如何提高网站文章收录,南宁网站排名优化电话,微信公众号微信公众平台,wordpress自定义文章链接文章目录 前言第一部分#xff1a;Matplotlib1. 图形和轴#xff08;Figure and Axes#xff09;FigureAxes创建一个新的图形在图形中添加一个或多个轴 2. 绘图命令绘制折线图绘制散点图绘制条形图绘制饼图绘制直方图等高线图#xff08;Contour plot#xff09;#xff… 文章目录 前言第一部分Matplotlib1. 图形和轴Figure and AxesFigureAxes创建一个新的图形在图形中添加一个或多个轴 2. 绘图命令绘制折线图绘制散点图绘制条形图绘制饼图绘制直方图等高线图Contour plot1导入库2创建数据3绘制等高线图 3. 设置图表属性标题和标签图例限制网格 4. 保存图表5. 显示图表6. 子图Subplots7. 风格和样式8. 注释和文本 第二部分Seaborn1.基本操作1绘制分布图2绘制热力图 第三部分Pandas Plotting1.基本操作 第四部分Plotly1.基本操作绘制交互式散点图 第四部分DataFrame1. DataFrame 的结构1行2列3索引4数据类型 2. 创建 DataFrame1从列表或数组创建2从字典创建3从电子表格文件如 Excel创建4从 CSV 文件创建 3. DataFrame 的属性indexcolumnsvaluesshape 4. DataFrame 的方法headtaildescribeinfosort_valuesgroupbymerge()、join()append()drop()loc[]、iloc[]at[]、iat[]plot() 5. DataFrame 的数据访问和操作6. DataFrame 的数据类型转换7. 示例 总结 前言
以上就是今天要讲的内容本文仅仅简单介绍了Python中的数据可视化库及其相应的操作同时详细介绍了DataFrame数据格式。 第一部分Matplotlib
Matplotlib是一个非常流行的Python绘图库它提供了丰富的绘图功能。 和matlab中绘图功能又异曲同工之妙感兴趣可以自行学习matlab绘图相关知识。
1. 图形和轴Figure and Axes
Figure
Figure: 整个图形包括所有的轴、图例、标题等。
Axes
Axes: 图形中的一个单独的绘图区域包含数据、标签、标题等。 创建图形和轴
import matplotlib.pyplot as plt创建一个新的图形
fig plt.figure()在图形中添加一个或多个轴
ax1 fig.add_subplot(1, 1, 1) # 1行1列的第一个子图
2. 绘图命令
绘制折线图
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])绘制散点图
plt.scatter([1, 2, 3, 4], [1, 4, 9, 16])绘制条形图
plt.bar([1, 2, 3, 4], [1, 4, 9, 16])绘制饼图
plt.pie([1, 2, 3, 4], labels[A, B, C, D])绘制直方图
plt.hist([1, 2, 2, 3, 3, 3, 4, 4, 4, 4])等高线图Contour plot
1导入库
import numpy as np2创建数据
x np.linspace(-3, 3, 100)
y np.linspace(-3, 3, 100)
X, Y np.meshgrid(x, y)
Z np.exp(-X**2 - Y**2)3绘制等高线图
plt.contour(X, Y, Z)3. 设置图表属性
标题和标签
plt.title(Example Plot)
plt.xlabel(X axis label)
plt.ylabel(Y axis label)图例
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], labelLine 1)
plt.legend()限制
plt.xlim(0, 5)
plt.ylim(0, 10)网格
plt.grid(True)4. 保存图表
plt.savefig(plot.png)5. 显示图表
plt.show()6. 子图Subplots
创建多个子图
fig, axs plt.subplots(2, 2) # 2行2列的子图
axs[0, 0].plot([1, 2, 3, 4], [1, 4, 9, 16])7. 风格和样式
Matplotlib 允许你自定义图表的风格和样式。 自定义线条的样式、颜色、标记 使用样式表
plt.style.use(ggplot) # 使用ggplot样式自定义线条样式
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], ro--) # 红色虚线带圆圈标记8. 注释和文本
在图表中添加文本和注释。
plt.text(1, 4, Text at (1, 4))
plt.annotate(Annotation, xy(2, 8), xytext(3, 10),arrowpropsdict(facecolorblack, shrink0.05))Matplotlib 的功能非常丰富这里仅介绍了最常用的部分。对于更高级的定制如添加自定义形状、使用不同的坐标系统等Matplotlib 也提供了相应的接口和方法。Matplotlib 的官方文档非常全面是学习和参考的好资源。
第二部分Seaborn
Seaborn是基于Matplotlib的更高级的绘图库专为统计绘图设计。
1.基本操作
导入库
import seaborn as sns1绘制分布图
sns.distplot([1, 2, 3, 4, 5])
plt.show()2绘制热力图
data [[1, 2], [3, 4]]
sns.heatmap(data)
plt.show()由于并不常用因此不做详细介绍感兴趣可以自行查找学习。
第三部分Pandas Plotting
Pandas库也提供了绘图功能可以直接在DataFrame上操作。
1.基本操作
导入库
import pandas as pd绘制DataFrame的线图
df pd.DataFrame({x: [1, 2, 3, 4], y: [1, 4, 9, 16]})
df.plot(xx, yy)
plt.show()第四部分Plotly
Plotly是一个交互式图表库可以创建交互式图表。
1.基本操作
导入库
import plotly.express as px绘制交互式散点图
fig px.scatter(df, xx, yy)
fig.show()由于并不常用因此简单介绍感兴趣可以自行查询相关知识。
总结 这些库提供了广泛的绘图功能从简单的折线图和条形图到复杂的热力图和**交互式图表。**每个库都有其特定的用途和优势你可以根据需要选择合适的库来创建图表。在数据分析和可视化中绘图是一个非常重要的工具可以帮助我们更好地理解和解释数据。
第四部分DataFrame
DataFrame 是 Pandas 库中的一个核心数据结构用于以表格的形式存储和操作数据。它类似于 Excel 表、SQL 表或 R 的数据框。DataFrame 是一个二维标记数据结构具有以下特点
1. DataFrame 的结构
1行
行RowsDataFrame 的每一行代表一个记录。
2列
列ColumnsDataFrame 的每一列代表一个字段。
3索引
索引Index每行都有一个唯一的索引标签用于标识和访问数据。
4数据类型
数据类型Data Types每列都有一种数据类型但不同的列可以有不同的数据类型。
2. 创建 DataFrame
可以通过多种方式创建 DataFrame以下是一些常见的方法
1从列表或数组创建
import pandas as pddata [[Tom, 10], [Nick, 15], [John, 12]]
df pd.DataFrame(data, columns[Name, Age])2从字典创建
data {Name: [Tom, Nick, John], Age: [10, 15, 12]}
df pd.DataFrame(data)3从电子表格文件如 Excel创建
df pd.read_excel(data.xlsx)4从 CSV 文件创建
df pd.read_csv(data.csv)3. DataFrame 的属性
index
df.index获取 DataFrame 的行索引。
columns
df.columns获取 DataFrame 的列名。
values
df.values获取 DataFrame 的值以二维数组的形式。
shape
df.shape获取 DataFrame 的形状行数列数。
4. DataFrame 的方法
DataFrame 提供了大量的方法来操作数据
head
df.head(n)查看 DataFrame 的前 n 行。
tail
df.tail(n)查看 DataFrame 的后 n 行。
describe
df.describe()提供 DataFrame 的统计摘要。
info
df.info()显示 DataFrame 的基本信息。
sort_values
df.sort_values(by‘column’)按指定列排序。
groupby
df.groupby(‘column’)按指定列进行分组。
merge()、join()
df.merge()、df.join()合并数据。
append()
df.append()向 DataFrame 添加行。
drop()
df.drop()删除指定的行或列
loc[]、iloc[]
df.loc[]、df.iloc[]基于标签或整数位置选择数据。
at[]、iat[]
df.at[]、df.iat[]快速访问单个标量。
plot()
df.plot()绘制图表。
5. DataFrame 的数据访问和操作
DataFrame 允许你通过多种方式访问和操作数据
通过**列名**访问列df[column_name]
通过**索引**访问行df.loc[index_label]
通过**整数位置**访问行和列df.iloc[row_position, column_position]6. DataFrame 的数据类型转换
可以使用 astype() 方法转换 DataFrame 的数据类型
df[column_name] df[column_name].astype(desired_data_type)7. 示例
以下是一个简单的 DataFrame 示例 Name Age
0 Tom 10
1 Nick 15
2 John 12在这个示例中Name 和 Age 是列名0、1 和 2 是行索引。
DataFrame 是一个非常灵活和强大的工具适用于各种数据处理和分析任务。它提供了丰富的接口和方法使得数据处理变得简单高效。 总结
以上就是今天要讲的内容本文仅仅简单介绍了Python中的数据可视化库及其相应的操作同时详细介绍了DataFrame数据格式。
