Pandas处理DataFrame,Series进行作图
(1)、Pandas绘图常用的属性
文章图片
在这里插入图片描述
【Pandas处理DataFrame,Series进行作图】左上角为处理Series的,右下角为处理DataFrame的
(2)、导入库
from pandas import Series, DataFrame
import numpy as np
import matplotlib.pyplot as plt
import pandas
(3)、绘制线图
#线图
#处理Series
s= Series(np.random.randn(10).cumsum(0), index =np.arange(0,100,10))#创建Series随机数
s.plot()#绘制线图
#处理DataFrame
df = DataFrame(np.random.randn(10,4).cumsum(0), columns = ['A','B','C','D'], index = np.arange(0,100,10)) #创建dataFrame对象
df.plot()#绘制线图
![Pandas处理DataFrame,Series进行作图](https://img.it610.com/image/info10/6fca9eb0d18d4bd3a857e77dc339303f.jpg)
文章图片
在这里插入图片描述
![Pandas处理DataFrame,Series进行作图](https://img.it610.com/image/info10/bdb5ae34d6d3417390bf8b2a58fbbe7b.jpg)
文章图片
在这里插入图片描述 (4)、绘制柱形图
#柱形图
#处理Series
fig, axes = plt.subplots(2,1)#获得figure和Axes对象
data = https://www.it610.com/article/Series(np.random.rand(16),index = list('abcdefghijklmnop'))#创建Series
data.plot(kind='bar', ax = axes[0],color='k',alpha=0.7)#垂直的柱形图,利用kind属性='bar'
data.plot(kind='barh', ax = axes[1],color='k',alpha=0.7)#水平的柱形图,利用kind属性='barh'
#处理DataFrame
df = DataFrame(np.random.rand(6,4),index = ['one','two','three','four','five','six'],
columns = pandas.Index(['A','B','C','D'],name = 'Genus'))#创建DataFrame
df.plot(kind='bar') #垂直的柱形图,利用kind属性='bar'
![Pandas处理DataFrame,Series进行作图](https://img.it610.com/image/info10/545ed02dbf1443dca3213cf8b5f21cc0.png)
文章图片
在这里插入图片描述
![Pandas处理DataFrame,Series进行作图](https://img.it610.com/image/info10/02017b1c3ff542fda9ea03c7ea1763df.png)
文章图片
在这里插入图片描述 (4)、直方图和密度图
#直方图和密度图
plt.figure()
data = https://www.it610.com/article/Series(np.random.rand(16),index = list('abcdefghijklmnop'))#创建Series
data.hist(bins = 50)#直方图,bins参数代表有多少个区间
data.plot(kind='kde')#密度图,将kind属性设置为kde
##使用同一张画布,两个图会在一起
![Pandas处理DataFrame,Series进行作图](https://img.it610.com/image/info10/cce978e6a9f74692b3b106c85f773b80.jpg)
文章图片
在这里插入图片描述 (5)、散点图
#散点图
f= open('E:\\建模\\第6周\\data\\macrodata.csv')
macro = pandas.read_csv(f)
data = https://www.it610.com/article/macro[['cpi','m1','tbilrate','unemp']]
trans_data = https://www.it610.com/article/np.log(data).diff().dropna()#对数据处理,求对数差
trans_data[5:]#取后5行
plt.figure()#得到figure对象
plt.scatter(trans_data['m1'],trans_data['unemp'])#通过scatter画出散点图
![Pandas处理DataFrame,Series进行作图](https://img.it610.com/image/info10/806a0ee8fad44b5eb36f13155a126454.jpg)
文章图片
在这里插入图片描述
推荐阅读
- Java|Java OpenCV图像处理之SIFT角点检测详解
- 事件处理程序
- 爬虫数据处理HTML转义字符
- Android|Android BLE蓝牙连接异常处理
- 【冷处理】亲子时间管理检视Day63
- C#中类的异常处理详解
- JAVA图像处理系列(四)——噪声
- Promise详解
- Python|Python 基于datetime库的日期时间数据处理
- 情感障碍的成因及处理方法