Python数据分析:手把手教你用Pandas生成可视化图表的教程_cifar - CSDN文库

可视化图表

149 浏览量更新于2023-05-10 评论 1 收藏 222KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Python数据分析数据分析:手把手教你用手把手教你用Pandas生成可视化图表的教程生成可视化图表的教程

今天小编就为大家分享一篇Python数据分析:手把手教你用Pandas生成可视化图表的教程，具有很好的参考价

值，希望对大家有所帮助。一起跟随小编过来看看吧

大家都知道，Matplotlib 是众多 Python 可视化包的鼻祖，也是Python最常用的标准可视化库，其功能非常强大，同时也非常

复杂，想要搞明白并非易事。但自从Python进入3.0时代以后，pandas的使用变得更加普及，它的身影经常见于市场分析、爬

虫、金融分析以及科学计算中。

作为数据分析工具的集大成者，pandas作者曾说，pandas中的可视化功能比plt更加简便和功能强大。实际上，如果是对图表

细节有极高要求，那么建议大家使用matplotlib通过底层图表模块进行编码。当然，我们大部分人在工作中是不会有这样变态

的要求的，所以一句import pandas as pd就足够应付全部的可视化工作了。

下面，我们总结一下PD库的一些使用方法和入门技巧。

一、线型图一、线型图

对于pandas的内置数据类型，Series 和 DataFrame 都有一个用于生成各类图表的 plot 方法。默认情况下，它们所生成的是

线型图。其实Series和DataFrame上的这个功能只是使用matplotlib库的plot()方法的简单包装实现。参考以下示例代码 -

import pandas as pd

import numpy as np

df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('2018/12/18',

periods=10), columns=list('ABCD'))

df.plot()

执行上面示例代码，得到以下结果 -

如果索引由日期组成，则调用gct().autofmt_xdate()来格式化x轴，如上图所示。

我们可以使用x和y关键字绘制一列与另一列。

s = Series( np. random. randn( 10). cumsum(), index= np. arange( 0, 100, 10))

s. plot()

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余5页未读，立即下载

评论0

weixin_38607195

粉丝: 17
资源: 925

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈