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！
相关文章
今天给大家分享Python激活Anaconda环境变量的详细步骤，激活Anaconda环境变量分为简洁版和详细版，简洁版只需要通过输入命令进行配置即可，详细版本文通过图文步骤给大家介绍的非常详细，需要的朋友参考下吧2021-06-06
目前有好几种方法可以将python文件打包成exe应用程序文件,例如py2exe,pyinstaller等,比较下来,还是觉得pyinstaller使用起来比较简单。2019-08-08
这篇文章主要介绍了Python中寻找数据异常值的3种方法,文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-08-08
这篇文章主要介绍了Python编程中的反模式,详细讲述了反模式的害处并以实例形式具体分析了容易造成的易错点,对于Python学习来说具有一定的参考借鉴价值,需要的朋友可以参考下2014-12-12
这篇文章主要介绍了python创建线程示例,需要的朋友可以参考下2014-05-05
这篇文章主要为大家介绍了python爬取B站关注列表及数据库的设计与操作，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-05-05
在本篇文章里小编给大家分享了关于python自省的相关知识点内容，需要的朋友们可以参考学习下。2020-06-06
本文主要介绍了Python实现列表拼接和去重，详细的介绍了列表拼接和列表去重三种方式，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-07-07
这篇文章主要介绍了python实现根据ip地址反向查找主机名称的方法,涉及Python使用socket解析IP的相关技巧,非常具有实用价值,需要的朋友可以参考下2015-04-04
今天小编就为大家分享一篇python实现一个简单的ping工具方法，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2019-01-01
最新评论