数据分析-Pandas的直接用Matplotlib绘图

最新推荐文章于 2024-10-14 11:50:18 发布

Alex_StarSky

最新推荐文章于 2024-10-14 11:50:18 发布

阅读量1k

点赞数 22

分类专栏：深度学习文章标签：数据分析 pandas matplotlib

本文链接：https://blog.csdn.net/Alex_StarSky/article/details/136772978

版权

深度学习专栏收录该内容

18 篇文章 0 订阅

订阅专栏

本文介绍了如何在Python数据分析中，利用Pandas库结合Matplotlib进行数据可视化，包括绘制时间序列数据、重塑数据表，并以Titanic数据和欧洲城市空气质量监测为例，展示了直接使用Matplotlib的灵活性。

摘要由CSDN通过智能技术生成

数据分析-Pandas的直接用Matplotlib绘图

数据分析和处理中，难免会遇到各种数据，那么数据呈现怎样的规律呢？不管金融数据，风控数据，营销数据等等，莫不如此。如何通过图示展示数据的规律？

数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。数据分析过程中重新调整，重塑数据表是很重要的技巧，此处选择Titanic数据，以及巴黎、伦敦欧洲城市空气质量监测 $NO_2$ 数据作为样例。

数据分析

数据分析-Pandas如何转换产生新列

数据分析-Pandas如何统计数据概况

数据分析-Pandas如何轻松处理时间序列数据

数据分析-Pandas如何选择数据子集

数据分析-Pandas如何重塑数据表-CSDN博客

本文用到的样例数据：

Titanic数据

空气质量监测 $NO_2$ 数据

样例代码：

源代码参考 Pandas如何重塑数据表

源代码参考 python数据分析-数据表读写到pandas

导入关键模块

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

plt.close("all")

在某些情况下，直接使用 matplotlib 可能更可取，或者更有必要。例如，当某种类型的绘图或 pandas （尚）不支持自定义，而对象又类似于数组，可以直接传递给matplotlib 函数。

Pandas 会自动识别日期的格式和索引等，从而将日期和时间支持扩展到在 matplotlib 中可用的，几乎所有绘图类型。

直接使用matplotlib函数

np.random.seed(123456)

price = pd.Series(
    np.random.randn(150).cumsum(),
    index=pd.date_range("2000-1-1", periods=150, freq="B"),
)

ma = price.rolling(20).mean()
mstd = price.rolling(20).std()
plt.figure();
plt.plot(price.index, price, "k");
plt.plot(ma.index, ma, "b");
plt.fill_between(mstd.index, ma - 2 * mstd, ma + 2 * mstd, color="b", alpha=0.2);