Pandas.plot 做图 demo(scatter,bar,pie)
#coding:utf-8import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号import pandas as pdfrom pandas import Series,DataFrame '''plt.scatter(x,y)plt.show() plt.bar(x,y,width=0.3,color='y')plt.bar(x+0.3,y2,width=0.3,color='y')plt.bar(x,y2,width=0.3,color='y',bottom=y) plt.pie(x=x,labels=y,...)plt.show() plt.boxplot(data,sym='o',whis=0.05)plt.boxplot(data,labels=labe)plt.show()'''data_train=pd.read_csv(r'C:\python\demo\ML\data\TravelRecords0708.csv',encoding='gbk')title ='(2017.07-2017.08)'#print(data_train.loc[:,['Name','Team','TravelDays','RequesterAddress']])def tongjiByName(): fig = plt.figure() fig.set(alpha=0.2) # 设定图表颜色alpha参数 #plt.subplot2grid((2, 3), (0, 0)) # 在一张大图里分列几个小图 data_train.Name.value_counts().plot(kind='bar') # plots a bar graph of those who surived vs those who did not. plt.title(u"DB出差同事出差次数情况统计"+title) # puts a title on our graph plt.ylabel(u"出差次数") plt.text(20,4.5,u'出差总次数(次):') plt.text(25, 4.5, data_train.Name.value_counts().values.sum()) plt.text(20,4.0,u'出差总人数(个):') plt.text(25, 4.0, len(data_train.Name.value_counts())) plt.text(20,3.5,u'出差总天数(天):') plt.text(25, 3.5, data_train.TravelDays.values.sum()) print(data_train.TravelDays.values.sum()) plt.show() def tongjiByteam(): fig = plt.figure() fig.set(alpha=0.2) # 设定图表颜色alpha参数 #plt.subplot2grid((2, 3), (0, 0)) # 在一张大图里分列几个小图 data_train.Team.value_counts().plot(kind='pie') # plots a bar graph of those who surived vs those who did not. #data_train.Team.value_counts().plot(kind='bar') # plots a bar graph of those who surived vs those who did not. print(data_train.Team.value_counts()) plt.title(u"深圳马会各team出差人数统计情况(2017.07-08)") # puts a title on our graph plt.text(5.5,10.5,u'出差总人数(次):') plt.text(6.8, 10.5, data_train.Team.value_counts().values.sum()) #统计series的value 总和 #plt.text(5.5, 9.5, u'出差team数(个):') #plt.text(6.8, 9.5, len(data_train.Team.value_counts().index)) #统计series的index 总和 #plt.ylabel(u"出差人数") plt.show() def tongjiByteamPIE(): fig = plt.figure() fig.set(alpha=0.2) # 设定图表颜色alpha参数 labels=data_train.Team.value_counts().index explode = [0, 0.5,0,0,0,0,0,0,0,0,0,0] # 0.1 凸出这部分, plt.pie(x=data_train.Team.value_counts(),labels=labels,autopct='%3.1f %%',shadow=True,labeldistance=1.1,startangle=90,pctdistance=0.6) plt.title(u"DB各team出差人数统计情况"+title) # puts a title on our graph plt.text(5.5,10.5,u'出差总人数(次):') plt.text(6.8, 10.5, data_train.Team.value_counts().values.sum()) #统计series的value 总和 plt.show() def tongjiByTravelDays(): fig = plt.figure() fig.set(alpha=0.2) # 设定图表颜色alpha参数 #plt.subplot2grid((2, 3), (0, 0)) # 在一张大图里分列几个小图 data_train.TravelDays.value_counts().plot(kind='bar') # plots a bar graph of those who surived vs those who did not. #data_train.Team.value_counts().plot(kind='bar') # plots a bar graph of those who surived vs those who did not. print(data_train.Team.value_counts()) plt.title(u"DB各team出差时长统计情况"+title) # puts a title on our graph plt.text(2.5,30.5,u'出差人次(人):') plt.text(3.8, 30.5, data_train.TravelDays.value_counts().values.sum()) #统计series的value 总和 plt.text(2.5, 25.5, u'出差时长种类(类):') plt.text(3.8, 25.5, len(data_train.TravelDays.value_counts().index)) #统计series的index 总和 plt.text(2.5, 20.5, u'出差时长最长天数(天):') plt.text(3.8, 20.5, data_train.TravelDays.values.max()) #统计series的index 总和 print(data_train.TravelDays.values.max()) plt.ylabel(u"出差人数") plt.xlabel(u"出差天数") plt.show() def tongjiByRequestAddress(): fig = plt.figure() fig.set(alpha=0.2) # 设定图表颜色alpha参数 #plt.subplot2grid((2, 3), (0, 0)) # 在一张大图里分列几个小图 #data_train.RequesterAddress.value_counts().plot(kind='pie') # plots a bar graph of those who surived vs those who did not. #data_train.Team.value_counts().plot(kind='bar') # plots a bar graph of those who surived vs those who did not. labels='HK','SZ' explode = [0, 0.2] # 0.1 凸出这部分, plt.pie(x=data_train.RequesterAddress.value_counts(),labels=labels,autopct='%1.1f %%',shadow=True,labeldistance=1.1,startangle=90,pctdistance=0.6) print(data_train.RequesterAddress.value_counts()) plt.title(u"DB同事出差邀请(香港/深圳)统计情况"+title) # puts a title on our graph plt.show() #tongjiByName()#tongjiByteam()tongjiByteamPIE()#tongjiByTravelDays()#tongjiByRequestAddress()
Pandas.plot 做图 demo(scatter,bar,pie)相关推荐
- Pandas.plot 做图
Series Series.plot(kind='line', ax=None, figsize=None, use_index=True, title=None, grid=None, legend ...
- pandas 做图显示中文标签
pandas 做图显示中文标签 对于数据集,直接做图时, #coding:utf-8 from pandas import DataFrame df = DataFrame({"score& ...
- R语言在图上标出点坐标_R语言做图plot参数
R语言做图plot参数函数名称:plot 用 途:作图 用 法:plot(x, y, --) 参 数: 1.符号和线条 pch:指定绘制点所使用的符号,取值范围[0 ...
- R语言可视化分面图、假设检验分组t检验、可视化单变量分组分面箱图(faceting bar plot)、添加误差条(error bar)、添加p值、添加抖动数据点(jitter points)
R语言可视化分面图.假设检验分组t检验.可视化单变量分组分面箱图(faceting bar plot).添加误差条(error bar).添加p值.添加抖动数据点(jitter points) 目录
- R语言可视化散点图(scatter plot)图、为图中的部分数据点添加标签、ggrepel包来帮忙
R语言可视化散点图(scatter plot)图.为图中的部分数据点添加标签.ggrepel包来帮忙 目录
- R语言可视化散点图(scatter plot)图中的标签和数据点互相堆叠丑死了,ggrepel包来帮忙:文本标签(label)相互排斥,远离数据点,远离绘图区域的边缘。
R语言可视化散点图(scatter plot)图中的标签和数据点互相堆叠丑死了,ggrepel包来帮忙:文本标签(label)相互排斥,远离数据点,远离绘图区域的边缘. 目录
- python画图程序没有图_解决python中使用plot画图,图不显示的问题
解决python中使用plot画图,图不显示的问题 对以下数据画图结果图不显示,修改过程如下 df3 = {'chinese':109, 'American':88, 'German': 66, 'K ...
- Python做图系列一
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言 一.csv / txt的操作(合并) 二.提取csv数据 三.复制 四. 筛选 五.柱状图 六.x y 数据大小一致 ...
- Li‘s 影像组学视频学习笔记(14)-特征权重做图及美化
本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(14)主要介绍: 特征权重做图及美化 import matplotlib.pyplot as plt %matplotlib inlin ...
最新文章
- 对于电单车同学们提出的改动建议
- js中的blob,图片base64URL,file之间的关系
- drf4 视图与路由组件
- bookStore第二篇【图书模块、前台页面】
- 【2018.3.31】模拟赛之一-ssl2406 约数【水题】
- json/ 发送形式_24/7的完整形式是什么?
- 联合使用 HTML 5、地理定位 API
- 如何测试连接MsSQL数据库-------UDL文件
- 编程实战:如何管理代码里的常量
- 小米12系列旗舰最新爆料:内藏5000mAh电池但机身更薄
- Opencv3.4.2调用yolov2进行物体检测源代码
- opendir php 中文,php的opendir是什么意思?
- 高精度定位网络PAS的经济模式_RTK基站网络共享奖励模式
- 食饵捕食者模matlab,食饵——捕食者数学模型研究.doc
- 什么是字节序(端序、低端字节序、高端字节序、网络字节序)
- lodop设置html字体大小无效,LODOP设置纸张无效问题
- i春秋新春战疫公益赛复现
- 第八章 强制类型转换
- Scikit-Learn与 TensorFlow 机器学习实用指南 中文PDF 免费领取
- Go get报错 fatal: could not read Username for ‘https://xxx‘: terminal prompts disabled【解决方案】