当前位置: 首页 > news >正文

数据分析-Pandas如何画图验证数据随机性

数据分析-Pandas如何画图验证数据随机性

数据分析和处理中,难免会遇到各种数据,那么数据呈现怎样的规律呢?不管金融数据,风控数据,营销数据等等,莫不如此。如何通过图示展示数据的规律?

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 NO_2 NO2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

本文用到的样例数据:

Titanic数据

空气质量监测 N O 2 NO_2 NO2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 numpy as np
import matplotlib.pyplot as pltplt.close("all")

在pandas数据分析中,Lag_plot 的功能就是用来检测时序数据是否具有随机性。X轴, Y轴的值分别是 当前索引对应的值,和当前索引加1对应的值。

最简Lag图画法

pandas画Lag图方法最简单,只要一句语句搞定。

直接使用 series,lag_plot函数即可。

随机数据序列

spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)
data = pd.Series(0.2 * np.random.rand(1000) + 0.9 )
lag_plot(data);plt.show()
plt.close("all")

在这里插入图片描述

线性数据序列

spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)
data = pd.Series(0.2 * np.random.rand(1000) + 0.9 * spacing)lag_plot(data);plt.show()
plt.close("all")

在这里插入图片描述

正弦数据序列

spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)
data = pd.Series(0.2 * np.random.rand(1000) + 0.9 * np.sin(spacing))lag_plot(data);plt.show()
plt.close("all")

在这里插入图片描述

余弦数据序列

spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)
data = pd.Series(0.2 * np.random.rand(1000) + 0.9 * np.cos(spacing))
lag_plot(data);plt.show()
plt.close("all")

在这里插入图片描述

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。

后面介绍下其他的展示形式。

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

相关文章:

数据分析-Pandas如何画图验证数据随机性

数据分析-Pandas如何画图验证数据随机性 数据分析和处理中,难免会遇到各种数据,那么数据呈现怎样的规律呢?不管金融数据,风控数据,营销数据等等,莫不如此。如何通过图示展示数据的规律? 数据表…...

地球系统模式(CESM)

目前通用地球系统模式(Community Earth System Model,CESM)在研究地球的过去、现在和未来的气候状况中具有越来越普遍的应用。CESM由美国NCAR于2010年07月推出以来,一直受到气候学界的密切关注。近年升级的CESM2.0在大气、陆地、海…...

数据通信练习题

1.0osi七层模型 应用层 data 表示层 会话层 传输层 数据段 防火墙,端口(TCP UDP) 网络层 数据包 路由器 数据链路层 数据帧 交换机 物理层 比特流 网卡 2.IP地址分类 私有地址 A类 0--127 10.0.0.0…...

本地部署推理TextDiffuser-2:释放语言模型用于文本渲染的力量

系列文章目录 文章目录 系列文章目录一、模型下载和环境配置二、模型训练(一)训练布局规划器(二)训练扩散模型 三、模型推理(一)准备训练好的模型checkpoint(二)全参数推理&#xff…...

设计模式: 模板方法模式

文章目录 一、什么是模板方法模式二、模板方法模式结构三、优点 一、什么是模板方法模式 模板方法模式(Template Method Pattern)是一种行为设计模式,它定义了一个操作中的算法骨架,将一些步骤延迟到子类中实现。这样可以使得子类…...

C++ 打印输出十六进制数 指定占位符前面填充0

C 打印十六进制数据&#xff0c;指定数据长度&#xff0c;前面不够时&#xff0c;补充0. 代码如下&#xff1a; #include <iostream> #include <iomanip> #include <cmath>using namespace std;int main() {unsigned int id 0xc01;unsigned int testCaseId…...

基于 Win Server 2008 复现 IPC$ 漏洞

写在前面 本篇博客演示了使用 winXP&#xff08;配合部分 win10 的命令&#xff09;对 win server 2008 的 IPC$ 漏洞进行内网渗透&#xff0c;原本的实验是要求使用 win server 2003&#xff0c;使用 win server 2003 可以规避掉很多下面存在的问题&#xff0c;建议大家使用 …...

HTML笔记2

11&#xff0c;路径 <!DOCTYPE html> <html lang"en"> <head> <meta charset"UTF-8"> <meta name"viewport" content"widthdevice-width, initial-scale1.0"> <title>Document</title> <…...

使用Docker实现Jenkins+Python + Pytest +Allure 接口自动化

一、Jenkins搭建 参考《Docker 安装 Jenkins》 进入 jenkins 容器 CLI 界面 docker exec -itu root jenkins /bin/bash二、准备条件 1、替换镜像内源 为了安装wget&#xff0c;默认用yum会安装不上wget命令&#xff0c;参考文章《docker容器内如何更换yum源【只想换成国内…...

论企业安全漏洞扫描的重要性

前言 随着信息技术的迅猛发展和互联网的广泛普及&#xff0c;网络安全问题日益凸显。在这个数字化的世界里&#xff0c;无论是企业还是个人&#xff0c;都面临着前所未有的安全威胁。安全漏洞&#xff0c;作为这些威胁的源头&#xff0c;常常被忽视或无法及时发现。 而安全漏洞…...

23.网络游戏逆向分析与漏洞攻防-网络通信数据包分析工具-实现配置工具数据结构

免责声明&#xff1a;内容仅供学习参考&#xff0c;请合法利用知识&#xff0c;禁止进行违法犯罪活动&#xff01; 如果看不懂、不知道现在做的什么&#xff0c;那就跟着做完看效果 内容参考于&#xff1a;易道云信息技术研究院VIP课 上一个内容&#xff1a;22.加载配置文件…...

STM32CubeMX学习笔记20——SD卡FATFS文件系统

1. FATFS文件系统简介 文件系统是操作系统用于明确存储设备或分区上的文件的方法和数据结构&#xff08;即在存储设备上组织文件的方法&#xff09;。操作系统中负责管理和存储文件信息的软件机构称为文件管理系统&#xff0c;简称文件系统&#xff1b;不带文件系统的SD卡仅能…...

Facebook商城号为什么被封?如何防封?

由于Facebook商城的高利润空间&#xff0c;越来越多的跨境电商商家注意到它的存在。Facebook作为全球最大、用户量最大的社媒平台&#xff0c;同时也孕育了一个巨大的商业生态&#xff0c;包括广告投放、商城交易等。依托背后的大流量&#xff0c;Facebook商城起号较快&#xf…...

【教程】APP备案全攻略:确保你的应用合规上线

【教程】APP备案全攻略&#xff1a;确保你的应用合规上线 摘要 本文详细介绍了中国大陆地区互联网信息服务提供者&#xff08;AP&#xff09;进行APP备案的流程、要求和注意事项。包括备案对象、备案方式、备案内容、备案流程等方面的详细说明&#xff0c;帮助开发者顺利完成…...

Vue入门2

v-model 原理&#xff1a;v-model本质上是一个语法糖。例如应用于输入框&#xff0c;就是value属性和input事件的合写。 作用&#xff1a;提供数据的双向绑定 数据变&#xff0c;视图跟着变 :value视图变&#xff0c;数据跟着变 input 注意&#xff1a;$event用于在模板中&…...

简介:CMMI软件能力成熟度集成模型

前言 CMMI是英文Capability Maturity Model Integration的缩写。 CMMI认证简称软件能力成熟度集成模型&#xff0c;是鉴定企业在开发流程化和质量管理上的国际通行标准&#xff0c;全球软件生产标准大都以此为基点&#xff0c;并都努力争取成为CMMI认证队伍中的一分子。 对一个…...

mysql的其他问题

1.MySQL数据库作发布系统的存储&#xff0c;一天五万条以上的增量&#xff0c;预计运维三年,怎么优化&#xff1f; a. 设计良好的数据库结构&#xff0c;允许部分数据冗余&#xff0c;尽量避免join查询&#xff0c;提高效率。 b. 选择合适的表字段数据类型和存储引擎&#xf…...

数据结构---复杂度(2)

1.斐波那契数列的时间复杂度问题 每一行分别是2^0---2^1---2^2-----2^3-------------------------------------------2^(n-2) 利用错位相减法&#xff0c;可以得到结果是&#xff0c;2^(n-1)-1,其实还是要减去右下角的灰色部分&#xff0c;我们可以拿简单的数字进行举例子&…...

【设计模式】设计原则和常见的23种经典设计模式

设计模式 1. 设计原则&#xff08;记忆口诀&#xff1a;SOLID&#xff09;【记忆口诀&#xff1a;单开里依接迪合&#xff08;单开礼仪接地和&#xff09;】 &#xff08;1&#xff09;单一职责原则&#xff08;Single Responsibility Principle, SRP&#xff09; &#xff…...

Spring Cloud Gateway自定义断言

问题&#xff1a;Spring Cloud Gateway自带的断言&#xff08;Predicate&#xff09;不满足业务怎么办&#xff1f;可以自定义断言&#xff01; 先看Spring Cloud Gateway是如何实现断言的 Gateway中断言的整体架构如下&#xff1a; public abstract class AbstractRoutePred…...

Chandra OCR完整教程:从单图测试到企业级应用,全流程实战解析

Chandra OCR完整教程&#xff1a;从单图测试到企业级应用&#xff0c;全流程实战解析 1. Chandra OCR核心能力解析 Chandra OCR是Datalab.to在2025年开源的一款革命性文档识别工具&#xff0c;与传统OCR相比具有三大突破性优势&#xff1a; 布局感知&#xff1a;不仅能识别文…...

终极指南:如何用Bloxstrap重新定义你的Roblox游戏启动体验

终极指南&#xff1a;如何用Bloxstrap重新定义你的Roblox游戏启动体验 【免费下载链接】bloxstrap An alternative bootstrapper for Roblox with a bunch of extra features. 项目地址: https://gitcode.com/GitHub_Trending/bl/bloxstrap Bloxstrap是一款功能强大的第…...

MiniCPM-V-2_6错误分析:常见图文理解失败案例与修复策略汇总

MiniCPM-V-2_6错误分析&#xff1a;常见图文理解失败案例与修复策略汇总 1. 引言&#xff1a;为什么需要关注模型错误&#xff1f; 在使用MiniCPM-V-2_6进行图文理解任务时&#xff0c;即使是性能强大的模型也会遇到各种理解偏差和错误。这些错误不仅影响用户体验&#xff0c…...

【码动四季】科研绘图不再难!LabPlot 高效科研制图实战指南

目录 一、前言 1. 科研论文制图&#xff1a;不止是“画个图”&#xff0c;更是学术表达的核心 2. 优秀配置&#xff1a;科研绘图的核心需求的是什么 二、LabPlot简介 1. LabPlot是什么 2. LabPlot可以做什么 三、LabPlot实战&#xff1a;教你绘制柱状图 1. 数据准备 方…...

状态反馈极点配置实战:从可控性判断到反馈增益计算

1. 状态反馈极点配置入门指南 第一次接触状态反馈极点配置时&#xff0c;我也被那些专业术语搞得晕头转向。但后来发现&#xff0c;这其实就是给系统"调音"的过程 - 就像给音响设备调整高低音旋钮一样&#xff0c;我们可以通过调整反馈增益来改变系统的动态特性。 为…...

告别串口助手!用VOFA+和STM32的DMA串口实现高刷波形监控(附完整工程)

STM32与VOFA的高频数据可视化实战&#xff1a;DMA串口优化全解析 在嵌入式开发中&#xff0c;实时监控传感器数据或系统状态是调试过程中不可或缺的环节。传统串口助手配合printf的方式虽然简单&#xff0c;但在处理高频数据时往往力不从心——数据刷新率低、CPU占用高、波形显…...

华为企业网络实战:OSPF+VRRP+PAT+MSTP与USG防火墙综合配置指南

1. 企业网络架构设计与协议选型 在企业网络环境中&#xff0c;如何选择合适的协议组合往往决定了整个网络的稳定性和扩展性。我遇到过不少企业刚开始为了省事直接堆砌静态路由&#xff0c;结果随着业务扩展&#xff0c;维护成本呈指数级增长。华为这套OSPFVRRPPATMSTP的组合拳&…...

OPTIGA™ Trust M安全芯片Arduino开发全解析

1. OPTIGA™ Trust M 安全芯片 Arduino 库深度解析Infineon OPTIGA™ Trust M 是一款面向物联网边缘设备的高安全性硬件安全模块&#xff08;HSM&#xff09;&#xff0c;其核心价值在于将密码学能力从软件层下沉至专用安全微控制器&#xff0c;从根本上规避密钥在主MCU内存中明…...

Americhem于Chinaplas 2026宣布在华新增投资,进一步拓展其全球医疗健康业务版图

全球领先的高分子材料解决方案提供商Americhem今日宣布&#xff0c;通过在中国苏州新建一座洁净复合材料生产设施&#xff0c;进一步强化其在医疗健康领域的能力&#xff1b;同时&#xff0c;公司还将在Chinaplas 2026展会上推出多项先进材料技术。该设施预计将于2026年下半年投…...

别再手动打字了!用uniapp+科大讯飞SDK实现语音实时转文字(附完整代码)

零基础实现uniapp语音输入&#xff1a;科大讯飞流式转文字全攻略 移动应用开发中&#xff0c;语音输入功能正成为提升用户体验的关键要素。想象一下&#xff0c;用户只需按住按钮说话&#xff0c;文字就能实时出现在屏幕上——这种交互方式不仅自然高效&#xff0c;还能显著降…...