python 数据分析

1.pd.read_csv（“文件名.csv”）
返回数据类型：DataFrame：二维标记数据结构，列可以是不同的数据类型
代码将有列索引但没有行索引的数据，read_csv会自动添加上行索引（即使原数据有行索引）。
可选参数
1 names 指定列索引的名字
2 header
header=None 即指明原始文件数据没有列索引

obj_2=pd.read_csv('f:/ceshi.csv',header=None,names=range(2,5))
print obj_2

    2   3   4
0  c1  c2  c3
1   0   5  10
2   1   6  11
3   2   7  12
4   3   8  13
5   4   9  14

作者：yuanCruise
链接：https://www.jianshu.com/p/9c12fb248ccc
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。

header=0
表示文件第0行（即第一行，索引从0开始）为列索引，这样加names会替换原来的列索引。

obj_2=pd.read_csv('f:/ceshi.csv',header=0,names=range(2,5))
print obj_2

   2  3   4
0  0  5  10
1  1  6  11
2  2  7  12
3  3  8  13
4  4  9  14

2.grid=sns.facegrid(dataframe,row=(按行分的标签)，col（按列分的标签），hue=（同一个图上不同的类型，size=图的大小)
grid.map(画图方法，横坐标，（纵坐标（如果需要）），（同一图上不同类型）)
grid.add_legend() 加同一张表上不同类型数据的图例

grid = sns.FacetGrid(data_all, row='Sex', col='Pclass',
                     hue='Survived', palette='seismic', size=4)
grid.map(sns.countplot, 'Embarked', alpha=0.8)
grid.add_legend() hue
--------------------- 
作者：李威威 
来源：CSDN 
原文：https://blog.csdn.net/lw_power/article/details/82995772 
版权声明：本文为博主原创文章，转载请附上博文链接！

在这里插入图片描述

grid = sns.FacetGrid(train_df, row='Embarked', size=2.2, aspect=1.6)
grid.map(sns.pointplot, 'Pclass', 'Survived', 'Sex', palette='deep')
grid.add_legend()
#探索Embarked和survived之间的影响关系

在这里插入图片描述

sns.FacetGrid(dataset, hue= 'Species', size = 5).map(plt.scatter, 'sepal length', 'sepal width').add_legend()

在这里插入图片描述

'''描述sepal length和类别之间的关系 FacetGrid，根据'''
g = sns.FacetGrid(dataset, col = 'Species')
g.map(plt.hist, 'sepal length', bins = 20)

bins 图分成多少段
在这里插入图片描述

猜你喜欢