Python数据分析—Pandas可视化

简介: Python数据分析—Pandas可视化

Series.plot主要参数及使用说明

参数 说明
label 用于图表的标签
style 风格字符串,如‘g - -
alpha 图像的填充不透明度(0,1)
kind 图像类型(bar,line,hist,kde等)
xticks 设定X轴刻度值
yticks 设定Y轴刻度值
xlim,ylim 设定轴界限
grid 显示轴网格线
rot 旋转刻度标签
use_index 将对象的索引用作刻度标签
logy 在Y轴上使用对数标尺


DataFrame.plot的主要参数及其说明

参数 说明
subplot 讲各个DataFrame列绘制到单独的subplot中
sharex,sharey 共享X,Y轴
title 图像标题
legend 添加图例,默认显示
sort_colunms 以字母顺序绘制各列,默认使用当前的顺序


导入模块

import numpy as np
import pandas as pd
import matplotlib.pyplot as plot


1:线性

线性表一般用于描述两组数据之间的趋势

单条曲线:

s = pd.Series(np.random.normal(size = 50))
s.plot()

9d4db17aa9264c679154ca34e6d9315b.png


多条曲线:

df = pd.DataFrame({'one':np.random.normal(size = 20),
                   'two':np.random.normal(size = 20),
                  'three':np.random.normal(size = 20)})
df.plot()

02b18e1ee9474fafb257cd9b1359f32a.png

目录
相关文章
|
2月前
|
数据采集 数据可视化 搜索推荐
Python数据分析全流程指南:从数据采集到可视化呈现的实战解析
在数字化转型中,数据分析成为企业决策核心,而Python凭借其强大生态和简洁语法成为首选工具。本文通过实战案例详解数据分析全流程,涵盖数据采集、清洗、探索、建模、可视化及自动化部署,帮助读者掌握从数据到业务价值的完整技能链。
288 0
|
2月前
|
存储 数据可视化 BI
Python可视化应用——学生成绩分布柱状图展示
本程序使用Python读取Excel中的学生成绩数据,统计各分数段人数,并通过Matplotlib库绘制柱状图展示成绩分布。同时计算最高分、最低分及平均分,实现成绩可视化分析。
139 0
|
20天前
|
数据采集 数据可视化 API
驱动业务决策:基于Python的App用户行为分析与可视化方案
驱动业务决策:基于Python的App用户行为分析与可视化方案
|
2月前
|
存储 数据采集 数据可视化
Python自动化分析知网文献:爬取、存储与可视化
Python自动化分析知网文献:爬取、存储与可视化
|
3月前
|
数据采集 Web App开发 自然语言处理
利用Python构建今日头条搜索结果的可视化图表
利用Python构建今日头条搜索结果的可视化图表
|
5月前
|
数据采集 数据可视化 数据挖掘
基于Python的App流量大数据分析与可视化方案
基于Python的App流量大数据分析与可视化方案
|
6月前
|
数据可视化 前端开发 数据挖掘
使用Folium在Python中进行地图可视化:全面指南
Folium是基于Python的交互式地图可视化库,依托Leaflet.js实现地理空间数据展示。本文从安装、基础使用到高级功能全面解析Folium:包括创建地图、添加标记、保存文件,以及绘制热力图、多边形和Choropleth地图等高级操作。通过展示北京市景点与全球地震数据的实际案例,结合性能优化、自定义样式和交互性增强技巧,帮助用户掌握Folium的核心功能与应用潜力,为数据分析提供直观支持。
400 2
|
6月前
|
人工智能 数据可视化 前端开发
Probly:开源 AI Excel表格工具,交互式生成数据分析结果与可视化图表
Probly 是一款结合电子表格功能与 Python 数据分析能力的 AI 工具,支持在浏览器中运行 Python 代码,提供交互式电子表格、数据可视化和智能分析建议,适合需要强大数据分析功能又希望操作简便的用户。
751 2
|
7月前
|
Python
python pandas学习(一)
该代码段展示了四个主要操作:1) 删除指定列名,如商品id;2) 使用正则表达式模糊匹配并删除列,例如匹配订单商品名称1的列;3) 将毫秒级时间戳转换为带有时区调整的日期时间格式,并增加8小时以适应本地时区;4) 将列表转换为DataFrame后保存为Excel文件,文件路径和名称根据变量拼接而成。
87 3
|
8月前
|
存储 数据挖掘 数据处理
Python Pandas入门:行与列快速上手与优化技巧
Pandas是Python中强大的数据分析库,广泛应用于数据科学和数据分析领域。本文为初学者介绍Pandas的基本操作,包括安装、创建DataFrame、行与列的操作及优化技巧。通过实例讲解如何选择、添加、删除行与列,并提供链式操作、向量化处理、索引优化等高效使用Pandas的建议,帮助用户在实际工作中更便捷地处理数据。
173 2

推荐镜像

更多