python数据分析-09pandas绘图

#38#Pandas绘图之Seriesimport pandas as pdimport numpy as npfrom pandas import Series,DataFrameimport matplotlib.pyplot as plt

"""#cumsum()函数求和s = Series([1,2,3,4,5])print(s)# 0    1# 1    2# 2    3# 3    4# 4    5# dtype: int64print(s.cumsum())#递加求和# 0     1# 1     3# 2     6# 3    10# 4    15# dtype: int64

s1 = Series(np.random.randn(1000)).cumsum()s2 = Series(np.random.randn(1000)).cumsum()# s1.plot(kind="line",grid=True,label="S1",title="This is Series",style="--")# s2.plot(label="S2")# plt.legend()#将label图例显示出来# plt.show()

#画子图:方法1# fig,ax = plt.subplots(2,1)#两行一列的子图,ax是画笔# ax[0].plot(s1)# ax[1].plot(s2)# plt.show()

#画子图:方法2# fig,ax = plt.subplots(2,1)#两行一列的子图,ax是画笔# s1.plot(ax=ax[0],label="S1")# s2.plot(ax=ax[1],label="S2")# plt.show()

#设置不同图像款式fig,ax = plt.subplots(2,1)#两行一列的子图,ax是画笔s1[:10].plot(ax=ax[0],label="S1",kind="bar")s2.plot(ax=ax[1],label="S2")plt.show()"""

"""#Pandas绘图之DataFramedf = DataFrame(    np.random.randint(1,10,40).reshape(10,4),    columns=["A","B","C","D"])#print(df)#    A  B  C  D# 0  9  5  4  9# 1  1  9  7  3# 2  1  1  2  6# 3  1  8  4  9# 4  1  8  8  4# 5  8  9  9  2# 6  1  7  1  6# 7  5  6  8  7# 8  8  6  4  6# 9  8  1  4  6#df.plot()#默认按照列画图#df.plot(kind="bar")#df.plot(kind="barh")#df.plot(kind="bar",stacked=True)#叠加条形图# df.plot(kind="area")#填充线形图# plt.show()## print(df.iloc[5])# # A    3# # B    8# # C    9# # D    2# # Name: 5, dtype: int32# df.iloc[5].plot()# plt.show()

#按照行去画图:# for i in df.index:#     df.iloc[i].plot(label=str(i))# plt.legend()# plt.show()

#按列画图:# df["A"].plot()# plt.show()

#按照行画图简单用法# df.T.plot()# plt.show()"""

#------------#matplotlib的直方图和密度图#直方图:s = Series(np.random.randn(1000))# plt.hist(s)# plt.show()

# re = plt.hist(s,rwidth=0.9)# print(type(re))#<class ‘tuple‘># print(len(re))#3# print(re[0])#[  8.  44. 107. 178. 245. 198. 135.  61.  19.   5.]#代表频率,出现的次数# print(re[1])#[-3.41543154 -2.7680023  -2.12057305 -1.47314381 -0.82571456 -0.17828532 0.46914393  1.11657317  1.76400242  2.41143166  3.05886091]# #表示取值的间隔# print(re[2])#<a list of 10 Patch objects>#表示有10个矩形

#设置相关参数# plt.hist(s,rwidth=0.9,bins=20,color="r")# plt.show()

#密度图画法:# s.plot()# plt.show()#kde画密度图:s.plot(kind=‘kde‘)plt.show()

原文地址:https://www.cnblogs.com/nikecode/p/11130971.html

时间: 2024-10-12 07:03:55

python数据分析-09pandas绘图的相关文章

Python 数据分析(二 本实验将学习利用 Python 数据聚合与分组运算,时间序列,金融与经济数据应用等相关知识

Python 数据分析(二) 本实验将学习利用 Python 数据聚合与分组运算,时间序列,金融与经济数据应用等相关知识 第1节 groupby 技术 第2节 数据聚合 第3节 分组级运算和转换 第4节 透视表和交叉表 第5节 时间序列 第6节 日期的规范.频率以及移动 第7节 时区处理 第8节 时期及算术运算 第9节 重采样及频率转换 第10节 时间序列绘图 groupby 技术 一.实验简介 Python 数据分析(二)需要同学们先行学完 Python 数据分析(一)的课程. 对数据集进行分

Python数据分析 从入门到精通 视频教程 教学视频

课程简介: ----------------------课程目录------------------------------ Python数据分析篇第一部分. Python基础第一课:Python的概览--Python的基本介绍.安装与基本语法.变量类型与运算符第二课:了解Python流程控制--条件.循环语句与其他语句第三课:常用函数--函数的定义与使用方法.主要内置函数的介绍第四课:NumPy基础--数组的创建.组合与分割 第二部分 数据分析的准备第五课:了解数据--数据加载.储存与文件格式

Python数据分析--Pandas知识点(三)

本文主要是总结学习pandas过程中用到的函数和方法, 在此记录, 防止遗忘. Python数据分析--Pandas知识点(一) Python数据分析--Pandas知识点(二) 下面将是在知识点一, 二的基础上继续总结. 前面所介绍的都是以表格的形式中展现数据, 下面将介绍Pandas与Matplotlib配合绘制出折线图, 散点图, 饼图, 柱形图, 直方图等五大基本图形. Matplotlib是python中的一个2D图形库, 它能以各种硬拷贝的格式和跨平台的交互式环境生成高质量的图形,

Numpy学习:《Python数据分析基础教程NumPy学习指南第2版》中文PDF+英文PDF+代码

NumPy是一个优秀的科学计算库,提供了很多实用的数学函数.强大的多维数组对象和优异的计算性能,不仅可以取代Matlab和Mathematica的许多功能,而且业已成为Python科学计算生态系统的重要组成部分.但与这些商业产品不同,它是免费的开源软件. 推荐学习<Python数据分析基础教程NumPy学习指南第2版>,通过书中丰富的示例,学会Matplotlib绘图,并结合使用其他Python科学计算库(如SciPy和Scikits),让工作更有成效,让代码更加简洁而高效. 学习参考: &l

python数据分析&amp;挖掘,机器学习环境配置

目录 一.什么是数据分析 1.这里引用网上的定义: 2.数据分析发展与组成 3.特点 二.python数据分析环境及各类常用分析包配置 1.处理的数据类型 2.为什么选择python 三.python数据分析环境安装 1.Ipython 2.Jupyter 3.Anaconda安装器 4.Jupyter与集成开发环境与文本编辑器 三.常用数据分析包 1.NumPy 2.pandas 一.什么是数据分析 1.这里引用网上的定义: ???????数据分析是指用适当的统计分析方法对收集来的大量数据进行

python海归绘图

最近学了python,看了几本书之后,才明白python的强大,python是一种解释型的语言,即每写一行程序就执行一行. 而且在科学计算方面,处理的能力特别的方便. 比如python中的字典dict可以存储 键-值对,在一个文件是每一行是键-值对时,就可以存储到dict中. 对于文件打开后,直接可以存到line字符串中,调用line.split()可以分割成序列[]. 下面介绍python的一个简单的例子:海龟绘图. python海归绘图,布布扣,bubuko.com

python数据分析笔记——数据加载与整理]

[ python数据分析笔记--数据加载与整理] https://mp.weixin.qq.com/s?__biz=MjM5MDM3Nzg0NA==&mid=2651588899&idx=4&sn=bf74cbf3cd26f434b73a581b6b96d9ac&chksm=bdbd1b388aca922ee87842d4444e8b6364de4f5e173cb805195a54f9ee073c6f5cb17724c363&mpshare=1&scene=

[Python数据分析]新股破板买入,赚钱几率如何?

这是本人一直比较好奇的问题,网上没搜到,最近在看python数据分析,正好自己动手做一下试试.作者对于python是零基础,需要从头学起. 在写本文时,作者也没有完成这个小分析目标,边学边做吧. ================================================================ Python基础: 中国大学Mooc,南京大学,张莉老师 -<用Python玩转数据> 了解基本的语法和常用函数就行了,其他的用的时候再搜. 财经数据源: TuShare

OpenCV for Python 学习 (一 绘图函数)

本人的学习笔记主要记录的是学习opencv-python-tutorials这本书中的笔记 今天晚上简单学习OpenCV for Python如何绘图,主要用了这几个函数(这几个函数可在:http://docs.opencv.org/modules/core/doc/drawing_functions.html 找到): cv2.line(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) cv2.circle(img, center,