数据可视化

最新推荐文章于 2023-09-08 19:13:38 发布
最新推荐文章于 2023-09-08 19:13:38 发布
阅读量491 收藏 1
点赞数
分类专栏： 利用python进行数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/DMU_lzq1996/article/details/83746534
版权 
#绘图和可视化
import matplotlib.pyplot as plt

import numpy as np
data = np.arange(10)
data

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

plt.plot(data)

[<matplotlib.lines.Line2D at 0x187c0ce60f0>]

在这里插入图片描述

fig = plt.figure()
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)

<IPython.core.display.Javascript object>

plt.plot(np.random.randn(50).cumsum(),'k--')

[<matplotlib.lines.Line2D at 0x187c22704a8>]

ax1.hist(np.random.randn(100), bins=20, color='k', alpha=0.3)

(array([ 1.,  3.,  2.,  3.,  2.,  8.,  1.,  4., 11., 11.,  7., 13., 10.,
         3.,  6.,  2.,  7.,  3.,  1.,  2.]),
 array([-2.62147564, -2.3737514 , -2.12602716, -1.87830293, -1.63057869,
        -1.38285445, -1.13513022, -0.88740598, -0.63968174, -0.39195751,
        -0.14423327,  0.10349097,  0.3512152 ,  0.59893944,  0.84666368,
         1.09438791,  1.34211215,  1.58983639,  1.83756062,  2.08528486,
         2.3330091 ]),
 <a list of 20 Patch objects>)

 ax2.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30))

<matplotlib.collections.PathCollection at 0x187c22789b0>

fig,axes = plt.subplots(3,3)
axes

<IPython.core.display.Javascript object>

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x00000187C7249B00>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000187C770BB00>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000187C773A1D0>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x00000187C775F860>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000187C7786F28>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000187C77B65C0>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x00000187C77DEC50>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000187C780F320>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000187C78369B0>]],
      dtype=object)

#调整subplot周围的间距
#subplot_adjust(left=None,bottom=None,top=None,wspace=None,hspace=None)

fig,axex = plt.subplots(2,2,sharex=True,sharey=True)
for i in range(2):
    for j in range(2):
        axex[i,j].hist(np.random.randn(500),bins=50,color='k',alpha=0.5)
plt.subplots_adjust(wspace=0,hspace=0) #0间距

<IPython.core.display.Javascript object>

#颜色，标记和线型
plt.plot(np.random.randn(30).cumsum(),'k--')

<IPython.core.display.Javascript object>

[<matplotlib.lines.Line2D at 0x187c2549a20>]

plt.plot(np.random.randn(30).cumsum(), color='r', linestyle='dashed', marker='o')

<IPython.core.display.Javascript object>

[<matplotlib.lines.Line2D at 0x187ca07f390>]

data = np.random.randn(30).cumsum()

plt.plot(data,'k-',drawstyle='steps-post',label='steps-post')

<IPython.core.display.Javascript object>

[<matplotlib.lines.Line2D at 0x187caf1bc50>]

plt.plot(data,'k--',label='Default')

[<matplotlib.lines.Line2D at 0x187cb1e17f0>]

plt.legend(loc='best')    #标签

<matplotlib.legend.Legend at 0x187cb1edda0>

#刻度，标签和图例
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set_xticks([0,250,500,750,1000])#设置刻度
ax.set_title("My first matplotlib plot")
ax.set_xlabel('Stages')
ax.plot(np.random.randn(1000).cumsum())

[<matplotlib.lines.Line2D at 0x2af31855470>]

在这里插入图片描述

#利用label添加图例
from numpy.random import randn
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(randn(1000).cumsum(),'k',label='one')
ax.plot(randn(1000).cumsum(),'k--',label='two')
ax.plot(randn(1000).cumsum(),'k.',label='three')
ax.legend(loc='best')

<matplotlib.legend.Legend at 0x2af319c55c0>

png

#注解以及在Subplot上绘图
#ax.annotate方法可以在指定的x和y坐标轴绘制标签
from datetime import datetime
import pandas as pd
fig = plt.figure()
ax = fig.add_subplot(111)
data = pd.read_csv('examples/spx.csv',index_col=0,parse_dates=True)
spx = data['SPX']
spx.plot(ax=ax,style='k-')
crisis_data = [
    (datetime(2007,10,11),'Peak of bull market'),
    (datetime(2008,3,12),'Bear Stearns Fails'),
    (datetime(2008,9,15),'Lehman Bankruptcy')
]
for date,label in crisis_data:#添加注解
    ax.annotate(label, xy=(date, spx.asof(date) + 75),
                xytext=(date, spx.asof(date) + 225),
                arrowprops=dict(facecolor='black', headwidth=4, width=2,
                                headlength=4),
                horizontalalignment='left', verticalalignment='top')
#设置起始和结束边界    
ax.set_xlim(['1/1/2007', '1/1/2011'])
ax.set_ylim([600, 1800])

ax.set_title('Important dates in the 2008-2009 financial crisis')

Text(0.5,1,'Important dates in the 2008-2009 financial crisis')

在这里插入图片描述

#绘制图形
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color='k', alpha=0.3)
circ = plt.Circle((0.7, 0.2), 0.15, color='b', alpha=0.3)
pgon = plt.Polygon([[0.15, 0.15], [0.35, 0.4], [0.2, 0.6]],
                   color='g', alpha=0.5)

ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)


<matplotlib.patches.Polygon at 0x2af32aff0b8>

png

#保存图片到本地
#plt.savefig('figpath.png', dpi=400, bbox_inches='tight')

#rc配置图片属性

#一，matplotlib简介
plt.plot([1,2,3],[5,7,4])
plt.show()

在这里插入图片描述

#二，图例，标题和标签
x = [1,2,3]
y = [5,7,4]

x2 = [1,2,3]
y2 = [10,14,12]

plt.plot(x,y,label='First Line')#为线指明名称
plt.plot(x2,y2,label='Second Line')
plt.xlabel('Plot Number')#为坐标轴命名
plt.ylabel('Important var')
plt.title('Interting Graph\nCheck it out')#为图命名
plt.legend()#显示
plt.show()

在这里插入图片描述

#三，条形图和直方图
#条形图bar
#直方图hist
plt.bar([1,3,5,7,9],[5,2,7,8,2],label='Example one')
plt.bar([2,4,6,8,10],[8,6,2,5,6],label='Example two',color='g')
plt.legend()
plt.xlabel('bar number')
plt.ylabel('bar height')
plt.title('Epic Graph\nAnother Line!')
plt.show()

在这里插入图片描述

population_ages = [22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48]
bins = [0,10,20,30,40,50,60,70,80,90,100,110,120,130]

plt.hist(population_ages,bins,histtype = 'bar',rwidth=0.8)

plt.xlabel('x')
plt.ylabel('y')
plt.title("Interesting Graph\nCheck it out")
plt.legend()
plt.show()

在这里插入图片描述

#四，散点图
#散点图scatter
x = [1,2,3,4,5,6,7,8]
y = [5,2,4,2,1,4,5,2]
plt.scatter(x,y,label='skitscat',color='k',s=25,marker='o')

plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph\nCheck it out')
plt.legend()
plt.show()

在这里插入图片描述

#五，堆叠图
#堆叠图stackplot
#堆叠图用于显示『部分对整体』随时间的关系
days = [1,2,3,4,5]

sleeping = [7,8,6,11,7]
eating =   [2,3,4,3,2]
working =  [7,8,7,2,2]
playing =  [8,5,7,8,13]

plt.stackplot(days,sleeping,eating,working,playing,colors=['m','c','r','k'])
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph\nCheck it out')
plt.show()

在这里插入图片描述

#为不同数据添加标签
days = [1,2,3,4,5]

sleeping = [7,8,6,11,7]
eating =   [2,3,4,3,2]
working =  [7,8,7,2,2]
playing =  [8,5,7,8,13]

plt.plot([],[],color='m',label='Sleeping',linewidth=5)
plt.plot([],[],color='c', label='Eating', linewidth=5)
plt.plot([],[],color='r', label='Working', linewidth=5)
plt.plot([],[],color='k', label='Playing', linewidth=5)

plt.stackplot(days,sleeping,eating,working,playing,colors=['m','c','r','k'])
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph\nCheck it out')
plt.legend()
plt.show()

在这里插入图片描述

#六，饼图
#饼图pie
slices = [7,2,2,13]
activities = ['sleeping','eating','working','playing']
cols=['c','m','r','b']
plt.pie(slices,labels=activities,colors=cols,startangle=90,shadow=True,explode=(0,0.1,0,0),autopct='%1.1f%%')
#startangle:起始角度；shawdow:阴影；explode:拉出一个切片；autopct:显示百分比
plt.title('Interesting Graph\nCheck it out')
plt.show()

在这里插入图片描述

#七，从文件中加载数据

#从网络加载数据

#时间戳的转换

#3D绘图
from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import style
style.use('ggplot')

fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')

x3 = [1,2,3,4,5,6,7,8,9,10]
y3 = [5,6,7,8,2,5,6,3,7,2]
z3 = np.zeros(10)

dx = np.ones(10)
dy = np.ones(10)
dz = [1,2,3,4,5,6,7,8,9,10]

ax1.bar3d(x3, y3, z3, dx, dy, dz)


ax1.set_xlabel('x axis')
ax1.set_ylabel('y axis')
ax1.set_zlabel('z axis')

plt.show()

在这里插入图片描述

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
from matplotlib import style

style.use('ggplot')

fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')

x = [1,2,3,4,5,6,7,8,9,10]
y = [5,6,7,8,2,5,6,3,7,2]
z = [1,2,6,3,2,7,3,3,7,2]

x2 = [-1,-2,-3,-4,-5,-6,-7,-8,-9,-10]
y2 = [-5,-6,-7,-8,-2,-5,-6,-3,-7,-2]
z2 = [1,2,6,3,2,7,3,3,7,2]

ax1.scatter(x, y, z, c='g', marker='o')
ax1.scatter(x2, y2, z2, c ='r', marker='o')

ax1.set_xlabel('x axis')
ax1.set_ylabel('y axis')
ax1.set_zlabel('z axis')

plt.show()

在这里插入图片描述

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import style
style.use('ggplot')

fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')

x, y, z = axes3d.get_test_data()

print(axes3d.__file__)
ax1.plot_wireframe(x,y,z, rstride = 3, cstride = 3)

ax1.set_xlabel('x axis')
ax1.set_ylabel('y axis')
ax1.set_zlabel('z axis')

plt.show()


C:\Anaconda\lib\site-packages\mpl_toolkits\mplot3d\axes3d.py

在这里插入图片描述

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plot
import numpy as np
from matplotlib import style

x = np.linspace(-10, 10, 101)
y = x
x, y = np.meshgrid(x, y)
z = x ** 2 + y ** 2
ax = plot.subplot(111, projection='3d')
ax.plot_wireframe(x, y, z)
plot.show()

在这里插入图片描述

t = np.linspace(0, np.pi * 2, 100)
s = np.linspace(0, np.pi, 100)
t, s = np.meshgrid(t, s)
x = np.cos(t) * np.sin(s)
y = np.sin(t) * np.sin(s)
z = np.cos(s)
ax = plot.subplot(111, projection='3d')
ax.plot_wireframe(x, y, z)
plot.show()

在这里插入图片描述

#使用pandas和seaborn绘图

#线型图
import pandas as pd
s = pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s.plot() #索引为x轴

<matplotlib.axes._subplots.AxesSubplot at 0x1911c648eb8>

在这里插入图片描述

df = pd.DataFrame(np.random.rand(10,4).cumsum(0),
                 columns=['A','B','C','D'],
                 index = np.arange(0,100,10))
df
ABCD
00.5971040.5893930.7357770.767290
100.7966630.8697991.5120951.604585
201.0408851.3464731.7741272.543832
301.3625101.3622422.6730322.946192
401.5815082.1740473.0904303.386457
502.2563052.6299833.3728894.060371
602.3854613.1302214.2223644.311171
702.8964833.5951634.2601494.468304
803.0995164.3358025.2079535.096282
903.6809954.7798415.8653325.155942
df.plot()

<matplotlib.axes._subplots.AxesSubplot at 0x1911dcc1400>

在这里插入图片描述

#柱形图
fig,axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(16),index=list('abcdefghijklmnop'))
data.plot.bar(ax=axes[0],color='k',alpha=0.7) #x轴为基准
data.plot.barh(ax=axes[1],color='k',alpha=0.7) #y轴为基准

<matplotlib.axes._subplots.AxesSubplot at 0x1911d7e25c0>

在这里插入图片描述

#堆积柱状图
data = pd.DataFrame(np.random.rand(6,4),
                   index=['one','two','three','four','five','six'],
                   columns=pd.Index(list('ABCD'),name='Genus'))
data
GenusABCD
one0.5948530.1895210.1303110.998033
two0.2474270.2213260.6630430.141174
three0.3984590.2427880.1120280.985286
four0.3650950.1673540.5455880.185118
five0.0248610.3890380.2772690.950699
six0.7081340.8981260.2595650.452563
data.plot.bar()

<matplotlib.axes._subplots.AxesSubplot at 0x1911dcc1b00>

在这里插入图片描述

#堆积柱状图
df.plot.barh(stacked=True, alpha=0.5)

<matplotlib.axes._subplots.AxesSubplot at 0x1911def7898>

在这里插入图片描述

tips = pd.read_csv('examples/tips.csv')
party_counts = pd.crosstab(tips['day'],tips['size'])
party_counts
size123456
day
Fri1161100
Sat253181310
Sun039151831
Thur1484513
party_counts = party_counts.loc[:,2:5]
party_pcts = party_counts.div(party_counts.sum(1),axis =0)
party_pcts
size2345
day
Fri0.8888890.0555560.0555560.000000
Sat0.6235290.2117650.1529410.011765
Sun0.5200000.2000000.2400000.040000
Thur0.8275860.0689660.0862070.017241
party_pcts.plot.bar()

<matplotlib.axes._subplots.AxesSubplot at 0x1911e03da58>

在这里插入图片描述

#使用seaborn
import seaborn as sns
tips['tip_pct'] = tips['tip'] / (tips['total_bill'] - tips['tip']) #小费比例
tips.head()
total_billtipsmokerdaytimesizetip_pct
016.991.01NoSunDinner20.063204
110.341.66NoSunDinner30.191244
221.013.50NoSunDinner30.199886
323.683.31NoSunDinner20.162494
424.593.61NoSunDinner40.172069
sns.barplot(x='tip_pct',y='day',data=tips,orient='h')

C:\Anaconda\lib\site-packages\scipy\stats\stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result.
  return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval





<matplotlib.axes._subplots.AxesSubplot at 0x1911ee03be0>

在这里插入图片描述

sns.barplot(x='tip_pct', y='day', hue='time', data=tips, orient='h')

C:\Anaconda\lib\site-packages\scipy\stats\stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result.
  return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval





<matplotlib.axes._subplots.AxesSubplot at 0x1911ee621d0>

在这里插入图片描述

#直方图和密度图
tips['tip_pct'].plot.hist(bins=50)

<matplotlib.axes._subplots.AxesSubplot at 0x1911eed9400>

在这里插入图片描述

#密度图
tips['tip_pct'].plot.density()

<matplotlib.axes._subplots.AxesSubplot at 0x1912003f748>

在这里插入图片描述

#直方图和密度估计图
comp1 = np.random.normal(0,1,size=200)

comp2 = np.random.normal(10,2,size=200)

values = pd.Series(np.concatenate([comp1,comp2]))
sns.distplot(values,bins=100,color='k')

C:\Anaconda\lib\site-packages\scipy\stats\stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result.
  return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval





<matplotlib.axes._subplots.AxesSubplot at 0x191202d5710>

在这里插入图片描述

#散点图或点图
macro = pd.read_csv('examples/macrodata.csv')
data = macro[['cpi', 'm1', 'tbilrate', 'unemp']]
trans_data = np.log(data).diff().dropna()#计算对数差
trans_data[-5:]
cpim1tbilrateunemp
198-0.0079040.045361-0.3968810.105361
199-0.0219790.066753-2.2772670.139762
2000.0023400.0102860.6061360.160343
2010.0084190.037461-0.2006710.127339
2020.0088940.012202-0.4054650.042560
sns.regplot('m1','unemp',data=trans_data)
plt.title('changes in log %s versus log %s'%('m1','unemp'))


C:\Anaconda\lib\site-packages\scipy\stats\stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result.
  return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval





Text(0.5,1,'changes in log m1 versus log unemp')

在这里插入图片描述

#散点图矩阵
sns.pairplot(trans_data, diag_kind='kde', plot_kws={'alpha': 0.2})


C:\Anaconda\lib\site-packages\scipy\stats\stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result.
  return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval





<seaborn.axisgrid.PairGrid at 0x191203fc2b0>

在这里插入图片描述

#分面网格图 添加额外分组维度
sns.factorplot(x='day', y='tip_pct', hue='time', col='smoker',
                 kind='bar', data=tips[tips.tip_pct < 1])


C:\Anaconda\lib\site-packages\seaborn\categorical.py:3666: UserWarning: The `factorplot` function has been renamed to `catplot`. The original name will be removed in a future release. Please update your code. Note that the default `kind` in `factorplot` (`'point'`) has changed `'strip'` in `catplot`.
  warnings.warn(msg)
C:\Anaconda\lib\site-packages\scipy\stats\stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result.
  return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval





<seaborn.axisgrid.FacetGrid at 0x191209ed6d8>

在这里插入图片描述

#箱型图
sns.factorplot(x='tip_pct', y='day', kind='box',
                 data=tips[tips.tip_pct < 0.5])

C:\Anaconda\lib\site-packages\seaborn\categorical.py:3666: UserWarning: The `factorplot` function has been renamed to `catplot`. The original name will be removed in a future release. Please update your code. Note that the default `kind` in `factorplot` (`'point'`) has changed `'strip'` in `catplot`.
  warnings.warn(msg)





<seaborn.axisgrid.FacetGrid at 0x19120bf3710>

在这里插入图片描述
DMU_lzq1996
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
python随记
Icebear1024的博客
11-15 1605
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码
【python】conv_utils.py:FutureWarning: Using a non-tuple sequence for multidimensional indexing
weixin_42338058的博客
05-28 952
conv_utils.py:82: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array...
Python对象序列化
09-08 299
迷途小书童的 Note读完需要7分钟速读仅需 3 分钟大家好，我是迷途小书童！在 Python 开发中，我们经常需要将对象数据保存到磁盘，或者通过网络传输对象信息。这时就需要序列化，Pickle 库为我们提供了极为方便的对象序列化功能。本文将全面解析 Pickle 的工作机制、典型应用及示例代码，希望可以帮助初学者快速掌握这个实用的内置模块。1 简介pickle 模块实现了对一个 Python...
白噪声LB检验报错FutureWarning解决方案
qq_43539219的博客
09-28 2114
import statsmodels.api as sm jy=sm.stats.diagnostic.acorr_ljungbox(varepsilon_values_1, lags = [6, 12],boxpierce=True) print(jy) 在对一个时间序列进行白噪声LB检验时，出现报错： D:\Anaconda3\lib\site-packages\statsmodels\stats\diagnostic.py:559: FutureWarning: The value retur.
Tableau数据可视化实战.pdf
08-09
Tableau数据可视化实战 在本书中，我们将深入探讨 Tableau 数据可视化的实战应用。Tableau 作为一款非常强大的数据可视化工具，已经被全球数万家企业所采用。通过本书的学习，读者将能够快速掌握 Tableau 的使用，...
计算机设计大赛-数据可视化赛道-大数据可视化数据大屏可视化项目.zip
11-12
计算机设计大赛-数据可视化赛道-大数据可视化数据大屏可视化模板.zip是一个包含大数据可视化数据大屏可视化模板的压缩文件。该模板旨在为参赛者在计算机设计大赛的数据可视化赛道中提供帮助，以展示具有吸引力和交互...
数据可视化集.zip
最新发布
01-04
数据可视化是一种将复杂的数据以图形或图像形式呈现的技术，它能帮助我们理解、解释和传达数据中的信息。在“数据可视化集.zip”这个压缩包中，我们很可能会找到一系列关于数据采集、数据集以及相关数据可视化工具和...
60套数据可视化大屏（含源码）.zip
07-12
数据可视化是一种将复杂的数据集转化为易于理解的图形或图像的过程，它在IT行业中扮演着至关重要的角色，尤其在大数据分析、商业智能和决策支持等领域。本压缩包“60套数据可视化大屏（含源码）.zip”提供了一次深入...
数据可视化大屏源码(12套).zip
04-01
在这个“数据可视化大屏源码(12套).zip”压缩包中，包含了12套不同的数据可视化大屏的源代码，这为开发者提供了一次探索和学习数据可视化的宝贵机会。 数据可视化大屏通常用于企业决策分析、监控关键业务指标或展示...
PVGeo-Examples 2.0 - PVGeo+Discretize
GIS探索之路
06-26 1457
PVGeo-Discretize This notebook demonstrates how to pair PVGeo and discretize for simple processing routines. This notebook is outlined into four sections: Introduction to PVGeo Overview of new VTK interface in discretize Pairing PVGeo and discretize Examp
成功解决FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `ar
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
03-04 1万+
成功解决FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `ar 目录 解决问题 解决思路 解决方法 解决问题 stats.py:1633: FutureWarning: Using a non-tuple seq...
python之数据可视化
YeChao3的博客
11-13 1284
各种图形简介 线性图:plt.plot(x,y,*argv) 条形图：plt.bar(x,y)x和y的长度应相等 水平条形图：plt.barh(x,y)x轴成垂直,y轴水平而已 条形图高度表示某项目内的数据个数，由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列 直方图：plt.hist(x)，数据集种各数据出现的频数/频率图 2d直方图：plt.hist2d(...
NumPy的入门知识和基本操作
kepengs的博客
11-15 1125
基础 NumPy提供的最主要的对象就是同数据类型的多维数组(homogeneous multidimensional array)。 他实际上可以被理解成一张表(元素通常是数字)，所有元素具有相同的类型，这些元素可以使用由正整数构建的元组(tuple)来索引。 在NumPy中，各个维度被称为轴(axes)。轴的总数被称为秩(rank)(后面对于轴、秩这种术语，我们会使用它们的英文名字，毕竟我们在...
python中FutureWarning问题解决方法
热门推荐
robert_hou的博客
05-08 3万+
np.array([0,1,2]) == None出现： FutureWarning: comparison to `None` will result in an elementwise object comparison in the future 解决方法：将 == 改为 is  Also, have you tried is None instead of == None?
warnings.warn(f“Pass {args_msg} as keyword args. From version
studyvcmfc的专栏
07-22 1136
warnings.warn(f"Pass {args_msg} as keyword args. From version FutureWarning: Pass threshold=18 as keyword args. From version 0.25 passing these as positional arguments will result in an error FutureWarning) 看了看代码，问题应该是这里： # 创建二值化器 binarizer = Binari.
Tableau数据可视化实战入门指南
《Tableau数据可视化实战》是一本深入浅出的数据分析技术书籍，由美国作者Ashutosh Nandeshwar撰写，任万凤和刁钰翻译。该书作为"数据分析技术丛书"的一部分，专为Tableau用户设计，旨在帮助读者掌握Tableau这款强大...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值