数据分析-Pandas如何用图把数据展示出来

数据分析-Pandas如何用图把数据展示出来

俗话说,一图胜千语,对人类而言一串数据很难立即洞察出什么,但如果展示图就能一眼看出来门道。数据整理后,如何画图,画出好的图在数据分析中成为关键的一环。

数据表,时间序列数据在数据分析建模中很常见,例如天气预报,空气状态监测,股票交易等金融场景。数据分析过程中重新调整,重塑数据表是很重要的技巧,此处选择Titanic数据,以及巴黎、伦敦欧洲城市空气质量监测 N O 2 NO_2 NO2数据作为样例。

数据分析

数据分析-Pandas如何转换产生新列

数据分析-Pandas如何统计数据概况

数据分析-Pandas如何轻松处理时间序列数据

数据分析-Pandas如何选择数据子集

数据分析-Pandas如何重塑数据表-CSDN博客

经典算法

经典算法-遗传算法的python实现

经典算法-模拟退火算法的python实现

经典算法-粒子群算法的python实现-CSDN博客

LLM应用

大模型查询工具助手之股票免费查询接口

Python技巧-终端屏幕打印光标和文字控制

本文用到的样例数据:

Titanic数据

空气质量监测 N O 2 NO_2 NO2数据

样例代码:

源代码参考 Pandas如何重塑数据表

源代码参考 python数据分析-数据表读写到pandas

导入关键模块

python 复制代码
import pandas as pd
import matplotlib.pyplot as plt

数据准备

仍然使用air_quality数据来举例,读取NO2数据:

python 复制代码
In [1]: air_quality = pd.read_csv("data/air_quality_no2.csv", index_col=0, parse_dates=True)

In [2]: air_quality.head()
Out[2]: 
                     station_antwerp  station_paris  station_london
datetime                                                           
2019-05-07 02:00:00              NaN            NaN            23.0
2019-05-07 03:00:00             50.5           25.0            19.0
2019-05-07 04:00:00             45.0           27.7            19.0
2019-05-07 05:00:00              NaN           50.4            16.0
2019-05-07 06:00:00              NaN           61.9             NaN

时间趋势图

拿到PM25数据,急不可耐就想画张图:

python 复制代码
In [3]: air_quality.plot()
Out[3]: <Axes: xlabel='datetime'>

In [4]: plt.show()

很简单吧,两行解决战斗,就是调用plot函数,然后显示函数show。

当然,这样就是一张图里把所有的数值类的列都给画出来了。有点太花,看不清楚。

Boss看了,要求清晰一点,清爽一点。只要巴黎的监测数据,还不是手到擒来。

python 复制代码
In [5]: air_quality["station_paris"].plot()
Out[5]: <Axes: xlabel='datetime'>

In [6]: plt.show()

只要从pandas中选择数据子集就行,然后照样调用显示函数。

同类项比较

有时候要卷一卷,就是要一较高下。如何比较两个地方的 N O 2 NO_2 NO2 的关系图呢?

python 复制代码
In [7]: air_quality.plot.scatter(x="station_london", y="station_paris", alpha=0.5)
Out[7]: <Axes: xlabel='station_london', ylabel='station_paris'>

In [8]: plt.show()

尝试下散点图,把London和Paris分别作为x,y轴。

画图plot函数默认是画曲线的,即line函数,而散点图,就需要调用对应的scatter函数。

以上代码只是一个简单示例,示例代码中的表达式可以根据实际问题进行修改。

觉得有用 收藏 收藏 收藏

点个赞 点个赞 点个赞

End


GPT专栏文章:

GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案

GPT实战系列-LangChain + ChatGLM3构建天气查询助手

大模型查询工具助手之股票免费查询接口

GPT实战系列-简单聊聊LangChain

GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手

GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型,到底做了什么?(二)

GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型,到底做了什么?(一)

GPT实战系列-ChatGLM2模型的微调训练参数解读

GPT实战系列-如何用自己数据微调ChatGLM2模型训练

GPT实战系列-ChatGLM2部署Ubuntu+Cuda11+显存24G实战方案

GPT实战系列-Baichuan2本地化部署实战方案

GPT实战系列-Baichuan2等大模型的计算精度与量化

GPT实战系列-GPT训练的Pretraining,SFT,Reward Modeling,RLHF

GPT实战系列-探究GPT等大模型的文本生成-CSDN博客

相关推荐
运器12327 分钟前
【一起来学AI大模型】PyTorch DataLoader 实战指南
大数据·人工智能·pytorch·python·深度学习·ai·ai编程
音元系统30 分钟前
Copilot 在 VS Code 中的免费替代方案
python·github·copilot
超龄超能程序猿42 分钟前
(5)机器学习小白入门 YOLOv:数据需求与图像不足应对策略
人工智能·python·机器学习·numpy·pandas·scipy
cwn_2 小时前
回归(多项式回归)
人工智能·机器学习·数据挖掘·回归
cooldream20093 小时前
Python 包管理新时代:深入了解 `uv` 的使用与实践
python·uv·包管理器
之歆3 小时前
Python-魔术方法-创建、初始化与销毁-hash-bool-可视化-运算符重载-容器和大小-可调用对象-上下文管理-反射-描述器-二分-学习笔记
笔记·python·学习
胖达不服输3 小时前
「日拱一码」025 机器学习——评价指标
人工智能·python·机器学习·评价指标
Yolo566Q3 小时前
“SRP模型+”多技术融合在生态环境脆弱性评价模型构建、时空格局演变分析与RSEI 指数的生态质量评价及拓展应用
信息可视化·数据分析·单一职责原则
音程3 小时前
什么是Jaccard 相似度(Jaccard Similarity)
深度学习·数据挖掘
乙真仙人4 小时前
AI Agents时代,数据分析将彻底被颠覆
人工智能·数据挖掘·数据分析