【Python】Python的数据分析(四)——数据及绘图
来源:互联网 发布:软件集成工具箱制作 编辑:程序博客网 时间:2024/06/08 06:50
1. 创建数组
numpy有五种方式可以创建数组:
① 由其他Python数据结构转换(如lists, tuples)
>>>x=np.array([0,1,2,3])
② 用NumPy内部方法创建(如arange, ones, zeros等)
>>>np.arange(2,3,0.1)
>>> np.indices((3,3))
③ 从磁盘读取标准的或自定义的数据
④ 通过使用strings或buffers创建
⑤ 使用库函数(如random)
2. Plotting
matplotlib的基本绘制方法为plot,绘制风格有:bar, hist, box, density, area, hexbin, scatter和pie等。
在pandas.tools.plotting也有绘图函数,参数是Series或DataFrame,这些函数为: ScatterMatrix, AndrewsCurves, ParallelCoordinates等。
在matplotlib中,整个图像为一个Figure对象,在Figure中可以包含一个或多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。
numpy有五种方式可以创建数组:
① 由其他Python数据结构转换(如lists, tuples)
>>>x=np.array([0,1,2,3])
② 用NumPy内部方法创建(如arange, ones, zeros等)
>>>np.arange(2,3,0.1)
>>> np.indices((3,3))
③ 从磁盘读取标准的或自定义的数据
④ 通过使用strings或buffers创建
⑤ 使用库函数(如random)
2. Plotting
matplotlib的基本绘制方法为plot,绘制风格有:bar, hist, box, density, area, hexbin, scatter和pie等。
在pandas.tools.plotting也有绘图函数,参数是Series或DataFrame,这些函数为: ScatterMatrix, AndrewsCurves, ParallelCoordinates等。
在matplotlib中,整个图像为一个Figure对象,在Figure中可以包含一个或多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。
3. DataFrame分组
数据分组是数据分析中重要的前提或内容,DataFrame的数据分组方法为:
DataFrame.groupby(by=None,axis=0,level=None,as_index=True,sort=True,group_keys=True,squeeze=False)
参数内容:
by:分组的依据,为函数或列名
axis:坐标轴下标,默认为0
level:维度的名称或索引
as_index:标签是否作为索引
sort:是否排序
group_keys:是否添加group keys作为索引
squeeze:是否在可能的情况下减少结果的维度
0 0
- 【Python】Python的数据分析(四)——数据及绘图
- 【Python】Python的数据分析(四)——数据及绘图
- Python实战(四)——Python 数据分析
- R及Python的数据分析入阶—小白必看
- Python数据分析基础(四)——数据文件处理
- 【Python数据挖掘课程】四.决策树DTC数据分析及鸢尾数据集分析
- Python数据挖掘课程 四.决策树DTC数据分析及鸢尾数据集分析
- 【Python开发】使用python中的matplotlib进行绘图分析数据
- 【Python】Python的数据分析(二)——pandas安装及使用
- 【Python】Python的数据分析(三)——数据文件及数据结构
- 【Python】Python的数据分析(二)——pandas安装及使用
- 【Python】Python的数据分析(三)——数据文件及数据结构
- 【Python】Python的数据分析(三)——数据文件及数据结构
- Python数据分析与展示(4)——Matplotlib基础绘图函数示例
- 转载]利用Python进行数据分析——绘图和可视化 xticks-学习笔记
- 【Python】Python的数据分析——前言
- Python之numpy教程(四):数据处理、绘图、数据统计分析
- Python数据分析学习笔记四
- 分享5个实用的Web界面开发框架
- python简单正则的爬取
- iOS9企业部署分发问题深入了解与解决
- Intel Threading Building Blocks 编程指南:互斥
- MongoDB小结19 - find【查询条件$all】
- 【Python】Python的数据分析(四)——数据及绘图
- Intel Threading Building Blocks 编程指南:原子操作
- 【学术心得】如何在本科提升自己的研究能力
- 多层下拉框
- Android中的savedInstanceState
- MongoDB小结20 - find【查询条件$size】
- 51nod 1100 斜率最大
- js学习总结
- Ubuntu设置共享目录