Matplotlib和Pandas基础

Matplotlib简介

Matplotlib是一个用于创建静态、交互式和动画可视化的Python库。它是Python数据科学工具链的核心部分，广泛用于显示数据图表。Matplotlib的设计灵感来自MATLAB，因此图表可以通过代码快速生成，使其成为进行数据分析和发布质量图形的强大工具。

Pandas简介

Pandas是一个开源的Python库，提供高性能、易用的数据结构和数据分析工具。它的主要数据结构是DataFrame，可以看作是一个带有标签的二维数组，非常适合处理表格数据。Pandas广泛应用于数据清洗、转换、分析等任务。

安装Matplotlib和Pandas

可以使用pip命令轻松安装这两个库

pip install matplotlib pandas

验证安装：安装完成后，可以在Python解释器中输入以下命令来验证安装是否成功

import matplotlib
import pandas
print(matplotlib.__version__)
print(pandas.__version__)

如果没有错误信息，并且能够看到版本号，那么安装就成功了。

Matplotlib基础

图形和子图的创建：

图形是绘图的整个窗口或页面，子图是图形中的一部分，可以包含多个子图。

import matplotlib.pyplot as plt
fig, ax = plt.subplots()  # 创建一个包含单个子图的图形

常用绘图类型：

折线图：展示趋势变化。

散点图：展示变量之间的关系。

ax.plot([1, 2, 3], [4, 5, 6])  # 折线图
ax.scatter([1, 2, 3], [4, 5, 6])  # 散点图

图表的自定义：

颜色：改变线条和点的颜色。

标签：为轴和图例添加标签。

图例：解释图中的元素。

ax.plot([1, 2, 3], [4, 5, 6], color='green')  # 设置颜色为绿色
ax.set_xlabel('X轴')  # 设置X轴标签
ax.set_ylabel('Y轴')  # 设置Y轴标签
ax.legend(['折线图'])  # 创建图例

 完成绘图后，用plt.show()来展示图形。

Pandas基础

DataFrame和Series的介绍

DataFrame：是一个二维标签数据结构，类似于Excel表格。

Series：是一个一维标签数组，可以看作是DataFrame的单列。

import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
s = pd.Series([1, 2, 3], name='A')

数据的导入和导出

导入数据：可以从多种文件格式导入数据，如CSV、Excel等。

导出数据：可以将数据导出到不同的文件格式。

df = pd.read_csv('data.csv')  # 导入CSV文件
df.to_excel('data.xlsx')  # 导出到Excel文件

数据的清洗和预处理

数据清洗：包括处理缺失值、去除重复项等。

预处理：包括类型转换、数据标准化等。

df.dropna()  # 删除含有缺失值的行
df.drop_duplicates()  # 删除重复项
df['A'] = df['A'].astype(float)  # 类型转换

结合使用Matplotlib和Pandas

import pandas as pd
import matplotlib.pyplot as plt

首先，使用Pandas读取和处理数据。例如，从CSV文件中读取数据，并进行必要的数据清洗。

df = pd.read_csv('data.csv')  # 读取数据
df = df.dropna()  # 清洗数据，去除缺失值

然后，使用Matplotlib将DataFrame中的数据可视化。例如，创建一个折线图来展示数据的趋势。

plt.figure(figsize=(10, 5))  # 设置图表大小
plt.plot(df['Date'], df['Value'])  # 创建折线图
plt.title('数据趋势')  # 添加标题
plt.xlabel('日期')  # 设置X轴标签
plt.ylabel('值')  # 设置Y轴标签
plt.show()  # 显示图表

假设你有一个股票市场的数据集，你想分析特定股票的价格变化。

# 假设df是包含股票价格的DataFrame
df['Price'].plot(kind='line', title='股票价格变化')
plt.xlabel('时间')
plt.ylabel('价格')
plt.grid(True)
plt.show()

这个简单的例子展示了如何读取数据，进行基本的清洗，然后使用Matplotlib创建一个图表来可视化数据。你可以根据需要调整代码，添加更多的自定义选项，比如颜色、图例等，以及进行更复杂的数据分析。