Directorio artículo
1. Introducción
En primer lugar, tenemos que utilizar el módulo de importación, además de los pandas, también tenemos que numpy uso para generar algunos datos, matplotlib usa en esta sección sólo se utiliza para mostrar las imágenes de ese plt.show ().
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
Visualización 2.Series
Este es un dato lineal, se genera aleatoriamente los datos de 1000, el índice predeterminado de la serie es un número entero de 0 a empezar, pero aquí asignación explícita con el fin de dejar que todos vean más claramente
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data = pd.Series(np.random.randn(100),index=np.arange(100)) # 随机生成1000个数据服从标准正太分布
data.cumsum() # 为了方便观看效果, 我们累加这个数据
data.plot() # pandas 数据可以直接观看其可视化形式
plt.show()
Matplotlib amigos familiares saben si necesita un conjunto de datos de la trama, podemos utilizar plt.plot (x =, y =), los datos x, y como un depósito en el parámetro, pero los propios datos es un conjunto de datos, por lo que directamente puede trazar.
Visualización 3.Dataframe
Generamos una trama de datos 100 * 4, y se acumulan
data = pd.DataFrame(np.random.randn(100,4),index=np.arange(100),columns=list("ABCD"))
data.cumsum()
print(data)
data.plot()
plt.show()
Esto es lo que acabamos de crear Columna 4 de los datos, porque hay cuatro conjuntos de datos, los cuatro conjuntos de datos se salen cada parcela.
4. pintura de dispersión
Sobre todo hablar de la trama y de dispersión. Scatter sólo por x, y dos propiedades, podemos dar nuestra respectiva x, y especifica los datos
ax = data.plot.scatter(x='A',y='B',color='DarkBlue',label='Class1')
# 将之下这个 data 画在上一个 ax 上面
data.plot.scatter(x='A',y='C',color='LightGreen',label='Class2',ax=ax)
plt.show()
