pandas可视化

简介: pandas可视化

Pandas中集成了Matplotlib中的基础组件,让绘图更方便。


1.线形图


import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame({'normal':np.random.normal(size = 50),'gamma':np.random.gamma(1,size = 50)})
df.plot()

25516e6b753551231baf31007206696a_a151d670e99c435ab5bfb19d3e657979.png


2.柱状图


df = pd.DataFrame(np.random.randint(1,100,size = (3,3)),index = 
{'one','two','three'},columns = ['I1','I2','I3'])
df.plot(kind = 'barh')

b15bc79f148014da578c0a28acdce36f_0174a4105a0a4bdb8b2a55f75b8aefb5.png


3.直方图


wy = pd.Series(np.random.normal(size = 50))
s.hist(bins = 15,grid = False,color='green')

72bbb6f332b91b2a2483fd0386b9955e_b71a248a55c7423b9edf99e1473f6409.png


4. 密度图


wy = pd.Series(np.random.normal(size = 100))
s.plot(kind = 'kde',color='red')

6cf5c68615571276c4e2bae29c41ace6_a333c82d5926477d840045c240438f43.png


5.散点图


wd = pd.DataFrame(np.arange(10),columns = ['A'])
wd['B'] = 2*wd['A']*wd['A']+4
wd.plot(kind = 'scatter',x = 'A',y = 'B',color='yellow')

992a38217910bac836d7e36575d38af7_e4ea4a5c413b432baf0c424661460445.png


目录
相关文章
|
数据可视化 数据挖掘 大数据
Pandas+Pyecharts | 北京某平台二手房数据分析可视化
Pandas+Pyecharts | 北京某平台二手房数据分析可视化
|
数据可视化 数据挖掘 数据处理
【100天精通Python】Day61:Python 数据分析_Pandas可视化功能:绘制饼图,箱线图,散点图,散点图矩阵,热力图,面积图等(示例+代码)
【100天精通Python】Day61:Python 数据分析_Pandas可视化功能:绘制饼图,箱线图,散点图,散点图矩阵,热力图,面积图等(示例+代码)
510 0
|
4月前
|
机器学习/深度学习 数据可视化 搜索推荐
Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。
【7月更文挑战第5天】Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。流程包括数据获取、预处理、探索、模型选择、评估与优化,以及结果可视化。示例展示了用户行为、话题趋势和用户画像分析。Python的丰富生态使得社交媒体洞察变得高效。通过学习和实践,可以提升社交媒体分析能力。
80 1
|
16天前
|
数据可视化 数据挖掘 Python
Pandas数据探索性可视化的最佳实践
【10月更文挑战第13天】数据可视化是数据分析中不可或缺的一环,它帮助我们更好地理解数据、发现趋势和模式,并有效地传达我们的发现。在Python领域,Pandas和Matplotlib是两个非常强大的库,它们提供了丰富的功能来进行数据分析和可视化。本文将介绍如何结合使用Pandas和Matplotlib进行数据探索性可视化的最佳实践。
50 9
|
1月前
|
数据采集 数据可视化 数据挖掘
Python 数据分析实战:使用 Pandas 进行数据清洗与可视化
【10月更文挑战第3天】Python 数据分析实战:使用 Pandas 进行数据清洗与可视化
74 0
|
3月前
|
数据可视化 Python
Pandas可视化指南:从零教你绘制数据图表
Pandas可视化指南:从零教你绘制数据图表
|
4月前
|
机器学习/深度学习 数据可视化 搜索推荐
Pandas 和 Matplotlib 可视化
【7月更文挑战第14天】Pandas 和 Matplotlib 是Python数据分析的核心库,用于数据探索性可视化。首先,通过`pip install pandas matplotlib`安装库。接着,使用`pd.read_csv()`加载CSV数据,`df.describe()`查看统计信息。利用Matplotlib的`hist()`, `scatter()`, 和 `boxplot()`绘制直方图、散点图和箱线图,展示数据分布和关系。通过`subplots()`创建多图展示,自定义样式如颜色、标记,并添加注释和标题。高级技巧包括热力图、时间序列图、分组可视化及Seaborn和Plotly
52 10
|
3月前
|
存储 数据可视化 数据挖掘
Python 3 中使用 pandas 和 Jupyter Notebook 进行数据分析和可视化
Python 3 中使用 pandas 和 Jupyter Notebook 进行数据分析和可视化
50 0
|
6月前
|
数据可视化 数据挖掘 索引
利用Python中的Pandas库进行数据分析与可视化
本文介绍了如何利用Python中的Pandas库进行数据分析与可视化。通过Pandas提供的强大功能,我们可以轻松地加载、清洗、处理和分析各种类型的数据。
|
6月前
|
数据采集 数据可视化 数据挖掘
如何利用Python中的Pandas库进行数据分析和可视化
Python的Pandas库是一种功能强大的工具,可以用于数据分析和处理。本文将介绍如何使用Pandas库进行数据分析和可视化,包括数据导入、清洗、转换以及基本的统计分析和图表绘制。通过学习本文,读者将能够掌握利用Python中的Pandas库进行高效数据处理和可视化的技能。
下一篇
无影云桌面