文中重要講述了python數據可視化制做帶均線系統的移動平均線和邊緣柱形圖,文章主題明確開展詳細的簡單介紹,具有極強的實際意義,需要的小伙伴可以學習下
一、制做帶均線系統的移動平均線
實現方案:
在移動平均線上再加上均線系統(線性擬合線)反映2個變量是正相關、反比或者無關聯性。
進行編號:
在移動平均線上再加上均線系統(線性擬合線)反映2個變量是正相關、反比或者無關聯性。藍紅2組數據信息各自設計出最理想的線性擬合線。
import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings(action='once') plt.style.use('seaborn-whitegrid') sns.set_style("whitegrid") print(mpl.__version__) print(sns.__version__) def draw_scatter(file): #Import Data df=pd.read_csv(file) df_select=df.loc[df.cyl.isin([4,8]),:] #Plot gridobj=sns.lmplot( x="displ", y="hwy", hue="cyl", data=df_select, height=7, aspect=1.6, palette='Set1', scatter_kws=dict(s=60,linewidths=.7,edgecolors='black')) #Decorations sns.set(style="whitegrid",font_scale=1.5) gridobj.set(xlim=(0.5,7.5),ylim=(10,50)) gridobj.fig.set_size_inches(10,6) plt.tight_layout() plt.title("Scatterplot with line of best fit grouped by number of cylinders") plt.show() draw_scatter("F:數據雜壇datasetsmpg_ggplot2.csv")
二、制做邊緣柱形圖
實現方案:
python制做邊緣柱形圖,用于呈現X和Y內在聯系、及X和Y的單變量分布規律,主要運用于數據探索分析。
進行編號:
import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings(action='once') plt.style.use('seaborn-whitegrid') sns.set_style("whitegrid") print(mpl.__version__) print(sns.__version__) def draw_Marginal_Histogram(file): #Import Data df=pd.read_csv(file) #Create Fig and gridspec fig=plt.figure(figsize=(10,6),dpi=100) grid=plt.GridSpec(4,4,hspace=0.5,wspace=0.2) #Define the axes ax_main=fig.add_subplot(grid[:-1,:-1]) ax_right=fig.add_subplot(grid[:-1,-1],xticklabels=[],yticklabels=[]) ax_bottom=fig.add_subplot(grid[-1,0:-1],xticklabels=[],yticklabels=[]) #Scatterplot on main ax ax_main.scatter('displ', 'hwy', s=df.cty*4, c=df.manufacturer.astype('category').cat.codes, alpha=.9, data=df, cmap="Set1", edgecolors='gray', linewidths=.5) #histogram on the right ax_bottom.hist(df.displ, 40, histtype='stepfilled', orientation='vertical', color='#098154') ax_bottom.invert_yaxis() #histogram in the bottom ax_right.hist(df.hwy, 40, histtype='stepfilled', orientation='horizontal', color='#098154') #Decorations ax_main.set(title='Scatterplot with Histogramsn displ vs hwy', xlabel='displ', ylabel='hwy') ax_main.title.set_fontsize(10) for item in([ax_main.xaxis.label,ax_main.yaxis.label]+ ax_main.get_xticklabels()+ax_main.get_yticklabels()): item.set_fontsize(10) xlabels=ax_main.get_xticks().tolist() ax_main.set_xticklabels(xlabels) plt.show() draw_Marginal_Histogram("F:數據雜壇datasetsmpg_ggplot2.csv")
綜上所述,這篇文章就給大家介紹到這里了,希望可以給大家帶來幫助。
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://m.specialneedsforspecialkids.com/yun/130252.html
摘要:基于此,我爬取了淘寶上多條月餅的銷售數據,為大家展示了一幅漂亮的可視化大屏,解決大家心目中的問題。模塊的安裝與配置這次爬取淘寶,采用的是最簡單的方式控制瀏覽器進行自動化操作,中途只需要掃碼登陸一次,即可完成整個數據的爬取。 ...
摘要:圖表是比干巴巴的表格更直觀的表達,簡潔有力。當我們想關注比數值本身更多的信息像數值的變化對比或異常,圖表就非常有用了。把數值轉化為圖片要依賴第三方庫的幫忙,在之中最好的圖表庫叫。 圖表是比干巴巴的表格更直觀的表達,簡潔、有力。工作中經常遇到的場景是,有一些數值需要定時的監控,比如服務器的連接數、活躍用戶數、點擊某個按鈕的人數,并且通過郵件或者網頁展示出來。當我們想關注比數值本身更多的信...
文中關鍵給大家介紹了python大大數據可視化matplotlib制做復式統計表的案例詳細說明,感興趣的小伙伴可以參考借鑒一下,希望可以有一定的幫助,祝愿大家多多的發展,盡早漲薪 plt.plot()函數公式各主要參數分析 plt.plot()函數的作用是制做復式統計表,它主要參數有許多,常用的函數主要參數如下所示: plt.plot(x,y,color,linestyle,linewi...
摘要:簡單理解后的元素需要繼續進行可視化的工作。當選擇集中的元素個數大于數據集中的元素個數,通過處理之后返回多出來那部分數據的元素選擇器這時候接著執行那就是在上了。簡單理解后返回的是一個選擇集,即多出來的那部分元素。 d3簡單理解就是通過在svg畫布上繪制基本圖形,本文將介紹d3繪制基本的柱形圖 繪制畫布 import * as d3 from d3; var width=300;//svg...
閱讀 919·2023-01-14 11:38
閱讀 891·2023-01-14 11:04
閱讀 750·2023-01-14 10:48
閱讀 2039·2023-01-14 10:34
閱讀 956·2023-01-14 10:24
閱讀 833·2023-01-14 10:18
閱讀 506·2023-01-14 10:09
閱讀 583·2023-01-14 10:02