pandas數(shù)據(jù)處理之繪圖的實(shí)現(xiàn)
Pandas是Python中非常常用的數(shù)據(jù)處理工具，使用起來非常方便。它建立在NumPy數(shù)組結(jié)構(gòu)之上，所以它的很多操作通過NumPy或者Pandas自帶的擴(kuò)展模塊編寫，這些模塊用Cython編寫并編譯到C，并且在C上執(zhí)行，因此也保證了處理速度。
今天我們就來體驗(yàn)一下它的強(qiáng)大之處。
1.創(chuàng)建數(shù)據(jù)
使用pandas可以很方便地進(jìn)行數(shù)據(jù)創(chuàng)建，現(xiàn)在讓我們創(chuàng)建一個(gè)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：從正態(tài)（高斯）分布中抽取的隨機(jī)樣本。
- a3：0到4中的隨機(jī)整數(shù)。
- y1：從0到1的對(duì)數(shù)刻度均勻分布。
- y2：0到1中的隨機(jī)整數(shù)。
生成如下所示的數(shù)據(jù)：
2.繪制圖像
Pandas 繪圖函數(shù)返回一個(gè)matplotlib的坐標(biāo)軸(Axes)，所以我們可以在上面自定義繪制我們所需要的內(nèi)容。比如說畫一條垂線和平行線。這將非常有利于我們：
1.繪制平均線
2.標(biāo)記重點(diǎn)的點(diǎn)
import matplotlib.pyplot as plt ax = df.y1.plot() ax.axhline(6, color="red", linestyle="--") ax.axvline(775, color="red", linestyle="--") plt.show()
我們還可以自定義一張圖上顯示多少個(gè)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.繪制直方圖
Pandas能夠讓我們用非常簡單的方式獲得兩個(gè)圖形的形狀對(duì)比：
df[["a1", "a2"]].plot(bins=30, kind="hist") plt.show()
還能允許多圖繪制:
df[["a1", "a2"]].plot(bins=30, kind="hist", subplots=True) plt.show()
當(dāng)然，生成折線圖也不在畫下：
df[['a1', 'a2']].plot(by=df.y2, subplots=True) plt.show()
4.線性擬合
Pandas還能用于擬合，讓我們用pandas找出一條與下圖最接近的直線：
最小二乘法計(jì)算和該直線最短距離：
df['ones'] = pd.np.ones(len(df)) m, c = pd.np.linalg.lstsq(df[['index', 'ones']], df['y1'], rcond=None)[0]
根據(jù)最小二乘的結(jié)果繪制y和擬合出來的直線：
df['y'] = df['index'].apply(lambda x: x * m + c) df[['y', 'y1']].plot() plt.show()
到此這篇關(guān)于pandas數(shù)據(jù)處理之繪圖的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)pandas 繪圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要給大家介紹了關(guān)于Python中json常見四種用法舉例的相關(guān)資料,眾所周知JSON是一種輕量級(jí)的數(shù)據(jù)交換格式,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-08-08
在數(shù)據(jù)分析的過程中通常要對(duì)數(shù)據(jù)進(jìn)行清洗與處理,而其中比較重要和常見的操作就有對(duì)數(shù)據(jù)進(jìn)行篩選與查詢,下面這篇文章主要給大家介紹了關(guān)于如何利用Pandas查詢選取數(shù)據(jù)的相關(guān)資料,需要的朋友可以參考下2022-07-07
今天帶大家學(xué)習(xí)python裝飾器的相關(guān)知識(shí),文中對(duì)Python @property做了非常詳細(xì)的介紹,對(duì)正在學(xué)習(xí)python的小伙伴們很有幫助,需要的朋友可以參考下2021-05-05
這篇文章主要介紹了Django中自定義模型管理器(Manager)及方法,本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2019-09-09
如何將conda虛擬環(huán)境添加到Jupyter lab內(nèi)核
這篇文章主要介紹了如何將conda虛擬環(huán)境添加到Jupyter lab內(nèi)核問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-06-06
Python Pandas實(shí)現(xiàn)數(shù)據(jù)分組求平均值并填充nan的示例
今天小編就為大家分享一篇Python Pandas實(shí)現(xiàn)數(shù)據(jù)分組求平均值并填充nan的示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-07-07
我從Stephen A. Goss那讀到關(guān)于了《Python 3正在毀滅Python》。這篇文章有不少精彩的論點(diǎn)，但我卻并不認(rèn)為Python 3是在毀滅Python，也不認(rèn)為整個(gè)局面對(duì)Python一點(diǎn)也不利2014-11-11
這篇文章主要介紹了Python如何對(duì)齊字符串，文中講解非常細(xì)致，代碼幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下2020-07-07
這篇文章主要介紹了Pytest 使用簡介,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-04-04
Python線性點(diǎn)運(yùn)算數(shù)字圖像處理示例詳解
這篇文章主要為大家介紹了數(shù)字圖像處理基本運(yùn)算如何用Python詳細(xì)點(diǎn)運(yùn)算來處理數(shù)字圖像有需要的朋友可以借鑒參考下，希望能夠有所幫助2021-09-09