python数据分析与可视化
泤燃
人生苦短,及时行乐
展开
-
python数据分析练习——姓名分析US_Baby_names_right.csv
第一步:导入相关模块import pandas as pdfrom pandas import Series,DataFrameimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号第二步:加载dataset目录下US_Baby_names_right.csv文件数据并查看数据原创 2020-07-06 18:43:06 · 2268 阅读 · 0 评论 -
python数据分析练习——FoodFacts.csv分析
python数据分析练习——FoodFacts.csv分析导包import numpy as npimport pandas as pdimport datetimeimport matplotlib.pyplot as pltimport seaborn as sns# 正常显示中文标签plt.rcParams['font.sans-serif'] = ['SimHei']# 自动适应布局plt.rcParams.update({'figure.autolayout': True})原创 2020-07-06 18:04:14 · 1108 阅读 · 0 评论 -
时间序列数据分析
时间序列数据分析导包datetime数据转换重采样、降采样、升采样类型使用说明date日期(年、月、日)time时间(时、分、秒、毫秒)datetime日期和时间timedelta两个datetime的差(日、秒、毫秒)txinfo用于存储时区信息的基本类型导包import datetimedatetimedatetime.date(2020, 1, 1)datetime.date(2020, 1, 1)datetime.time(原创 2020-07-06 17:24:52 · 783 阅读 · 0 评论 -
数据分析总结
数据分析总结导包读写查看信息对列操作str操作,类型转换删除del,检测缺失值nunique(),unique()min(),max(),median()resample数据合并value_counts(),groupby(),apply(),map(),agg(),sort_values(),lambda()导包import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns#原创 2020-07-06 10:00:13 · 679 阅读 · 0 评论 -
数据可视化总结——matplotlib、seaborn
数据可视化总结——matplotlib、seaborn导包matplotlib基本参数折线图绘制直方图 hist(), plt.bar()绘制水平方向的柱状图饼图散点图箱线图seaborn基本参数直方图和密度曲线图密度曲线图毛毯图散点图catplot()如果需要看清每个数据点,可以使用swarmplot箱线图catplot()散点图矩阵小提琴图条形图使用catplot()使用条形显示每个分箱器中的观察计数countplot多变量图用双变量和单变量图绘制两个变量的图。回归图导包import numpy a原创 2020-07-06 09:52:43 · 1477 阅读 · 0 评论 -
matplotlib绘图练习2——绘制菱形sin,星形cos
matplotlib绘图练习2——绘制菱形sin,星形cos首先设置基本参数(linspace最初设置1000,结果整个图飘了,最后不断修改最后在50的时候完美了……)x = np.linspace(0, 10, 50)y1 = np.sin(x)y2 = np.cos(x)画图:plt.figure(figsize=(10, 6))plt.plot(x, y2, 'bd-', ) # *为菱形plt.plot(x, y1, 'g*-') # d为星形plt.xlabel('the原创 2020-06-26 19:27:50 · 1695 阅读 · 0 评论 -
matplotlib绘图练习
matplotlib绘图练习按要求绘制:绘制一个大小为 8*4 的图;第一个图表:x 和 y,颜色是红色,线的粗细为 2(默认为 1);标签是 sin(x)第二个图像:x 和 z 的函数图像,颜色是绿色(g 代表的绿色),线条的样式是‘–’,标签是 cos(x^2),线条的粗细为 3(linewidth 可简写为 lw)。x = np.linspace(-3, 3, 500)y = x**2;plt.figure()plt.plot(x, y, color="r", linestyle='--'原创 2020-05-12 11:58:22 · 557 阅读 · 0 评论