『可视化技术』Pandas数据可视化的9个要点「附案例」( 三 )
#df2.plot.hist(y='Rain')plt.show
本文插图
纵坐标的刻度可以通过bins设置
df2.plot(y='Rain', kind='hist', bins=[0,25,50,75,100,125,150,175, 200])#df2.plot.hist(y='Rain')plt.show
本文插图
多图并存
df.plot(kind='line', y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4个变量可视化 subplots=True, #多子图并存 layout=(2, 2), #子图排列2行2列 figsize=(20, 10)) #图布的尺寸plt.show
本文插图
df.plot(kind='bar', y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4个变量可视化 subplots=True, #多子图并存 layout=(2, 2), #子图排列2行2列 figsize=(20, 10)) #图布的尺寸plt.show
本文插图
加标题
给可视化起个标题
df.plot(kind='bar', y=['Tmax', 'Tmin'], #2个变量可视化 subplots=True, #多子图并存 layout=(1, 2), #子图排列1行2列 figsize=(20, 5),#图布的尺寸 title='The Weather of London') #标题plt.show
本文插图
保存结果
可视化的结果可以存储为图片文件
df.plot(kind='pie', y='Rain', legend=False, figsize=(10, 5), title='Pie of Weather in London')plt.savefig('img/pie.png')plt.show
本文插图
df.plot更多参数
df.plot(x, y, kind, figsize, title, grid, legend, style)
- x 只有dataframe对象时 ， x可用 。 横坐标
- y 同上 ， 纵坐标变量
- kind 可视化图的种类 ， 如line,hist, bar, barh, pie, kde, scatter
- figsize 画布尺寸
- title 标题
- grid 是否显示格子线条
- legend 是否显示图例
- style 图的风格
import pandas as pdhelp(pd.DataFrame.plot)
本文插图
End.
作者：大邓
来源：大邓和他的Python
本文为转载分享 ， 如侵权请联系后台删除
长按下方海报领取【数据可视化图表选择指南】
Python的另类用法——抽象工厂模式
数据运营怎么做？数据分析如何驱动用户增长？
一篇文章读懂数据分析框架！
本文插图
【『可视化技术』Pandas数据可视化的9个要点「附案例」】
推荐阅读
- 海南师范大学海南省科学技术厅谢京厅长一行赴我校调研指导重点实验室建设工作
- SENSORO升哲科技需要物联网技术来寻找新的增长点，后疫情时代下的零售业
- 做一个有趣的灵魂【搞笑动图】您看我这无人驾驶技术可还行？
- #老玩家#王者荣耀：看职业比赛学技术？老玩家忠告：不要误入歧途
- 二台格物设计的与时俱进
- ZAKERCTP、刀片、无钴……动力电池新技术的幕后黑手是谁？
- 李先生看点技术人员都要抱着电脑睡，在珠峰海拔6500米5G基站难度非常大
- 决战东方浅谈散货船的节能设计变革，舰船技术｜取消球鼻艏成为“新风潮”
- 中国财富网半导体显示技术前景广阔，134家机构调研TCL科技
- 华为■美国无奈宣告“妥协”，将采用华为5G技术，任正非果然没有说错