当前位置：首页 > news >正文

网站制作的步骤不包括营销课程培训视频

news 2025/8/2 17:13:00

网站制作的步骤不包括,营销课程培训视频,什么网站做推广农产品比较好,公司网站建设的目标是什么数据分析-Pandas如何用图把数据展示出来俗话说，一图胜千语，对人类而言一串数据很难立即洞察出什么，但如果展示图就能一眼看出来门道。数据整理后，如何画图，画出好的图在数据分析中成为关键的一环。数据表&#xff…

数据分析-Pandas如何用图把数据展示出来

俗话说，一图胜千语，对人类而言一串数据很难立即洞察出什么，但如果展示图就能一眼看出来门道。数据整理后，如何画图，画出好的图在数据分析中成为关键的一环。

数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。数据分析过程中重新调整，重塑数据表是很重要的技巧，此处选择Titanic数据，以及巴黎、伦敦欧洲城市空气质量监测 $NO_2$ 数据作为样例。

数据分析

数据分析-Pandas如何转换产生新列

数据分析-Pandas如何统计数据概况

数据分析-Pandas如何轻松处理时间序列数据

数据分析-Pandas如何选择数据子集

数据分析-Pandas如何重塑数据表-CSDN博客

经典算法

经典算法-遗传算法的python实现

经典算法-模拟退火算法的python实现

经典算法-粒子群算法的python实现-CSDN博客

LLM应用

大模型查询工具助手之股票免费查询接口

Python技巧-终端屏幕打印光标和文字控制

本文用到的样例数据：

Titanic数据

空气质量监测 $NO_2$ 数据

样例代码：

源代码参考 Pandas如何重塑数据表

源代码参考 python数据分析-数据表读写到pandas

导入关键模块

import pandas as pd
import matplotlib.pyplot as plt

数据准备

仍然使用air_quality数据来举例，读取NO2数据：

In [1]: air_quality = pd.read_csv("data/air_quality_no2.csv", index_col=0, parse_dates=True)In [2]: air_quality.head()
Out[2]: station_antwerp  station_paris  station_london
datetime                                                           
2019-05-07 02:00:00              NaN            NaN            23.0
2019-05-07 03:00:00             50.5           25.0            19.0
2019-05-07 04:00:00             45.0           27.7            19.0
2019-05-07 05:00:00              NaN           50.4            16.0
2019-05-07 06:00:00              NaN           61.9             NaN

时间趋势图

拿到PM25数据，急不可耐就想画张图：

In [3]: air_quality.plot()
Out[3]: <Axes: xlabel='datetime'>In [4]: plt.show()

在这里插入图片描述

很简单吧，两行解决战斗，就是调用plot函数，然后显示函数show。

当然，这样就是一张图里把所有的数值类的列都给画出来了。有点太花，看不清楚。

Boss看了，要求清晰一点，清爽一点。只要巴黎的监测数据，还不是手到擒来。

In [5]: air_quality["station_paris"].plot()
Out[5]: <Axes: xlabel='datetime'>In [6]: plt.show()

在这里插入图片描述

只要从pandas中选择数据子集就行，然后照样调用显示函数。

同类项比较

有时候要卷一卷，就是要一较高下。如何比较两个地方的 $NO_2$ 的关系图呢？

In [7]: air_quality.plot.scatter(x="station_london", y="station_paris", alpha=0.5)
Out[7]: <Axes: xlabel='station_london', ylabel='station_paris'>In [8]: plt.show()