通过matplotlib将dataframe中的经纬度数据完整的绘制出来，二维，设置网格，字体大小18，横轴表示经度，纵轴表示纬度，

代码如下：

import matplotlib.pyplot as plt
import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 绘图
fig, ax = plt.subplots(figsize=(10, 8))
ax.set_xlabel('Longitude', fontsize=18)
ax.set_ylabel('Latitude', fontsize=18)
ax.set_title('Geographic Data', fontsize=18)
ax.grid(True)

ax.scatter(df['Longitude'], df['Latitude'], s=10)

plt.show()

其中，`data.csv`为包含经纬度数据的csv文件，`s=10`表示散点大小为10。运行代码后，会得到一个二维散点图，横轴表示经度，纵轴表示纬度，同时有网格，字体大小为18。

相关问题

怎么用matplotlib将DataFrame中的数据绘制成折线图

可以使用以下代码将DataFrame中的数据绘制成折线图：

import matplotlib.pyplot as plt

df.plot(kind='line')
plt.show()

这段代码可以将DataFrame中的每一列作为一个折线图绘制出来。如果要指定绘制哪些列，可以在`plot`方法中指定，例如`df[['col1', 'col2']].plot(kind='line')`。

matplotlib绘制dataframe

要使用matplotlib绘制DataFrame数据，你可以使用DataFrame.plot()函数。该函数可以绘制不同类型的图表，例如折线图、柱状图和饼图。

首先，你需要导入必要的库，包括pandas、numpy和matplotlib.pyplot。然后，创建一个DataFrame对象，该对象包含你想要绘制的数据。接下来，调用DataFrame.plot()函数，并通过设置kind参数来指定你想要绘制的图表类型。

例如，如果你想要绘制一个折线图，可以使用以下代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

data = pd.DataFrame(np.random.randn(8,4).cumsum(0), columns=['A','B','C','D'], index=np.arange(20,100,10))
data.plot()
plt.show()

这将绘制一个折线图，其中每个列将在x轴上显示，并且每个值将在y轴上显示。

除了折线图，你还可以使用kind参数绘制其他类型的图表，例如柱状图和饼图。你可以根据需要设置其他参数，如标题、图表大小和字体大小。

如果你想要绘制Series数据，可以使用Series.plot()函数，可以参考以下代码：

import pandas as pd
import matplotlib.pyplot as plt

data = pd.Series([500,300,700,400],index=['1季度', '2季度', '3季度', '4季度'])
fig = data.plot(kind='bar',title='2021年各季度销量(单位：万台)',figsize=(10,8),fontsize=30)
# 或者使用饼图
# fig = data.plot(kind='pie',title='2021年各季度销量(单位：万台)',figsize=(10,8),fontsize=30)

fig.axes.title.set_size(40) #设置标题字号
plt.show()

这将绘制一个柱状图，其中每个索引值将在x轴上显示，并且每个值将在y轴上显示。你也可以使用kind参数绘制其他类型的图表，如饼图。

希望这些代码能帮到你。如果有任何其他问题，请随时问我。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [笔记｜matplotlib 技巧｜DataFrame.plot 画各类图样例](https://blog.csdn.net/Changxing_J/article/details/129696527)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [Matplotlib 进阶（三）](https://blog.csdn.net/hlx20080808/article/details/127239743)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]