Pythonで時系列データ等を作図する際，pandasやmatplotlibを使用することになるが，データ分析モジュールpandasが，一部matplotlibの機能を取り込んでいるplot機能があり，このpandas.plotと純粋な(pure) matplotlib.plotをどのように使い分けるかを考えてみた．
pandas.plot はmatplotlibファンクションを使用して（wrapperとして）自分の機能を実現しているので，結果としてのplot図は（pandas.plotもpure matplotlibも）ほぼ同じとなることは明らかである．使い分けのポイントとしては，（主観的に）使い勝手がいいか/悪いかということであろう．
pandasは，DaraFrame構造の取扱いに優れており，折れ線のplotは，ほとんどコマンド一行で作成できる．
例として以下のデータ(pandas DataFrame class)を用意した．
In [11]: df_mkt[:10]
Out[12]:
policy actual sp500
2000-01-01 5.5 NaN NaN
2000-01-02 5.5 NaN NaN
2000-01-03 5.5 NaN 1441.46997
2000-01-04 5.5 NaN 1441.46997
2000-01-05 5.5 NaN 1441.46997
2000-01-06 5.5 NaN 1441.46997
2000-01-07 5.5 NaN 1441.46997
2000-01-08 5.5 NaN 1441.46997
2000-01-09 5.5 NaN 1441.46997
2000-01-10 5.5 NaN 1465.15002
2000年から2014年までの米国政策金利と実効的な金利，及びS&P500 indexのデータである．これを以下のように作図する．
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
（中略）
df_mkt.plot(grid=True, figsize=(10,4), secondary_y=['sp500'])
右側軸の使用を指定する "secondary_y" オプションを使用したが，とても楽である．
タイトルや軸ラベル等，図の装飾はまだであるが，ほぼ完成である．これをmatplotlibで描こうとすると以下のコードが必要となる．
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
（中略）
fig, ax1 = plt.subplots(figsize=(10,4))
plt.plot(df_mkt.index, df_mkt['policy'], 'b', label='policy')
plt.plot(df_mkt.index, df_mkt['actual'], 'g', label='actual')
plt.grid(True)
plt.legend(loc=4)
ax2 = ax1.twinx()
plt.plot(df_mkt.index, df_mkt['sp500'], 'r', label='s&p500')
plt.legend(loc=0)
(今回の作図では，縦軸を右側軸，左側軸と分ける指定が必要となってくる．）
一応，上のコードによる作図の結果を添付しておく．（仕上がりはほぼ同じになったが，Legendのラベルがまとまっていない．場所も”誤解”を与えるようなところに置いてしまった... 修正要．）
以上より，２つのplot機能の使用ケースおすすめは以下の通り．
-pandas DataFrame で扱った時系列データの折れ線チャート(historical line chart)を作図するケースでは，素直に pandas.plot (）を使う．
-時系列データの折れ線チャート以外，例えばscatter plot，あるいはもっと複雑なチャートを作図するケースでは, pandasのプロットではなく，素の（pureな）matplotlib作図functionを用いる．（pandas.plot がサポートしないチャートもたくさんあるので．）
参考文献
-"Python for Data Analysis": (O'reilly Media) http://shop.oreilly.com/product/0636920023784.do
-"Python for Finance": (O'reilly Media) http://shop.oreilly.com/product/0636920032441.do
-公式ドキュメント http://matplotlib.org/contents.html, http://pandas.pydata.org/pandas-docs/stable/visualization.html