圖->排版->分析->發給上司這樣的工作單次可能耗時不多，但是經常做、每天做，就有點讓人抓狂了。
如何從機械式的工作中解脫出來呢，當然是使用
python了!
下面果果給大家展示一張python繪制的圖：
這是一張用python繪制的圖，它有幾個特點:
- 自動繪圖 ：是導入資料後程式自動出的圖；
- 自動排版 ：這是一張組合圖，程式自動排版。對于單個子圖來說，組圖的資訊更豐富，給人的感官帶來很好的體驗；
- 形式多樣 ：包含各種常用的圖，包括折現圖，餅圖，散點圖，直方圖等；
自從果果在工作中使用了python繪圖之後，再也不用手動調資料畫圖了。隻要新的資料來了，自動出一張大圖。這樣可以把更多的時間放在分析資料上。
這樣一來，原來的工作流，就被簡化成了:
自動出圖->資料分析->發給上司不僅省了很多力氣，而且把時間和精力聚焦在了最重要的部分，也就是寫資料分析報告。這塊做的越好，上司越滿意。
好了，說了這麼多，下面就由小六六手把手教你怎麼做這樣一張大圖。
Step1. 加載python中必要的庫
import
這裡使用了matplotlib繪圖，使用pandas加載和處理資料。
Step2.讀取資料
這裡果果并沒有使用真的資料，而是自己造了一組數，見下面代碼
dates = pd.date_range('20170101', periods=300)
df = pd.DataFrame(np.random.rand(300,4), index=dates, columns=list('ABCD'))
如上圖所示，這裡的A、B、C、D可以業務上有不同含義的資料，比如四種商品的點選量，出售數量等。
我們可以簡單的把這組資料視為四種物品每天的出貨量。
Step3.處理資料
這一部分就需要結合具體的業務了；一般來說業務資料的處理流程是固定的，是以這裡寫好之後就不用再改動了。當然，後續調整的話也很友善。
///按月份對商品資料求和
date_groupby = df.groupby(lambda x:pd.datetime.strftime(x,'%Y-%m')).apply(sum)
///統計四種商品的出貨總量占比
date_sum = df.apply(sum)
date_ratio = date_sum/date_sum.sum()
Step4.畫圖
處理好各種資料之後，就可以調用繪圖工具畫圖啦。這裡根據大家想要的呈現形式，調用matplotlib強大的功能，就可以自動生成各式各樣的圖。
fig = plt.figure(figsize=(8,9))
ax_0 = fig.add_subplot(3, 1, 1 )
ax_0_twin = ax_0.twinx()
ax_0_twin.bar(date_groupby.index,date_groupby["A"],width = 0.2,label = "A")
plt.ylim((0, 25))
ax_0.plot(date_groupby.index,date_groupby["B"],color = "r", label = "B")
ax_0_twin.set_title(r'Distribution over month',fontsize=15)
ax_0.legend(loc=2, prop={'size': 12})
ax_0_twin.legend(loc=1, prop={'size': 12})
ax_0.set_ylabel(r'B_count',fontsize=11)
ax_0_twin.set_ylabel(r'A_count',fontsize=11)
ax_1 = fig.add_subplot(3, 2, 3 )
rng = np.random.RandomState(10)
colors = rng.rand(50)
sc = ax_1.scatter(df["A"].iloc[0:50],df["B"].iloc[0:50],
c=colors,s=100*df["C"].iloc[0:50])
plt.colorbar(sc)
ax_2 = fig.add_subplot(3, 2, 4 )
ax_2.pie(date_ratio,
labels=date_ratio.index , autopct = '%3.1f%%',
startangle = 180, shadow = True)
ax_3 = fig.add_subplot(3, 1, 3 )
ax_3.hist(df["A"],bins = 100)
ax_3.set_title(r'A hist over day',fontsize=15)
最後看一眼生成的圖：
文中相關的代碼已經整理好，關注公衆号
果果資料，回複 “
畫圖” 即可獲得下載下傳連結。
其他文章：
小六六：使用Python做中文分詞和繪制詞雲zhuanlan.zhihu.com
小六六：使用Python爬取12306資料：如何搶到從北京回家的票zhuanlan.zhihu.com
小六六：如何使用python做中文情感分析zhuanlan.zhihu.com