【数据分析与可视化】Pandas可视化与数据透视表的讲解及实战(超详细 附源码)
需要源码请点赞关注收藏后评论区留言私信~~~
一、数据透视表
数据透视表(Pivot Table)是数据分析中常见的工具之一,根据一个或多个键值对数据进行聚合,根据列或行的分组键将数据划分到各个区域
在Pandas中,除了使用groupby对数据分组聚合实现透视功能外,还可以使用pivot_table函数实现
pivot_table函数格式: pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')
表4-5. pivot_table函数主要参数及其说明
pivot_table默认计算均值
import pandas as pd
import numpy as np
data = pd.DataFrame({'k1':['a','b','a','a','c','c','b','a','c','a','b','c'],'k2':['one',
'two','three','two','one','one','three','one','two','three','one','two'],
'w':np.random.rand(12),'y':np.random.randn(12)})
print(data)
print("------------------------------------------------")
print(data.pivot_table(index = 'k1',columns = 'k2'))
分类汇总并求和
data.pivot_table(index = 'k1',columns = 'k2',aggfunc = 'sum')
交叉表是一种特殊的透视表,主要用于计算分组频率
crosstab的格式
crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, dropna=True, normalize=False)
crosstab主要参数及其说明
交叉表示例
pd.crosstab(data.k1,data.k2)
带参数margin
pd.crosstab(data.k1,data.k2,margins = True)
二、Pandas可视化
Pandas中集成了Matplotlib中的基础组件,让绘图更加便捷
DataFrame.plot除了Series中的参数外,还有一些独特选项 如下表所示
1 线形图
Pandas库中的Series和DataFrame中都有绘制各类图表的plot方法,默认绘制的都是线形图
通过DataFrame对象的plot方法可以为各列绘制一条线,并创建图例
线形图一般用于描述两组数据之间的趋势
import matplotlib.pyplot as plt
%matplotlib inline
s = pd.Series(np.random.normal(size = 10))
s.plot()
通过DataFrame对象的plot方法可以为各列绘制一条曲线 并创建好图例
df = pd.DataFrame({'normal':np.random.normal(size = 50),'gamma':np.
random.gamma(1,size = 50)})
df.plot()
2 柱状图
柱状图一般描述各类别之间的关系,在Pandas中绘制柱状图只需在plot函数中加参数kind = ‘bar’,如果类别较多,可以绘制水平柱状图(kind = ‘barh’)
stu = {'name':['小明','王芳','赵平','李红','李涵'],'sex':['male','female','female','female','male'],'year':[1996,1997,1994,1999,1996]}
data = pd.DataFrame(stu)
print(data['sex'].value_counts())
print(data['sex'].value_counts().plot(kind = 'bar',rot = 30))
对DataFrame数据而言,每一行的值会成为一组
df = pd.DataFrame(np.random.randint(1,100,size = (3,3)),index =
{'one','two','three'},columns = ['I1','I2','I3'])
df.plot(kind = 'barh')
3 直方图和密度图
直方图用于频率分布,y轴为数值或比率。绘制直方图,可以观察数据值的大致分布规律。pandas中的直方图可以通过hist方法绘制
核密度估计是对真实密度的估计,其过程是将数据的分布近似为一组核(如正态分布)。通过plot函数的kind = ‘kde’可以进行绘制
wy = pd.Series(np.random.normal(size = 80))
s.hist(bins = 15,grid = False)
wy = pd.Series(np.random.normal(size = 80))
s.plot(kind = 'kde')
4 散点图
散点图主要用来表现数据之间的规律
通过plot函数的kind = 'scatter'可以进行绘制
wd = pd.DataFrame(np.arange(10),columns = ['A'])
wd['B'] = 2*wd['A']+4
wd.plot(kind = 'scatter',x = 'A',y = 'B')
创作不易 觉得有帮助请点赞关注收藏~~~
【数据分析与可视化】Pandas可视化与数据透视表的讲解及实战(超详细 附源码)相关推荐
- 【数据挖掘】利用sklearn进行数据预处理讲解与实战(超详细 附源码)
需要源码和PPT请点赞关注收藏后评论区留言私信~~~ scikit-learn提供的数据预处理相关的功能如下图 1. 数据标准化.平均去除和方差缩放 sklearn.preprocessing.sca ...
- Python数据分析小技巧:如何在Pandas中实现数据透视表?
Python数据分析小技巧:如何在Pandas中实现数据透视表? 数据透视表是数据分析中非常有用的工具,可以帮助我们快速了解数据的结构.关联和趋势.在Pandas中,我们可以使用pivot_table ...
- 利用excel与Pandas完成实现数据透视表(文末赠书)
文末赠书 数据透视表是一种分类汇总数据的方法.本文章将会介绍如何用Pandas完成数据透视表的制作和常用操作. 1,制作数据透视表 制作数据透视表的时候,要确定这几个部分:行字段.列字段.数 ...
- 利用excel与Pandas完成实现数据透视表
数据透视表是一种分类汇总数据的方法.本文章将会介绍如何用Pandas完成数据透视表的制作和常用操作. 1,制作数据透视表 制作数据透视表的时候,要确定这几个部分:行字段.列字段.数据区,汇总函数.数据 ...
- 数据产品-数据可视化工具Excel之数据透视表
数据产品接触的数据流程大致可以分为四个环节:数据采集.数据存储.数据计算和数据可视化,而Excel做为最基本的数据分析软件,可以在其中做很多数据的操作,其中数据透视表可以说是Excel最为功能强大的功 ...
- 【Python基础】在pandas中使用数据透视表
文章来源于Python大数据分析,作者朱卫军 什么是透视表? 经常做报表的小伙伴对数据透视表应该不陌生,在excel中利用透视表可以快速地进行分类汇总,自由组合字段聚合计算,而这些只需要拖拉拽就能实现 ...
- excel自动排班表_Excel数据分析-如何制作自动更新的数据透视表
数据透视表是我们工作中一个非常强大的数据汇总分析功能,大家一定会遇到这样的问题,就是数据源如果每天或者经常性需要更新的话,那么我们的数据透视表就要在每次更新后重新选择数据源,如何能让数据源自动更新呢? ...
- cyq.data mysql_CYQ.Data4.5.5下载-CYQ.Data数据框架整套下载4.5.5 免费版【附源码】-东坡下载...
CYQ.Data是路过秋天分享的一款支持超多数据库的数据框架类库,它界面简洁,操作简单,功能强大易用,支持多语言,多数据库,RSS,AOP等功能,小编这附上CYQ.Data4.5.5整套下载. CYQ ...
- vue代码生成器可视化界面_手把手教你基于SqlSugar4编写一个可视化代码生成器(生成实体,以SqlServer为例,文末附源码)...
在开发过程中免不了创建实体类,字段少的表可以手动编写,但是字段多还用手动创建的话不免有些浪费时间,假如一张表有100多个字段,手写有些不现实. 这时我们会借助一些工具,如:动软代码生成器.各种ORM框 ...
最新文章
- 超出网络bios会话限制_如何设置网络以防止数据丢失
- 手机号码 mysql 存储类型_2021-01-06:mysql中,我存十亿个手机号码,考虑存储空间和查询效率,用什么类型的字段去存?...
- 图像处理理论(八)——Meanshift, Camshift, Optical flow
- 【C++模板】特化与偏特化 template [partial] specialization
- cgi web 调用多次启动_全面了解CGI、FastCGI、PHPFPM
- ie浏览器收藏夹位置更改步骤
- php中统计记录条数,使用GROUP BY的时候如何统计记录条数 COUNT(*) DISTINCT
- Hive在linux上的部署
- Spark Yarn Client模式spark.driver.host导致 Cannot assign requested address: Service ‘sparkDriver‘ failed
- 效率源希捷硬盘远程维修案例-K9K10盘写认流程
- node.js 之 socket.io
- ArcView GIS 应用与开发技术(13)-定制ArcView
- 《数据库实验》实验一:建立数据库和基本表结构
- 翻译:Stairway to SQL Server Security Level 3: Principals and Securables
- 一起来做一个 c++ 单项选择题标准化考试系统
- 如何用计算机算幂函数,怎样用计算器算幂指数
- 大数据与云计算的关系?
- 力扣每日一题-10-121.买股票最佳时机
- 【unity 保卫星城】--- 开发笔记04(武器管理系统)
- Opus:IETF低延迟音频编解码器:API和操作手册
热门文章
- 都这么智能了,奥迪为什么连气味都处理不了?
- Unity 4.3 制作一个2D横版射击游戏(2)
- 有什么建站软件可以快速建网站?
- 还在为不熟悉快捷键的用法而苦恼吗?大神总结出来的方法都在这了
- 酒吧会员卡小程序制作设计,酒吧小程序开发制作定制功能和解决方案_document.getElementById(“demo“).innerHTML
- 信捷PLC3轴伺服钻孔机信捷触摸屏程序
- iFunk的笔记本基础硬件功能介绍
- python+云仓管理系统 毕业设计-附源码151458
- php获取落地页的信息,信息流广告落地页如何设计?落地页落地页设计注意事项...
- XMind 8 Update 9 安装出现一些问题