俄文网站引擎,wordpress分享微信朋友圈,网页版微信小程序页面入口,域名策划方案数据分析-Pandas如何用图把数据展示出来
俗话说#xff0c;一图胜千语#xff0c;对人类而言一串数据很难立即洞察出什么#xff0c;但如果展示图就能一眼看出来门道。数据整理后#xff0c;如何画图#xff0c;画出好的图在数据分析中成为关键的一环。
数据表#xff…数据分析-Pandas如何用图把数据展示出来
俗话说一图胜千语对人类而言一串数据很难立即洞察出什么但如果展示图就能一眼看出来门道。数据整理后如何画图画出好的图在数据分析中成为关键的一环。
数据表时间序列数据在数据分析建模中很常见例如天气预报空气状态监测股票交易等金融场景。数据分析过程中重新调整重塑数据表是很重要的技巧此处选择Titanic数据以及巴黎、伦敦欧洲城市空气质量监测 N O 2 NO_2 NO2数据作为样例。
数据分析
数据分析-Pandas如何转换产生新列
数据分析-Pandas如何统计数据概况
数据分析-Pandas如何轻松处理时间序列数据
数据分析-Pandas如何选择数据子集
数据分析-Pandas如何重塑数据表-CSDN博客
经典算法
经典算法-遗传算法的python实现
经典算法-模拟退火算法的python实现
经典算法-粒子群算法的python实现-CSDN博客
LLM应用
大模型查询工具助手之股票免费查询接口
Python技巧-终端屏幕打印光标和文字控制
本文用到的样例数据
Titanic数据
空气质量监测 N O 2 NO_2 NO2数据
样例代码
源代码参考 Pandas如何重塑数据表
源代码参考 python数据分析-数据表读写到pandas 导入关键模块
import pandas as pd
import matplotlib.pyplot as plt数据准备
仍然使用air_quality数据来举例读取NO2数据
In [1]: air_quality pd.read_csv(data/air_quality_no2.csv, index_col0, parse_datesTrue)In [2]: air_quality.head()
Out[2]: station_antwerp station_paris station_london
datetime
2019-05-07 02:00:00 NaN NaN 23.0
2019-05-07 03:00:00 50.5 25.0 19.0
2019-05-07 04:00:00 45.0 27.7 19.0
2019-05-07 05:00:00 NaN 50.4 16.0
2019-05-07 06:00:00 NaN 61.9 NaN
时间趋势图
拿到PM25数据急不可耐就想画张图
In [3]: air_quality.plot()
Out[3]: Axes: xlabeldatetimeIn [4]: plt.show()很简单吧两行解决战斗就是调用plot函数然后显示函数show。
当然这样就是一张图里把所有的数值类的列都给画出来了。有点太花看不清楚。
Boss看了要求清晰一点清爽一点。只要巴黎的监测数据还不是手到擒来。
In [5]: air_quality[station_paris].plot()
Out[5]: Axes: xlabeldatetimeIn [6]: plt.show()只要从pandas中选择数据子集就行然后照样调用显示函数。
同类项比较
有时候要卷一卷就是要一较高下。如何比较两个地方的 $ NO_2 $ 的关系图呢
In [7]: air_quality.plot.scatter(xstation_london, ystation_paris, alpha0.5)
Out[7]: Axes: xlabelstation_london, ylabelstation_parisIn [8]: plt.show()尝试下散点图把London和Paris分别作为xy轴。
画图plot函数默认是画曲线的即line函数而散点图就需要调用对应的scatter函数。 以上代码只是一个简单示例示例代码中的表达式可以根据实际问题进行修改。
觉得有用 收藏 收藏 收藏
点个赞 点个赞 点个赞
End GPT专栏文章
GPT实战系列-ChatGLM3本地部署CUDA111080Ti显卡24G实战方案
GPT实战系列-LangChain ChatGLM3构建天气查询助手
大模型查询工具助手之股票免费查询接口
GPT实战系列-简单聊聊LangChain
GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手
GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型到底做了什么(二)
GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型到底做了什么(一)
GPT实战系列-ChatGLM2模型的微调训练参数解读
GPT实战系列-如何用自己数据微调ChatGLM2模型训练
GPT实战系列-ChatGLM2部署UbuntuCuda11显存24G实战方案
GPT实战系列-Baichuan2本地化部署实战方案
GPT实战系列-Baichuan2等大模型的计算精度与量化
GPT实战系列-GPT训练的PretrainingSFTReward ModelingRLHF
GPT实战系列-探究GPT等大模型的文本生成-CSDN博客
