数据分析-Pandas如何用图把数据展示出来

数据分析-Pandas如何用图把数据展示出来

俗话说，一图胜千语，对人类而言一串数据很难立即洞察出什么，但如果展示图就能一眼看出来门道。数据整理后，如何画图，画出好的图在数据分析中成为关键的一环。

数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。数据分析过程中重新调整，重塑数据表是很重要的技巧，此处选择Titanic数据，以及巴黎、伦敦欧洲城市空气质量监测$N{O}_2$数据作为样例。

数据分析

数据分析-Pandas如何转换产生新列

数据分析-Pandas如何统计数据概况

数据分析-Pandas如何轻松处理时间序列数据

数据分析-Pandas如何选择数据子集

数据分析-Pandas如何重塑数据表-CSDN博客

经典算法

经典算法-遗传算法的python实现

经典算法-模拟退火算法的python实现

经典算法-粒子群算法的python实现-CSDN博客

LLM应用

大模型查询工具助手之股票免费查询接口

Python技巧-终端屏幕打印光标和文字控制

本文用到的样例数据：

Titanic数据

空气质量监测$N{O}_2$数据

样例代码：

源代码参考 Pandas如何重塑数据表

源代码参考 python数据分析-数据表读写到pandas

导入关键模块

import pandas as pd
import matplotlib.pyplot as plt

数据准备

仍然使用air_quality数据来举例，读取NO2数据：

In [1]: air_quality = pd.read_csv("data/air_quality_no2.csv", index_col=0, parse_dates=True)In [2]: air_quality.head()
Out[2]: station_antwerp  station_paris  station_london
datetime                                                           
2019-05-07 02:00:00              NaN            NaN            23.0
2019-05-07 03:00:00             50.5           25.0            19.0
2019-05-07 04:00:00             45.0           27.7            19.0
2019-05-07 05:00:00              NaN           50.4            16.0
2019-05-07 06:00:00              NaN           61.9             NaN

时间趋势图

拿到PM25数据，急不可耐就想画张图：

In [3]: air_quality.plot()
Out[3]: <Axes: xlabel='datetime'>In [4]: plt.show()

很简单吧，两行解决战斗，就是调用plot函数，然后显示函数show。

当然，这样就是一张图里把所有的数值类的列都给画出来了。有点太花，看不清楚。

Boss看了，要求清晰一点，清爽一点。只要巴黎的监测数据，还不是手到擒来。

In [5]: air_quality["station_paris"].plot()
Out[5]: <Axes: xlabel='datetime'>In [6]: plt.show()

只要从pandas中选择数据子集就行，然后照样调用显示函数。

同类项比较

有时候要卷一卷，就是要一较高下。如何比较两个地方的 $N{O}_2$ 的关系图呢？

In [7]: air_quality.plot.scatter(x="station_london", y="station_paris", alpha=0.5)
Out[7]: <Axes: xlabel='station_london', ylabel='station_paris'>In [8]: plt.show()

尝试下散点图，把London和Paris分别作为x，y轴。

画图plot函数默认是画曲线的，即line函数，而散点图，就需要调用对应的scatter函数。

以上代码只是一个简单示例，示例代码中的表达式可以根据实际问题进行修改。

觉得有用 收藏 收藏 收藏

点个赞 点个赞 点个赞

End

---

GPT专栏文章：

GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案

GPT实战系列-LangChain + ChatGLM3构建天气查询助手

大模型查询工具助手之股票免费查询接口

GPT实战系列-简单聊聊LangChain

GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手

GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(二)

GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型，到底做了什么？(一)

GPT实战系列-ChatGLM2模型的微调训练参数解读

GPT实战系列-如何用自己数据微调ChatGLM2模型训练

GPT实战系列-ChatGLM2部署Ubuntu+Cuda11+显存24G实战方案

GPT实战系列-Baichuan2本地化部署实战方案

GPT实战系列-Baichuan2等大模型的计算精度与量化

GPT实战系列-GPT训练的Pretraining，SFT，Reward Modeling，RLHF

GPT实战系列-探究GPT等大模型的文本生成-CSDN博客