旅游网站建设费用预算,WordPress页面批量生成,开源网站源码下载,安卓手机应用商店天池XGBoost
地址
重写柱状图代码#xff1a;我没考虑复杂度#xff0c;只考虑直观理解
原文统计地点是否降雨来画柱状图实在是太麻烦了#xff0c;我重写了一下。最麻烦的就是数据处理。我的思路是#xff1a; 首先取下雨的全部数据data[data[RainTomorrow] Yes] 然后…天池XGBoost
地址
重写柱状图代码我没考虑复杂度只考虑直观理解
原文统计地点是否降雨来画柱状图实在是太麻烦了我重写了一下。最麻烦的就是数据处理。我的思路是 首先取下雨的全部数据data[data[RainTomorrow] Yes] 然后对地点进行分组groupby(Location).size()。不加size()没输出的没加的结果 pandas.core.groupby.generic.DataFrameGroupBy object at 0x000001FEF989EEE0最后加上列数量和列名reset_index(nameCount)。这句不加的结果是这样 Location
Adelaide 513
Albany 665
Albury 454
AliceSprings 169
BadgerysCreek 425总结123下雨和没下雨的数据就为 data_LocYes data[data[RainTomorrow] Yes].groupby(Location).size().reset_index(nameCount)
data_LocNo data[data[RainTomorrow] No].groupby(Location).size().reset_index(nameCount)输出结果 Location Count
0 Adelaide 513
1 Albany 665
2 Albury 454
3 AliceSprings 169
4 BadgerysCreek 425然后进行可视化 plt.figure(figsize(15,15))plt.subplot(1,2,1)
plt.title(RainTomorrow)
sns.barplot(y data_LocYes[Location], x data_LocYes[Count], color red)plt.subplot(1,2,2)
plt.title(Not RainTomorrow)
sns.barplot(y data_LocNo[Location], x data_LocNo[Count], color blue)plt.show()
