pandas数据处理之绘图的实现

更新时间：2020年06月15日 09:44:37 作者：Python实用宝典

这篇文章主要介绍了pandas数据处理之绘图的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

Pandas是Python中非常常用的数据处理工具，使用起来非常方便。它建立在NumPy数组结构之上，所以它的很多操作通过NumPy或者Pandas自带的扩展模块编写，这些模块用Cython编写并编译到C，并且在C上执行，因此也保证了处理速度。

今天我们就来体验一下它的强大之处。

1.创建数据

使用pandas可以很方便地进行数据创建，现在让我们创建一个5列1000行的pandas DataFrame：

mu1, sigma1 = 0, 0.1
mu2, sigma2 = 0.2, 0.2
n = 1000df = pd.DataFrame(
  {
    "a1": pd.np.random.normal(mu1, sigma1, n),
    "a2": pd.np.random.normal(mu2, sigma2, n),
    "a3": pd.np.random.randint(0, 5, n),
    "y1": pd.np.logspace(0, 1, num=n),
    "y2": pd.np.random.randint(0, 2, n),
  }
)

a1和a2：从正态（高斯）分布中抽取的随机样本。
a3：0到4中的随机整数。
y1：从0到1的对数刻度均匀分布。
y2：0到1中的随机整数。

生成如下所示的数据：

2.绘制图像

Pandas 绘图函数返回一个matplotlib的坐标轴(Axes)，所以我们可以在上面自定义绘制我们所需要的内容。比如说画一条垂线和平行线。这将非常有利于我们：

1.绘制平均线

2.标记重点的点

import matplotlib.pyplot as plt
ax = df.y1.plot()
ax.axhline(6, color="red", linestyle="--")
ax.axvline(775, color="red", linestyle="--")
plt.show()

我们还可以自定义一张图上显示多少个表：

fig, ax = plt.subplots(2, 2, figsize=(14,7))
df.plot(x="index", y="y1", ax=ax[0, 0])
df.plot.scatter(x="index", y="y2", ax=ax[0, 1])
df.plot.scatter(x="index", y="a3", ax=ax[1, 0])
df.plot(x="index", y="a1", ax=ax[1, 1])
plt.show()

3.绘制直方图

Pandas能够让我们用非常简单的方式获得两个图形的形状对比：

df[["a1", "a2"]].plot(bins=30, kind="hist")
plt.show()

还能允许多图绘制:

df[["a1", "a2"]].plot(bins=30, kind="hist", subplots=True)
plt.show()

当然，生成折线图也不在画下：

df[['a1', 'a2']].plot(by=df.y2, subplots=True)
plt.show()

4.线性拟合

Pandas还能用于拟合，让我们用pandas找出一条与下图最接近的直线：

最小二乘法计算和该直线最短距离：

df['ones'] = pd.np.ones(len(df))
m, c = pd.np.linalg.lstsq(df[['index', 'ones']], df['y1'], rcond=None)[0]

根据最小二乘的结果绘制y和拟合出来的直线：

df['y'] = df['index'].apply(lambda x: x * m + c)
df[['y', 'y1']].plot()
plt.show()

到此这篇关于pandas数据处理之绘图的实现的文章就介绍到这了,更多相关pandas 绘图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

零基础学Python之前需要学c语言吗
在本篇文章里小编给大家整理的是一篇关于零基础学Python之前需要学c语言关系的文章，需要的朋友们可以参考下。
2020-07-07
使用pickle存储数据dump 和 load实例讲解
今天小编就为大家分享一篇使用pickle存储数据dump 和 load实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-12-12
Python趣味入门教程之循环语句while
这篇文章主要给大家介绍了关于Python趣味入门教程之循环语句while的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-08-08
Python调用百度AI实现身份证识别
这篇文章主要介绍了Python通过调用百度AI的文字识别功能实现对身份证进行识别，代码具有一定的学习价值，感兴趣的朋友一起来看看效果吧
2021-12-12
sublime3之内网安装python插件Anaconda的流程
这篇文章主要介绍了sublime3之内网安装python插件Anaconda的流程，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-11-11
pytorch中的reshape()、view()、nn.flatten()和flatten()使用
这篇文章主要介绍了pytorch中的reshape()、view()、nn.flatten()和flatten()使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2023-08-08
梯度下降法介绍及利用Python实现的方法示例
梯度下降算法是一个很基本的算法，在机器学习和优化中有着非常重要的作用，下面这篇文章主要给大家介绍了关于利用Python实现梯度下降法的相关资料，对大家具有一定的参考学习价值，需要的朋友们下面来一起看看吧。
2017-07-07
Python实现定时发送监控邮件
这篇文章主要为大家讲解如何用python连接邮箱，实现自动发送监控邮件，文中的示例讲解详细，对我们了解Python有一定的帮助，需要的可以参考一下
2022-01-01
精选39道Python数据分析面试题提早备战金三银四
这篇文章主要为大家介绍了39道Python数据分析的面试题问答攻略帮助大家提早备战金三银四,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多精进,早日度过寒冬
2023-12-12
pandas.dataframe中根据条件获取元素所在的位置方法(索引)
今天小编就为大家分享一篇pandas.dataframe中根据条件获取元素所在的位置方法(索引)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-06-06