資訊專欄INFORMATION COLUMN
文中重要講述了python數(shù)據(jù)可視化制做帶均線系統(tǒng)的移動平均線和邊緣柱形圖，文章主題明確開展詳細(xì)的簡單介紹，具有極強的實際意義，需要的小伙伴可以學(xué)習(xí)下
一、制做帶均線系統(tǒng)的移動平均線
實現(xiàn)方案：
在移動平均線上再加上均線系統(tǒng)（線性擬合線）反映2個變量是正相關(guān)、反比或者無關(guān)聯(lián)性。
進行編號：
在移動平均線上再加上均線系統(tǒng)（線性擬合線）反映2個變量是正相關(guān)、反比或者無關(guān)聯(lián)性。藍紅2組數(shù)據(jù)信息各自設(shè)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(shù)據(jù)雜壇datasetsmpg_ggplot2.csv")
二、制做邊緣柱形圖
實現(xiàn)方案：
python制做邊緣柱形圖，用于呈現(xiàn)X和Y內(nèi)在聯(lián)系、及X和Y的單變量分布規(guī)律，主要運用于數(shù)據(jù)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(shù)據(jù)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?guī)韼椭?/p>
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/130252.html
摘要：基于此，我爬取了淘寶上多條月餅的銷售數(shù)據(jù)，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(shù)據(jù)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(dāng)我們想關(guān)注比數(shù)值本身更多的信息像數(shù)值的變化對比或異常，圖表就非常有用了。把數(shù)值轉(zhuǎn)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(jīng)常遇到的場景是，有一些數(shù)值需要定時的監(jiān)控，比如服務(wù)器的連接數(shù)、活躍用戶數(shù)、點擊某個按鈕的人數(shù)，并且通過郵件或者網(wǎng)頁展示出來。當(dāng)我們想關(guān)注比數(shù)值本身更多的信...
文中關(guān)鍵給大家介紹了python大大數(shù)據(jù)可視化matplotlib制做復(fù)式統(tǒng)計表的案例詳細(xì)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(fā)展，盡早漲薪 plt.plot()函數(shù)公式各主要參數(shù)分析 plt.plot()函數(shù)的作用是制做復(fù)式統(tǒng)計表，它主要參數(shù)有許多，常用的函數(shù)主要參數(shù)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(xù)進行可視化的工作。當(dāng)選擇集中的元素個數(shù)大于數(shù)據(jù)集中的元素個數(shù)，通過處理之后返回多出來那部分?jǐn)?shù)據(jù)的元素選擇器這時候接著執(zhí)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 923·2023-01-14 11:38
閱讀 895·2023-01-14 11:04
閱讀 756·2023-01-14 10:48
閱讀 2055·2023-01-14 10:34
閱讀 961·2023-01-14 10:24
閱讀 840·2023-01-14 10:18
閱讀 510·2023-01-14 10:09
閱讀 588·2023-01-14 10:02
