import pandas as pd import matplotlib.pyplot as plot raw_data = pd.read_csv(r'/Users/wangruihan/Desktop/time_series_covid19_confirmed_global.csv',na_values='?') #设定'?'为缺失值 #查看有哪些列 print(raw_data.columns) #查看前几行数据 print(raw_data[:10]) #检查含有缺失值的列 print(raw_data.isnull().any() ) print(raw_data.shape) #缺失值处理 print(raw_data[raw_data.isnull().values==True]) fill_na = lambda col:col.fillna('not know')#定义fill_na函数,用'not know'字符串填充缺失值 fill_data = raw_data.apply(fill_na, axis=0) #将填充后的数据赋给fill_data print(fill_data.isnull().any()) #检查是否填充成功 isDuplicated=fill_data.duplicated() #判断重复数据记录 print(isDuplicated) #初步了解数据构成 print(fill_data[fill_data['Country/Region']=='China']) data = fill_data.drop(['Province/State','Lat','Long'],axis=1) #删除属性列 data = data.groupby('Country/Region').sum() # 按Country/Region并求和 print(data.index.values) #列出全部可索引的Country/Region名称 data_us = data[data.index.isin(['US','China','United Kingdom','Italy','Germany','France'])] print(data_us) data_us.T.plot(figsize=(15,7)) #数据趋势图 最后数据趋势图不显示怎么办
时间: 2024-02-11 22:07:13 浏览: 20
如果你在Jupyter Notebook中运行这段代码并且没有看到数据趋势图,则可以在代码的最后加上`plt.show()`命令,如下所示:
```
data_us.T.plot(figsize=(15,7))
plt.show()
```
这个命令将显示图表并将其添加到Jupyter Notebook中。请注意,你需要首先导入matplotlib库,使用`import matplotlib.pyplot as plt`命令。
相关问题
import pandas as pd import matplotlib.pyplot as plt %matplotlib inline import seaborn as sns df=pd.read_csv("heart.csv")
这段代码是在Python中使用pandas和matplotlib库读取一个名为"heart.csv"的数据文件,并将其存储在名为df的变量中。然后,使用%matplotlib inline命令将图形内嵌到Notebook中,并使用seaborn库中的sns命令设置图形样式。这段代码的目的是为了准备数据以进行数据可视化和分析。
import numpy as np import pandas as pd import matplotlib.pyplot as plt
这三个库都是Python中常用的数据分析和可视化库。其中,NumPy是Python中用于科学计算的基础库,提供了高性能的多维数组和矩阵计算功能。Pandas是基于NumPy的一个数据处理库,提供了高效的数据结构和数据分析工具。Matplotlib是Python中最流行的数据可视化库之一,提供了各种绘图工具和图表类型,可以用于生成各种静态和动态的图表。
以下是一个简单的例子,展示如何使用这三个库绘制一个柱状图:
```python
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 创建数据
bar_positions = [1, 2, 3, 4]
bar_heights = [1, 2, 3, 4]
# 绘制柱状图
fig, ax = plt.subplots()
ax.bar(np.arange(len(bar_positions)), bar_heights)
# 设置x轴标签
ax.set_xticks(np.arange(len(bar_positions)))
ax.set_xticklabels(bar_positions)
# 设置y轴标签
ax.set_ylabel('Bar Heights')
# 设置图表标题
ax.set_title('A Simple Bar Chart')
# 显示图表
plt.show()
```