精华内容
下载资源
问答
  • 主要介绍了Python使用matplotlib和pandas实现的画图操作,结合实例形式分析了Python基于matplotlib和pandas的数值运算与图形显示操作相关实现技巧,并对部分代码的图形显示进行了显示效果测试,需要的朋友可以参考下
  • python绘图:matplotlib和pandas的应用在进行数据分析时,绘图是必不可少的模式探索方式。用Python进行数据分析时,matplotlib和pandas是最常用到的两个库。1、matplotlib库的应用准备工作如下:打开ipython,输入...

    python绘图:matplotlib和pandas的应用

    在进行数据分析时,绘图是必不可少的模式探索方式。用Python进行数据分析时,matplotlib和pandas是最常用到的两个库。

    1、matplotlib库的应用

    准备工作如下:打开ipython,输入命令分别导入numpy和matplotlib.pylab库。

    [python] view plain copy

    import numpy as np

    import matplotlib.pylab as plt

    1)创建fig

    绘图第一步是创建绘图窗口fig。

    [python] view plain copy

    fig1 = plt.figure()

    2)创建subplot

    在窗口上添加AxesSubplot类型的子绘图区域,一个窗口可以添加多个子绘图区。

    [python] view plain copy

    ax1 = fig1.add_subplot(2,2,1)

    ax4 = fig1.add_subplot(2,2,4)

    3)subplot中绘图

    调用子绘图区的方法,可以绘制点线图、频数图、散点图等常用图形。

    注意:在同一个subplot中多次调用plot(),所得到的图形是相互覆盖的。

    [python] view plain copy

    ax1.plot(np.random.randn(50).cumsum(),'k--')

    ax4.hist(np.random.randn(30))

    4)各类参数设置

    主要关注以下几种方法:set_xlims设置坐标轴的上下限、set_ticks设置坐标刻度、set_ticklabel设置坐标标注。

    [python] view plain copy

    ax1.set_xlim(-10,60)

    ax1.set_xticks([0,20,40,60])

    ax1.set_xticklabels(['a','b','c','d'])

    5)清除和保存图形

    用subplot的clear()方法可以清除现有的图形,用figure的savefig()保存图形到指定路径。

    [python] view plain copy

    ax1.clear()

    #windows下的路径

    fig1.savefig(‘.\\test.jpg’)

    2、pandas库的应用

    相比于利用matplotlib库绘图,采用pandas绘图要便捷得多。参照前一部分,同样需要导入pandas、numpy库。

    [python] view plain copy

    import pandas as pd

    from pandas import Series,DataFrame

    import numpy as np

    1)plot方法及参数

    对于Series和DataFrame类型的数据,可以直接调用两种类型对应的plot方法,绘图时自动采用索引值绘制横坐标,采用每一列数据绘制纵坐标。这里分别以两类数据为例。

    [python] view plain copy

    se1 = Series(np.random.randn(30).cumsum())

    df = DataFrame({'a':np.random.randn(30),'b':np.random.randn(30)})

    参数设置很方便,在plot()方法参数列表中添加相应参数值即可。常用的有:类型kind可设置为line(线图)、bar(垂直柱状图)、barh(水平柱状图)、kde(核密度估计图),另外还有color颜色设置、linestyle线型设置、alpha设置透明度、grid设置网格等。

    [python] view plain copy

    se1.plot(kind = 'bar', color = 'g', alpha = 0.5, grid=True)

    df.plot(kind = 'bar', alpha=0.5)

    2)频数图、散点图

    频数图采用hist绘制即可,单幅的散点图还得依靠matplotlib库,但pandas提供多幅散点图矩阵的快速绘图方法。

    [python] view plain copy

    se1.plot(kind = 'bar', color = 'g')

    #对角线上图形设置为核密度图

    pd.scatter_matrix(df, diagonal='kde')

    3)清除和保存图形

    有时候,我们希望清除掉当前图形或者干脆关闭绘图窗口。可以采用figure的clear()方法清除图形,采用matplotlib.pylab的close()方法则能够直接关闭图形窗口。

    [python] view plain copy

    df.plot()

    #清除绘图

    _.get_figure().clear()

    #关闭窗口

    plt.close()

    3、python绘图的未来

    Python同时具备强大的数据分析功能和Web开发功能,未来绘图的趋势将是更加紧密的联系数据分析和Web发布功能,所有绘制的图形应当能够方便的在网页上发布。数据分析人员和网页开发人员的工作耦合将会更加紧密。

    完 谢谢观看

    展开全文
  • 在一幅图中绘制多个图案的方法很多,这阶段自学只要学会matplotlib和pandas模块中各自一种绘制图案即可。各自方法如下:(基于python语言编写) import matplotlib.pyplot as plt from matplotlib import gridspec...

    在一幅图中绘制多个图案的方法很多,这阶段自学只要学会matplotlib和pandas模块中各自一种绘制图案即可。各自方法如下:(基于python语言编写)

    import matplotlib.pyplot as plt
    from matplotlib import gridspec
    import matplotlib
    import numpy as np
    
    
    matplotlib.rcParams['font.family'] = 'Kaiti'   # 由于matplotlib默认不显示中文,这里将中文显示设置为‘楷体’
    plt.rcParams['axes.unicode_minus'] = False   # 显示负号
    # plt方法一:网格构造
    def plt_test1():
    	plt.figure(figsize=(12, 6), dpi=80)      
    	gs = gridspec.GridSpec(2,2)
    	ax1 = plt.subplot(gs[:, 0])
    	ax1.plot(np.arange(5), label='ax1')
    	ax1.set_title('test1')
    	ax1.legend()
    	
    	ax2 = plt.subplot(gs[:, 1])
    	ax2.bar(list('abcdefghij'), np.linspace(-1, 1, 10), label='ax2')
    	ax2.set_title('test2')
    	ax2.legend()
    	
    	plt.show()
    
    	return None
    
    # plt方法二: subplot方法
    def plt_test2():
    	plt.figure(figsize=(12, 6), dpi = 80)
    	plt.subplot2grid((2,3), (0,0), rowspan = 2)    # 创建一个图片网络,大小2行3列,从左上开始,选取2行绘图
    	plt.plot(np.arange(4))
    	plt.title('第一幅图')
    
    	plt.subplot2grid((2,3), (0,1), colspan=2)
    	plt.bar(list('abcd'), [i for i in range(4)])
    	plt.title('第二幅图')
    
    	plt.subplot2grid((2,3), (1,1))
    	x = np.linspace(0, 10, 100)
    	y = np.sin(x)
    	plt.plot(x, y)
    	plt.title('第三幅图')	
    
    	# ....  其他画图省略,过程基本相似
    
    	plt.show()
    
    	return None
    
    # pandas统计过程中的一个图中多个子图绘制 ---->>> 以Titanic号为例
    # 这部分代码在anaconda可运行,应该是主要进行数据分析用到的,在sypder上运行报错。好像。。。
    def pd_plot():
    	f, ax = plt.subplots(1,2, figsize=(12,6))   # 创建一个1行2列图纸, 这个方法好像只能创建一行的。返回这个图的对象f和子图的列表ax,,,可索引
    	data['Survived'].value_counts().plot.pie(explode=[0, 0.1], autopct='%1.1f%%', ax=ax[0], shadow=True)
    	ax[0].set_title('是否遇难所占比例')
    
    	data['Survived'].value_counts().plot.bar(ax=ax[1])
    	ax[1].set_title('是否遇难具体人数')
    
    	plt.show()
    
    	return None
    

    总算是写完了,自己本来翻阅资料也是看懂了,但是当自己敲起来代码时发现自己还是太年轻了,总之,这是第一次写博客,本身自己也是初学者,好多词语用的还不规范,不管怎样,努力学下去吧。

    展开全文
  • 足球分析仪 利用matplotlib和Pandas比较不同足球运动员和球队之间统计数据的Python Web应用程序。
  • 用Python进行数据分析时,matplotlib和pandas是最常用到的两个库。1、matplotlib库的应用准备工作如下:打开ipython,输入命令分别导入numpy和matplotlib.pylab库。 [python]view plaincopy ...

    在进行数据分析时,绘图是必不可少的模式探索方式。用Python进行数据分析时,matplotlib和pandas是最常用到的两个库。

    1、matplotlib库的应用
    准备工作如下:打开ipython,输入命令分别导入numpy和matplotlib.pylab库。

    [python] view plain copy
     
    1. import numpy as np  
    2. import matplotlib.pylab as plt  


    1)创建fig
    绘图第一步是创建绘图窗口fig。

    [python] view plain copy
     
    1. fig1 = plt.figure()  


    2)创建subplot
    在窗口上添加AxesSubplot类型的子绘图区域,一个窗口可以添加多个子绘图区。

    [python] view plain copy
     
    1. ax1 = fig1.add_subplot(2,2,1)  
    2. ax4 = fig1.add_subplot(2,2,4)  


    3)subplot中绘图
    调用子绘图区的方法,可以绘制点线图、频数图、散点图等常用图形。
    注意:在同一个subplot中多次调用plot(),所得到的图形是相互覆盖的。

    [python] view plain copy
     
    1. ax1.plot(np.random.randn(50).cumsum(),'k--')  
    2. ax4.hist(np.random.randn(30))  


    4)各类参数设置
    主要关注以下几种方法:set_xlims设置坐标轴的上下限、set_ticks设置坐标刻度、set_ticklabel设置坐标标注。

    [python] view plain copy
     
    1. ax1.set_xlim(-10,60)  
    2. ax1.set_xticks([0,20,40,60])  
    3. ax1.set_xticklabels(['a','b','c','d'])  


    5)清除和保存图形
    用subplot的clear()方法可以清除现有的图形,用figure的savefig()保存图形到指定路径。

    [python] view plain copy
     
    1. ax1.clear()  
    2. #windows下的路径  
    3. fig1.savefig(‘.\\test.jpg’)  


    2、pandas库的应用
    相比于利用matplotlib库绘图,采用pandas绘图要便捷得多。参照前一部分,同样需要导入pandas、numpy库。

    [python] view plain copy
     
    1. import pandas as pd  
    2. from pandas import Series,DataFrame  
    3. import numpy as np  


    1)plot方法及参数
    对于Series和DataFrame类型的数据,可以直接调用两种类型对应的plot方法,绘图时自动采用索引值绘制横坐标,采用每一列数据绘制纵坐标。这里分别以两类数据为例。

    [python] view plain copy
     
    1. se1 = Series(np.random.randn(30).cumsum())  
    2. df = DataFrame({'a':np.random.randn(30),'b':np.random.randn(30)})  

     

    参数设置很方便,在plot()方法参数列表中添加相应参数值即可。常用的有:类型kind可设置为line(线图)、bar(垂直柱状图)、barh(水平柱状图)、kde(核密度估计图),另外还有color颜色设置、linestyle线型设置、alpha设置透明度、grid设置网格等。

    [python] view plain copy
     
    1. se1.plot(kind = 'bar', color = 'g', alpha = 0.5, grid=True)  
    2. df.plot(kind = 'bar', alpha=0.5)  


    2)频数图、散点图
    频数图采用hist绘制即可,单幅的散点图还得依靠matplotlib库,但pandas提供多幅散点图矩阵的快速绘图方法。

    [python] view plain copy
     
    1. se1.plot(kind = 'bar', color = 'g')  
    2. #对角线上图形设置为核密度图  
    3. pd.scatter_matrix(df, diagonal='kde')  


    3)清除和保存图形
    有时候,我们希望清除掉当前图形或者干脆关闭绘图窗口。可以采用figure的clear()方法清除图形,采用matplotlib.pylab的close()方法则能够直接关闭图形窗口。

    [python] view plain copy
     
    1. df.plot()  
    2. #清除绘图  
    3. _.get_figure().clear()  
    4. #关闭窗口  
    5. plt.close()  


    3、python绘图的未来
    Python同时具备强大的数据分析功能和Web开发功能,未来绘图的趋势将是更加紧密的联系数据分析和Web发布功能,所有绘制的图形应当能够方便的在网页上发布。数据分析人员和网页开发人员的工作耦合将会更加紧密。

    展开全文
  • matplotlib和pandas实现多y轴的多图形绘制 我们知道pandas支持次Y轴,但是将三次Y轴或者多Y轴放置在绘图上的方法应该是怎么样的呢。效果图与代码实现如下。 import pandas as pd import numpy as np import ...

    matplotlib和pandas实现多y轴的多图形绘制

    我们知道pandas支持次Y轴,但是将三次Y轴或者多Y轴放置在绘图上的方法应该是怎么样的呢。效果图与代码实现如下。
     ![

    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    
    ts = pd.Series(np.random.randn(1000),index=pd.date_range('1/1/2000', periods=1000))
    ts = ts.cumsum()
    df =pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))
    df = df.cumsum()
    
    # df = pd.read_csv('d:\\pandas\\test.csv')
    fig, ax = plt.subplots()
    ax2, ax3 ,ax4 = ax.twinx(), ax.twinx() ,ax.twinx()
    rspine = ax3.spines['right']
    rspine.set_position(('axes', 1.125))
    # ax3.set_frame_on(True)
    ax3.patch.set_visible(False)
    fig.subplots_adjust(right=0.75)
    rspine = ax4.spines['right']
    rspine.set_position(('axes', 1.25))
    ax4.patch.set_visible(False)
    
    fig.subplots_adjust(right=0.75)
    df.A.plot(ax=ax, style='b-',legend=False)
    df.B.plot(ax=ax2,style='r-',legend=False)
    df.C.plot(ax=ax3, style='g-',legend=False)
    df.D.plot(ax=ax4, style='k-',legend=False)
    
    #设置图例,如果没有这行代码会使图例重叠
    ax4.legend([ax.get_lines()[0], ax2.get_lines()[0], ax3.get_lines()[0],ax4.get_lines()[0]], ['A', 'B', 'C','D'],loc='best')
    
    
    ax.set_xlabel("Time")
    ax.set_ylabel('A',rotation=0)
    ax2.set_ylabel('B',rotation=0)
    ax3.set_ylabel('C',rotation=0)
    ax4.set_ylabel('D',rotation=0)
    ax.axhline(6, color="red", linestyle="--")
    ax.axvline("2001-06-05", color="green", linestyle="--")
    
    plt.title("test")
    
    # 加这个两句 可以显示中文
    plt.rcParams['font.sans-serif'] = [u'SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    
    plt.show()
    
    展开全文
  • 用Python进行数据分析时,matplotlib和pandas是最常用到的两个库。1、matplotlib库的应用准备工作如下:打开ipython,输入命令分别导入numpy和matplotlib.pylab库。import numpy as npimport matplotlib.pylab as ...
  • matplotlib pandas 两个包的安装 matplotlib是强大的python 绘图包。pandas 是强大的python分析工具包。numpy是强大的python统计包。 都超级好用,而且最近开始动手实践机器学习算法了。特此备注...
  • Python使用matplotlib和pandas实现的画图操作【经典示例】来源:中文源码网浏览: 次日期:2018年9月2日Python使用matplotlib和pandas实现的画图操作【经典示例】 本文实例讲述了Python使用matplotlib和pandas实现的...
  • python之matplotlib和pandas绘图

    万次阅读 2018-03-13 14:19:24
    这里记录一些统计作图方法,包括pandas作图plt作图。前提是先导入第三方库吧import pandas as pd import matplotlib.pyplot as plt import numpy as np然后以下这两句用于正常显示中文标签什么的。plt....
  • JoyPy是一个基于matplotlib +熊猫的单功能Python软件包,目的是:绘制Joyplots(又称山脊线图)。 JoyPy的代码借鉴了pandas.plotting中的pandas.plotting ,并在其中使用了一些实用程序函数。 什么是摇杆? ...
  • 本文实例讲述了Python使用matplotlib和pandas实现的画图操作。分享给大家供大家参考,具体如下:画图在工作再所难免,尤其在做数据探索时候,下面总结了一些关于python画图的例子#encoding:utf-8'''''Created on ...
  • 用Python进行数据分析时,matplotlib和pandas是最常用到的两个库。1、matplotlib库的应用准备工作如下:打开ipython,输入命令分别导入numpy和matplotlib.pylab库。importnumpyasnpimportmatplotlib.pylabasplt1)...
  • import pandas as pd 1、 Matplotlib.pyplot 1、plt.plot(x,y,lw=a,c=‘r’),其中x是一个列表/数组/元组…,y是x通过某种映射得到的。绘出y关于x的图像,lw指的是线宽,c指的是线的颜色。 plt.xlabel(‘x-value’)...
  • [python] view plain copy #encoding:utf-8  '''''  Created on 2015年9月11日  ...@author: ZHOUMEIXU204  ...# pylab 是 matplotlib 面向对象绘图库的一个接口。...import pandas
  • python中matplotlib和pandas画图

    万次阅读 2015-10-12 09:07:03
    画图在工作再所难免,尤其在做数据探索时候,下面总结了一些关于python画图的例子 ...# pylab 是 matplotlib 面向对象绘图库的一个接口。它的语法 Matlab 十分相近 import pandas as pd from ggplot
  •  为了方便科学计算,Numpy库定义了一些属性方法以便于对一维数据,二位数据高维数据的处理。为了满足科学计算的需求,Numpy定义了一个多维数组对象——ndarray。Ndarray由实际数据描述这些数据的元数据(如...
  • Python之matplotlib和pandas 模块安装

    千次阅读 2016-11-17 14:23:17
    转自:... Python之matplotlib模块安装 numpy 1、下载安装 源代码 http://sourceforge.net/projects/numpy/files/NumPy/ 安装 python2.7 setup.py install 2、测试 导入
  • 我的新书《基于股票大数据分析的Python入门实战》于近日上架,在这篇博文向大家介绍我的新书:《基于股票大数据分析的... MACD指标是由三部分构成的,分别是:DIF(离差值,也叫差离值)、DEA(离差值平均)BA...
  • 【事情是这样的】 我有一个表格的数据,第一列是时间,剩下的2,3,4,5,6…列,是这个时间点的不同参数的值 【我想要做的是】,时间为x轴,其他列为y轴,画走势图 【我遇到的问题是】我不知道修改哪个参数,来调整走势...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,675
精华内容 1,870
关键字:

matplotlib和pandas