<acronym id="s8ci2"><small id="s8ci2"></small></acronym>
<rt id="s8ci2"></rt><rt id="s8ci2"><optgroup id="s8ci2"></optgroup></rt>
<acronym id="s8ci2"></acronym>
<acronym id="s8ci2"><center id="s8ci2"></center></acronym>
0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

Pandas:Python中強大方便的繪圖功能

科技綠洲 ? 來源:Python實用寶典 ? 作者:Python實用寶典 ? 2023-11-03 11:04 ? 次閱讀

Pandas是Python中非常常用的數據處理工具,使用起來非常方便。由于建立在NumPy數組結構之上,所以它的很多操作通過NumPy或者Pandas自帶的擴展模塊編寫,這些模塊用Cython編寫并編譯到C,并且在C上執行,因此也保證了處理速度。不過我們今天的重點不在于它的處理速度,而是它和matplotlib合作產生的強大且方便的繪圖功能。

到底有多強呢?讓我們來體會一下。

1.創建數據

使用pandas可以很方便地進行數據創建,現在讓我們創建一個5列1000行的pandas DataFrame:

圖片

  • a1和a2:從正態(高斯)分布中抽取的隨機樣本。
  • a3:0到4中的隨機整數。
  • y1:0到1的對數刻度均勻分布。
  • y2:0到1中的隨機整數。

生成如下所示的數據,這些數據將會用到后續的實驗上哦:

圖片

2.繪制圖像

Pandas 繪圖函數返回一個matplotlib的坐標軸(Axes),所以我們可以在上面自定義繪制我們所需要的內容。比如說畫一條垂線和平行線。這將非常有利于我們:

1.繪制平均線

2.標記重點的點

圖片

圖片

我們還可以自定義一張圖上顯示多少個表:

圖片

圖片

3.繪制直方圖

Pandas能夠讓我們用非常簡單的方式獲得兩個圖形的形狀對比:

圖片

圖片

還能允許多圖繪制:

圖片

當然,折線圖也不在話下:

圖片

圖片

4.線性擬合

你以為這就結束了嗎?不!Pandas還能用于擬合,讓我們用pandas找出一條與下圖最接近的直線:

圖片

最小二乘法計算和該直線最短距離:

圖片

根據最小二乘的結果繪制y并擬合出直線:

圖片

圖片

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 數據處理
    +關注

    關注

    0

    文章

    509

    瀏覽量

    28247
  • 編譯
    +關注

    關注

    0

    文章

    615

    瀏覽量

    32392
  • python
    +關注

    關注

    51

    文章

    4675

    瀏覽量

    83466
收藏 人收藏

    評論

    相關推薦

    Python2D繪圖庫Matplotlib會用嗎?

    Matplotlib是一個Python語言的2D繪圖庫,它支持各種平臺,并且功能強大,能夠輕易繪制出各種專業的圖像。本文是對它的一個入門教程。
    的頭像 發表于 08-06 09:09 ?2972次閱讀
    <b class='flag-5'>Python</b>2D<b class='flag-5'>繪圖</b>庫Matplotlib會用嗎?

    Python利用pandas讀寫Excel文件

    使用pandas模塊讀取Excel文件可以更為方便和快捷。pandas可以將Excel文件讀取為一個DataFrame對象,方便進行數據處理和分析。
    的頭像 發表于 12-16 11:22 ?596次閱讀
    <b class='flag-5'>Python</b>利用<b class='flag-5'>pandas</b>讀寫Excel文件

    python數據分析的類庫

    ,因為它太重要了.Pandas庫提供了我們很多函數,能夠快速的方便的,處理結構化的大型數據,不夸張的說,Pandas是讓Python成為強大
    發表于 05-10 15:18

    Pandas的四種繪圖函數

    數據可視化(三):Pandas繪圖函數
    發表于 09-04 09:04

    pandas和seaborn繪圖方法

    《利用Python進行數據分析》 92 使用pandas和seaborn繪圖
    發表于 10-28 10:25

    請問Python如何實現vlookup函數的功能?

    vlookup函數功能非常強大,那在Python如何實現?
    發表于 11-06 06:11

    Python機器學習入門之pandas的使用提示

    系列文章目錄提示:這里可以添加系列文章的所有文章的目錄,目錄需要自己手動添加例如:第一章 Python 機器學習入門之pandas的使用提示:寫完文章后,目錄可以自動生成,如何生成可參考右邊的幫助
    發表于 08-13 07:36

    pandas是什么?

    嵌入式系統開發之道提示:這里可以添加系列文章的所有文章的目錄,目錄需要自己手動添加例如:第一章 Python 機器學習入門之pandas的使用提示:寫完文章后,目錄可以自動生成,如何生成可參考右邊
    發表于 12-24 08:05

    使用Pandas的定制功能來幫助我們自定義內容的顯示方式

    Pandas是一個在數據科學中常用的功能強大Python庫。它可以從各種來源加載和操作數據集。當使用Pandas時,默認選項就已經適合大多數人了。但是在某些情況下,我們可能希望更改所
    發表于 12-19 17:03

    pandas的快速入門介紹

    快速便捷地處理數據的函數和方法。你很快就會發現,它是使Python成為強大而高效的數據分析環境的重要因素之一。
    發表于 06-03 08:00 ?0次下載
    <b class='flag-5'>pandas</b>的快速入門介紹

    Python工具pandas篩選數據的15個常用技巧

    pandasPython數據分析必備工具,它有強大的數據清洗能力,往往能用非常少的代碼實現較復雜的數據處理 今天,總結了pandas篩選數據的15個常用技巧,主要包括5個知識點: 比
    的頭像 發表于 03-30 10:44 ?2622次閱讀
    <b class='flag-5'>Python</b>工具<b class='flag-5'>pandas</b>篩選數據的15個常用技巧

    詳解Python中的Pandas和Numpy庫

    pandas、numpy是Python數據科學中非常常用的庫,numpy是Python的數值計算擴展,專門用來處理矩陣,它的運算效率比列表更高效。
    的頭像 發表于 05-25 12:49 ?1970次閱讀

    一文解析開源Python 繪圖庫 Plotly

    plotly 的 Python 軟件包是一個開源的代碼庫,它基于 plot.js,而后者基于 d3.js。我們實際使用的則是一個對 plotly 進行封裝的庫,名叫 cufflinks,它能讓你更方便地使用 plotly 和 Panda
    發表于 11-25 11:09 ?381次閱讀

    Python Pandas如何來管理結構化數據

    Python Pandas是一個為Python編程提供數據操作和分析功能的開源工具包。這個庫已經成為數據科學家和分析師的必備工具。它提供了一種有效的方法來管理結構化數據(Series
    的頭像 發表于 05-25 11:22 ?457次閱讀
    <b class='flag-5'>Python</b> <b class='flag-5'>Pandas</b>如何來管理結構化數據

    如何使用Pythonpandas庫讀取、寫入文件

    在本文中,我將介紹如何使用 Pythonpandas 庫讀取、寫入文件。 1、安裝 pip install pandas 2、讀取 import pandas as pd df
    的頭像 發表于 09-11 17:52 ?785次閱讀
    亚洲欧美日韩精品久久_久久精品AⅤ无码中文_日本中文字幕有码在线播放_亚洲视频高清不卡在线观看
    <acronym id="s8ci2"><small id="s8ci2"></small></acronym>
    <rt id="s8ci2"></rt><rt id="s8ci2"><optgroup id="s8ci2"></optgroup></rt>
    <acronym id="s8ci2"></acronym>
    <acronym id="s8ci2"><center id="s8ci2"></center></acronym>