python数据分析pandas画图_Pandas数据可视化基础绘图教程
众所周知,Pandas是基于Python平台的大数据分析与处理的利器。在数据为王的时代,想要掌握数据分析能力,学会Pandas数据可视化工具是十分重要的。本文将带领大家一步一步学习Pandas数据可视化基础绘图,内容比较基础,相信有一定Python基础的小伙伴看完可以很快上手,现在就让我们一起来看看教程吧!
1、环境
IDE : jupyter notebook
Anaconda 3.X
2、基于matplotlib
import matplotlib.pyplot as plt
注:导入matplotlib.pyplot
import matplotlib
matplotlib.style.use('ggplot')
%matplotlib inline
注:使用ggplot样式,并且将图画在jupyter notebook中
import pandas as pd
import numpy as np
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
ts.plot()
注:使用pandas创建一个Series(序列),序列值是随机生成的1000个标准正态分布值,索引是从2000-1-1开始的1000个时间序列值。
然后使用plot默认画图。可以看出,下图非常不规则,因为相邻的两个值也是随机大小。
import pandas as pd
import numpy as np
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
ts = ts.cumsum()
ts.plot()
注:这里加上了ts = ts.cumsum(),意思是返回累积值,在时间序列分析中,经常观察累积值曲线观察走势
这个累积值就看起来规则多了。
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))
df = df.cumsum()
plt.figure()
df.plot()
注:这里使用pandas创建了一个DataFrame(数据框,有点像excel表格那种),为什么不用刚才的Series呢?因为这里DataFrame中创建了4组数据,这4组数据都是随机生成的1000个标准正态分布值,索引是从2000-1-1开始的1000个时间序列值,并且也是求他们各自的累积值并且画图。
df3 = pd.DataFrame(np.random.randn(1000, 2), columns=['B', 'C']).cumsum()
df3['A'] = pd.Series(list(range(len(df))))
df3.plot(x='A', y='B')
注:使用DataFrame创建了2组数据,也是1000个标准正态分布,分别命名为B、C(就行excel中列名)。并且求累积值,再在原来的df(DataFrame的简称)(这里名字是df3)上加上一列名为A,A的值是0-999(使用df3的长度为1000,然后range被套列表生成一列数,作为x轴),y轴是B列数据(累积值),c列数据最后绘图没有用上。
最后Pandas基础绘图plot就完成了!
以上Pandas数据可视化基础绘图教程,大家都看懂了吗?没看明白也没关系,博学谷官网有视频课程《数据分析进阶必备技能:Pandas》。该教程采用实操案例的教学方式,使大家能够快速掌握数据获取、数据清洗与整理、数据可视化等等技能。想要了解教程的更多内容,可以进入课程链接:https://www.boxuegu.com/promote/detail-1480.html
python数据分析pandas画图_Pandas数据可视化基础绘图教程相关推荐
- 数据分析入门之Matplotlib数据可视化基础(散点图、折线图、直方图、饼图、箱线图)
文章目录 1.掌握pyplot基础语法 1.1.基本绘图流程 1.2.创建画布与创建子图 1.2.1.设置画布大小 1.2.2.添加图列 1.2.3.解决中文乱码 1.3.添加画布内容 1.4.保存与 ...
- python--Matplotlib数据可视化基础
Matplotlib数据可视化基础 绘图基础语法与常用参数 pyplot基础语法 创建画布与创建子图常见函数 添加画布内容常用函数 保存与显示图形常用函数 设置pyplot动态rc参数 分析特征间关系 ...
- Python数据分析——Pandas基础:dt.datetime与pivot_table()数据透视表
系列文章目录 Chapter 1:创建与探索DF.排序.子集化:Python数据分析--Pandas基础入门+代码(一) Chapter 2:聚合函数,groupby,统计分析:Python数据分析- ...
- Python数据分析——Matplotlib数据可视化基础(二)
Python数据分析--Matplotlib数据可视化基础(二) 思维导图: 图形的绘制 认识要绘制的图形 基本绘图流程 pyplot基础图表函数 pyplot饼图的绘制 pie函数 matplotl ...
- python数据可视化基础
为了满足兄弟的需求,我强迫自己把数据可视化基础又从头到尾复习了一遍, 我总结了利用python实现可视化的三个步骤: 确定问题,选择图形 转换数据,应用函数 参数设置,一目了然 1 首先,要知道我们用 ...
- 数据科学与python语言——Matplotlib数据可视化基础
Matplotlib数据可视化基础 一.读取数据与数据处理阶段 1.提取指定行中的数据 2.得到>指定数值的数据 3.得到=指定值得数据 4.整体的数据处理: 二.画图函数 1.plt.subp ...
- Python数据分析pandas之数据拼接与连接
Python数据分析pandas之数据拼接与连接 数据拼接处理 数据拼接处理指的是numpy.pandas里对数据的拼接.连接.合并等多种方法的概称.有时我们处理的数据会分很多步骤,而中间或者最终的结 ...
- pandas 作图 统计_Pandas数据可视化工具——Seaborn用法整理(下)
本科数学,编程几乎零基础(之前只学过matlab)今年年初开始学习Python数据挖掘,找到了一个很好的平台--BigQuant,省去了安装Python和安装各种库的烦恼.我最近在开始了解机器学习,B ...
- 【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门(一)
这是机器未来的第52篇文章 原文首发地址:https://robotsfutures.blog.csdn.net/article/details/126899226 <Python数据科学快速入 ...
最新文章
- 字符串BF和KMP匹配算法
- “AI让老百姓最多跑一次”:智源科学家打造下一代政务服务智能助手
- 屏蔽基于对话框的MFC程序中按下ESC关闭窗口的功能
- combobox is not a function 问题解决
- 使用webclient上传下载实例
- 【FreeSwitch开发实践】使用SIP客户端Yate连接FreeSwitch进行VoIP通话
- 串行接口的工作原理和实现
- 【研究】人大赵鑫老师报告:如何以初学者角度写好一篇国际学术论文?
- (SEED-Lab) DNS_Local Attack Lab
- 【马司机带带我】电话骚扰自动化及其对策
- python实现翻转金字塔图案
- 微信防封链接服务器,微信防红防封真的存在吗?
- 人工智能:深度学习算法及应用——简单理解CNN卷积神经网络并python实现(带源码)
- 大数据处理与分析方向主要干什么_大数据分析_方向_方法与工具
- 2020-05-25
- 教培行业正在开启新纪元
- 刷脸支付在新零售行业线上线下加速融合
- linux下使用迅雷的完美办法(免费)
- Linux文件系统概览
- 分众传媒预计今年第一季度净利润同比下降65%至75%