pandas，numpy数据可视化(matplotlib.pyplot)

最新推荐文章于 2024-06-14 11:52:21 发布

GSmate

最新推荐文章于 2024-06-14 11:52:21 发布

阅读量997

点赞数

本文链接：https://blog.csdn.net/qq_44318499/article/details/104533899

版权

数据可视化

线图：

weight = np.linspace(0, 100, 50)
height = np.sin(weight)
plt.plot(weight, height, linestyle='-', color='red', marker='o')
plt.show()

在这里插入图片描述

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt 
ts=pd.Series(np.random.randn(1000),index=pd.date_range('20000101',periods=1000))
ats=ts.cumsum()
ats.describe()
Out[8]: 
count    1000.000000
mean       24.155624
std        16.227862
min        -5.519669
25%         8.058423
50%        24.760727
75%        38.461114
max        54.866714
dtype: float64
ats.plot()
Out[9]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd129d828>
plt.show()

在这里插入图片描述

ts.plot(title='cumsum',style='r-',figsize=(8,6))

df=pd.DataFrame(np.random.randn(1000,4),index=ats.index,columns=list('ABCD'))
df=df.cumsum()
df.describe()
Out[16]: 
                 A            B            C            D
count  1000.000000  1000.000000  1000.000000  1000.000000
mean     -5.286443   -14.942259    24.056395   -17.585319
std       7.552125    10.697173     9.433380    11.237561
min     -26.149702   -32.121641    -1.869861   -50.323512
25%      -8.743886   -24.111616    18.178664   -21.977234
50%      -4.435576   -17.054723    24.370001   -16.041080
75%       0.068311    -4.981979    30.465245    -9.708967
max       8.670913     6.512569    45.166084     1.463544
df.plot()
Out[17]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd3fdf710>
plt.show()

在这里插入图片描述

df.plot(subplots=True,figsize=(6,12),sharey=True)
Out[19]: 
array([<matplotlib.axes._subplots.AxesSubplot object at 0x0000004CD407D6D8>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x0000004CD45D84A8>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x0000004CD41DB780>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x0000004CD4201A58>],
      dtype=object)
plt.show()

在这里插入图片描述

df.describe()
Out[24]: 
                 A            B            C            D           ID
count  1000.000000  1000.000000  1000.000000  1000.000000  1000.000000
mean     -5.286443   -14.942259    24.056395   -17.585319   499.500000
std       7.552125    10.697173     9.433380    11.237561   288.819436
min     -26.149702   -32.121641    -1.869861   -50.323512     0.000000
25%      -8.743886   -24.111616    18.178664   -21.977234   249.750000
50%      -4.435576   -17.054723    24.370001   -16.041080   499.500000
75%       0.068311    -4.981979    30.465245    -9.708967   749.250000
max       8.670913     6.512569    45.166084     1.463544   999.000000
df.plot(x='ID',y=['A','C'])
Out[25]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd44c46d8>
plt.show()

在这里插入图片描述

柱状图：

x = np.arange(5)
height = [20, 10, 15, 54, 23]
plt.bar(x, height, width=0.5, color='red')
plt.show()

在这里插入图片描述

x = np.arange(5)
y = [20, 10, 15, 54, 23]
y2 = [10, 5, 20, 60, 30]
bar_width = 0.3
plt.bar(x, y, bar_width, color='b')
plt.bar(x + bar_width, y2, bar_width, color='r')
plt.show()

在这里插入图片描述

x = np.arange(5)
y = [20, 10, 15, 54, 23]
y2 = [10, 5, 20, 60, 30]
bar_width = 0.3
plt.bar(x, y, bar_width, color='b')
plt.bar(x, y2, bar_width, color='r', bottom=y)
plt.show()

在这里插入图片描述

df=pd.DataFrame(np.random.randn(10,4),columns=list('ABCD'))
df
Out[28]: 
          A         B         C         D
0 -1.000899 -1.459471 -0.951918  0.476966
1 -0.250823  0.357176  0.354575  2.201217
2 -0.472851  0.970697 -1.199046  1.653239
3 -0.738507  1.166673  1.029219 -1.603170
4  0.404418 -0.577106 -0.783924  0.942183
5 -1.494829  1.739991  1.826403 -0.510799
6 -0.685105 -1.589427  0.507934  0.463677
7  0.128637  0.505620 -1.981238  1.248609
8  1.422470  0.426650 -1.366355 -2.374405
9 -1.648767 -0.177603 -1.077124  0.130565
df.iloc[0]
Out[30]: 
A   -1.000899
B   -1.459471
C   -0.951918
D    0.476966
Name: 0, dtype: float64
df.iloc[0].plot(kind='bar')
Out[31]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd43cf048>
plt.show()

在这里插入图片描述

df.plot.bar(stacked=True)
Out[35]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd4bea438>
plt.show()
df.plot.barh(stacked=True)
Out[37]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd5db5c50>
plt.show()

直方图hist：

from matplotlib import pyplot as plt
import numpy as np

mu = 100
sigma = 20
x = mu + sigma * np.random.randn(2000)
plt.hist(x, bins=100, color='green', normed=True)
plt.show()

在这里插入图片描述

x = np.random.randn(1000) + 2
y = np.random.randn(1000) + 3
plt.hist2d(x, y, bins=40)
plt.show()

在这里插入图片描述

df=pd.DataFrame({'a':np.random.randn(1000)+1,
                 'b':np.random.randn(1000),
                 'c':np.random.randn(1000)-1},columns=list('abc'))
df['a'].hist()
Out[43]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd4ba6978>
plt.show()

在这里插入图片描述

df['a'].hist(bins=20)
Out[45]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd6169da0>
plt.show()

df.plot.hist(subplots=True,sharex=True,sharey=True)
Out[47]: 
array([<matplotlib.axes._subplots.AxesSubplot object at 0x0000004CD66E1DD8>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x0000004CD6718AC8>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x0000004CD6455CC0>],
      dtype=object)
plt.show()

在这里插入图片描述
概率密度图：

df.plot.kde()
Out[49]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd653e278>
plt.show()

在这里插入图片描述
散点图：

df
Out[52]: 
          a         b         c         d
0  0.806606  0.146134  0.267457  0.528070
1  0.416368  0.600725  0.587314  0.919670
2  0.991003  0.541265  0.861808  0.753876
3  0.317595  0.531358  0.680400  0.857542
4  0.808783  0.986448  0.860283  0.586517
5  0.908003  0.491612  0.078318  0.722666
6  0.972409  0.134909  0.097019  0.174766
7  0.282438  0.206912  0.837568  0.452598
8  0.372139  0.948273  0.412657  0.465505
9  0.574312  0.472374  0.379385  0.989896

df.plot.scatter(x='a',y='b')
Out[53]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd652c048>
plt.show()

在这里插入图片描述

height = np.random.randn(1000)
weight = np.random.randn(1000)
plt.scatter(weight, height, s=100, c='r', marker='o', alpha=0.5)
plt.show()

在这里插入图片描述

饼图：

labels = 'A', 'B', 'C', 'D'
fracs = [15, 30, 45, 10]
exploed = [0, 0.05, 0.08, 0]
plt.pie(labels=labels, x=fracs, autopct='%.0f%%', explode=exploed, shadow=True)
plt.show()

在这里插入图片描述

s=pd.Series(3*np.random.rand(4),index=list('abcd'),name='series')
s
Out[56]: 
a    2.033608
b    2.959749
c    2.153261
d    1.090337
Name: series, dtype: float64

s.plot.pie(figsize=(6,6),labels=['AA','BB','CC','DD'],autopct='%0.2f',fontsize=12,colors=list('rgbc'))
Out[57]: <matplotlib.axes._subplots.AxesSubplot at 0x4cd7750550>
plt.show()

在这里插入图片描述
箱型图：

data = np.random.normal(loc=0, scale=1, size=1000)

plt.boxplot(data, sym='o', whis=1.2)
plt.show()

在这里插入图片描述

data = np.random.normal(loc=0, scale=1, size=(1000, 4))
label = list('ABCD')

plt.boxplot(data, sym='o', whis=1.2, labels=label)
plt.show()

在这里插入图片描述

样式字符串：

x = [1, 2, 3]
y = [3, 2, 1]
# 颜色，点型，线型
plt.plot(x, y, 'cx--')
plt.show()

pylab类似matlab（不推荐）：

from pylab import *

x = [1, 2, 3]
y = [3, 2, 1]
plot(x, y, 'cx--')
title('pylab')
show()

GSmate

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
pandas，numpy数据可视化(matplotlib.pyplot)

数据可视化线图：import numpy as npimport pandas as pdfrom matplotlib import pyplot as plt ts=pd.Series(np.random.randn(1000),index=pd.date_range('20000101',periods=1000))ats=ts.cumsum()ats.describe()O...
复制链接

扫一扫