Python酷库之旅-第三方库Pandas(138)

news2024/10/9 12:35:44

目录

一、用法精讲

621、pandas.plotting.lag_plot方法

621-1、语法

621-2、参数

621-3、功能

621-4、返回值

621-5、说明

621-6、用法

621-6-1、数据准备

621-6-2、代码示例

621-6-3、结果输出

622、pandas.plotting.parallel_coordinates方法

622-1、语法

622-2、参数

622-3、功能

622-4、返回值

622-5、说明

622-6、用法

622-6-1、数据准备

622-6-2、代码示例

622-6-3、结果输出

623、pandas.plotting.plot_params方法

623-1、语法

623-2、参数

623-3、功能

623-4、返回值

623-5、说明

623-6、用法

623-6-1、数据准备

623-6-2、代码示例

623-6-3、结果输出

624、pandas.plotting.radviz方法

624-1、语法

624-2、参数

624-3、功能

624-4、返回值

624-5、说明

624-6、用法

624-6-1、数据准备

624-6-2、代码示例

624-6-3、结果输出

625、pandas.plotting.register_matplotlib_converters方法

625-1、语法

625-2、参数

625-3、功能

625-4、返回值

625-5、说明

625-6、用法

625-6-1、数据准备

625-6-2、代码示例

625-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

621、pandas.plotting.lag_plot方法
621-1、语法
# 621、pandas.plotting.lag_plot方法
pandas.plotting.lag_plot(series, lag=1, ax=None, **kwds)
Lag plot for time series.

Parameters:
series
Series
The time series to visualize.

lag
int, default 1
Lag length of the scatter plot.

ax
Matplotlib axis object, optional
The matplotlib axis object to use.

**kwds
Matplotlib scatter method keyword arguments.

Returns:
matplotlib.axes.Axes.
621-2、参数

621-2-1、series(必须)：series，表示要绘制滞后图的Pandas序列(Series)。

621-2-2、lag(可选，默认值为1)：整数，表示滞后量，即当前值与前多少个时间点的值进行比较。默认值为1，表示与上一个时间点比较。

621-2-3、ax(可选，默认值为None)：matplotlib.axes.Axes，表示绘图的matplotlib轴对象，如果不提供，则使用当前活动的轴或创建一个新的轴。

621-2-4、**kwds(可选)：其他关键字参数，这些参数将被传递给底层的绘图函数(如matplotlib.pyplot.scatter或matplotlib.pyplot.plot)，允许用户自定义图形的外观，如颜色、标记样式等。

621-3、功能

        滞后图通过绘制序列的当前值(y轴)与其滞后值(x轴)的散点图来工作，如果数据中存在某种模式(如周期性或趋势)，则这些模式可能会在滞后图中表现为某种形状(如直线、曲线或循环)。

621-4、返回值

        返回包含滞后图的matplotlib轴对象，这允许用户进一步自定义图形，如添加标题、标签或调整轴的范围。

621-5、说明

        无

621-6、用法
621-6-1、数据准备
无
621-6-2、代码示例
# 621、pandas.plotting.lag_plot方法
import pandas as pd
import matplotlib.pyplot as plt
# 创建一个示例时间序列数据
data = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
# 使用lag_plot绘制滞后图，滞后量为1
pd.plotting.lag_plot(data, lag=1)
# 显示图形
plt.show()
621-6-3、结果输出
# 621、pandas.plotting.lag_plot方法
见图1

图1：

 

622、pandas.plotting.parallel_coordinates方法
622-1、语法
# 622、pandas.plotting.parallel_coordinates方法
pandas.plotting.parallel_coordinates(frame, class_column, cols=None, ax=None, color=None, use_columns=False, xticks=None, colormap=None, axvlines=True, axvlines_kwds=None, sort_labels=False, **kwargs)
Parallel coordinates plotting.

Parameters:
frame
DataFrame
class_column
str
Column name containing class names.

cols
list, optional
A list of column names to use.

ax
matplotlib.axis, optional
Matplotlib axis object.

color
list or tuple, optional
Colors to use for the different classes.

use_columns
bool, optional
If true, columns will be used as xticks.

xticks
list or tuple, optional
A list of values to use for xticks.

colormap
str or matplotlib colormap, default None
Colormap to use for line colors.

axvlines
bool, optional
If true, vertical lines will be added at each xtick.

axvlines_kwds
keywords, optional
Options to be passed to axvline method for vertical lines.

sort_labels
bool, default False
Sort class_column labels, useful when assigning colors.

**kwargs
Options to pass to matplotlib plotting method.

Returns:
matplotlib.axes.Axes.
622-2、参数

622-2-1、frame(必须)：DataFrame，表示要绘制平行坐标图的数据框(DataFrame)。

622-2-2、class_column(必须)：字符串或整数，表示数据框中用于区分不同类别的列名(或列索引)，该参数是可选的，但如果提供了，它将用于为不同类别的数据点着色。

622-2-3、cols(可选，默认值为None)：list-like，表示要在图中显示的列名(或列索引)列表，如果不提供，将使用数据框中除class_column之外的所有列。

622-2-4、ax(可选，默认值为None)：matplotlib.axes.Axes，表示绘图的matplotlib轴对象，如果不提供，则使用当前活动的轴或创建一个新的轴。

622-2-5、color(可选，默认值为None)：list-like或array-like，用于指定每个数据点颜色的列表或数组，如果提供了class_column，则通常不需要这个参数，因为颜色会自动根据类别分配。

622-2-6、use_columns(可选，默认值为False)：布尔值，如果为True，则使用cols参数中的列名作为x轴的刻度标签，而不是使用列的索引位置。

622-2-7、xticks(可选，默认值为None)：list-like，自定义x轴的刻度位置，这可以用于调整刻度标签的显示。

622-2-8、colormap(可选，默认值为None)：str或Colormap，用于映射类别到颜色的颜色映射表，如果提供了class_column，则可以使用这个参数来自定义颜色映射。

622-2-9、axvlines(可选，默认值为True)：布尔值，是否在每个类别的每个维度上绘制垂直线，以突出显示类别之间的分隔。

622-2-10、axvlines_kwds(可选，默认值为None)：字典，用于绘制垂直线的关键字参数字典，这些参数将被传递给matplotlib.pyplot.axvline函数。

622-2-11、sort_labels(可选，默认值为False)：布尔值，是否对类别标签进行排序，如果为True，则类别标签将按字母顺序(对于字符串)或数值顺序(对于数字)排序。

622-2-12、**kwargs(可选)：其他关键字参数，这些参数将被传递给底层的绘图函数，允许用户自定义图形的外观，如线条样式、标记样式等。

622-3、功能

        平行坐标图主要用于多维数据的可视化，通过连接不同维度上的数据点来揭示数据之间的关联和模式，它可以用于数据探索、聚类分析、特征选择等场景。

622-4、返回值

        返回包含平行坐标图的matplotlib轴对象，这允许用户进一步自定义图形，如添加标题、标签、图例或调整轴的范围和刻度。

622-5、说明

        无

622-6、用法
622-6-1、数据准备
无
622-6-2、代码示例
# 622、pandas.plotting.parallel_coordinates方法
import pandas as pd
import matplotlib.pyplot as plt
from pandas.plotting import parallel_coordinates
# 创建一个示例数据框
data = {
    'feature1': [1, 2, 3, 4, 5],
    'feature2': [5, 4, 3, 2, 1],
    'feature3': [2, 3, 4, 5, 6],
    'class': ['A', 'A', 'B', 'B', 'C']
}
df = pd.DataFrame(data)
# 绘制平行坐标图
parallel_coordinates(df, 'class', colormap='viridis')
# 显示图形
plt.show()
622-6-3、结果输出
# 622、pandas.plotting.parallel_coordinates方法
见图2

图2：

 

623、pandas.plotting.plot_params方法
623-1、语法
# 623、pandas.plotting.plot_params方法
pandas.plotting.plot_params = {'xaxis.compat': False}
Stores pandas plotting options.

Allows for parameter aliasing so you can just use parameter names that are the same as the plot function parameters, but is stored in a canonical format that makes it easy to breakdown into groups later.
623-2、参数

623-2-1、xaxis.compat(可选，默认值为False)：

  • 这个参数控制x轴的兼容性模式，当设置为True时，Pandas会尝试使x轴的标签与Matplotlib的默认行为兼容。这通常意味着，如果x轴是日期时间类型，Pandas会尝试以Matplotlib的默认方式格式化日期时间标签。然而，这种兼容性模式有时可能会导致意外的行为，特别是当Pandas和Matplotlib的版本不同步时。
  • 当设置为False时，Pandas会使用自己的方式来处理x轴的标签，这通常意味着更直接和可预测的行为，特别是当处理日期时间数据时。
623-3、功能

        允许用户全局设置绘图参数，从而简化了绘图过程，通过修改这个字典中的值，用户可以改变Pandas绘图函数的默认行为，而无需在每次调用时都传递额外的参数。

623-4、返回值

        用于存储全局绘图参数，修改这个字典不会返回任何值；相反，它会改变Pandas绘图函数的默认行为。

623-5、说明

        无

623-6、用法
623-6-1、数据准备
无
623-6-2、代码示例
# 623、pandas.plotting.plot_params方法
import pandas as pd
import matplotlib.pyplot as plt
# 设置全局绘图参数
pd.plotting.plot_params['xaxis.compat'] = False
# 创建一个示例数据框
df = pd.DataFrame({
    'Date': pd.date_range(start='2024-01-01', periods=10, freq='D'),
    'Value': range(10)
})
# 将日期列设置为索引
df.set_index('Date', inplace=True)
# 绘制折线图
df.plot()
# 显示图形
plt.show()
623-6-3、结果输出
# 623、pandas.plotting.plot_params方法
见图3

图3：

 

624、pandas.plotting.radviz方法
624-1、语法
# 624、pandas.plotting.radviz方法
pandas.plotting.radviz(frame, class_column, ax=None, color=None, colormap=None, **kwds)
Plot a multidimensional dataset in 2D.

Each Series in the DataFrame is represented as a evenly distributed slice on a circle. Each data point is rendered in the circle according to the value on each Series. Highly correlated Series in the DataFrame are placed closer on the unit circle.

RadViz allow to project a N-dimensional data set into a 2D space where the influence of each dimension can be interpreted as a balance between the influence of all dimensions.

More info available at the original article describing RadViz.

Parameters:
frameDataFrame
Object holding the data.

class_columnstr
Column name containing the name of the data point category.

axmatplotlib.axes.Axes, optional
A plot instance to which to add the information.

colorlist[str] or tuple[str], optional
Assign a color to each category. Example: [‘blue’, ‘green’].

colormapstr or matplotlib.colors.Colormap, default None
Colormap to select colors from. If string, load colormap with that name from matplotlib.

**kwds
Options to pass to matplotlib scatter plotting method.

Returns:
matplotlib.axes.Axes.
624-2、参数

624-2-1、frame(必须)：DataFrame，包含要可视化的数据，通常为一个pandas的DataFrame，其中每一列代表一个维度，行代表样本。

624-2-2、class_column(必须)：字符串，指定DataFrame中用于分类的数据列名，用于区分不同的类别。

624-2-3、ax(可选，默认值为None)：matplotlib.axes.Axes或None，表示可选择的轴对象，如果提供，则在该轴上绘图；如果为None，将会自动创建一个新的图形。

624-2-4、color(可选，默认值为None)：字符串或列表或字典，用于指定不同类别的颜色，可以是颜色名、十六进制颜色代码，或是一个字典映射类别到颜色的值。

624-2-5、colormap(可选，默认值为None)：matplotlib Colormap，如果指定了色彩映射，则使用该映射为数据着色，一般在需要为连续值着色时使用。

624-2-6、**kwds(可选)：其他关键字参数，通常用于控制绘图的细节，例如：marker、s(大小)等 matplotlib 参数。

624-3、功能

        通过径向坐标系展示高维数据，使得不同类别的样本可以通过颜色和分布形状直观区分，它可以揭示数据的模式、聚类情况及类别之间的关系。

624-4、返回值

        返回绘制图形的Axes对象，便于后续的进一步操作和调整。

624-5、说明

        无

624-6、用法
624-6-1、数据准备
无
624-6-2、代码示例
# 624、pandas.plotting.radviz方法
import pandas as pd
import matplotlib.pyplot as plt
# 示例数据
data = {
    'feature1': [1, 2, 3, 4],
    'feature2': [4, 3, 2, 1],
    'class': ['A', 'B', 'A', 'B']
}
df = pd.DataFrame(data)
# 使用radviz可视化
ax = pd.plotting.radviz(df, 'class', color=['red', 'blue'])
plt.show()
624-6-3、结果输出
# 624、pandas.plotting.radviz方法
见图4

图4：

 

625、pandas.plotting.register_matplotlib_converters方法
625-1、语法
# 625、pandas.plotting.register_matplotlib_converters方法
pandas.plotting.register_matplotlib_converters()
Register pandas formatters and converters with matplotlib.

This function modifies the global matplotlib.units.registry dictionary. pandas adds custom converters for

pd.Timestamp

pd.Period

np.datetime64

datetime.datetime

datetime.date

datetime.time
625-2、参数

        无

625-3、功能

        自动注册pandas的日期时间转换器，以便在Matplotlib中正确渲染时间序列数据。这样，日期和时间类型的数据可以分配到合适的轴上，通过调用这个函数，可以确保在使用Matplotlib绘制含有日期时间数据的图表时，绘图函数能够正确处理pandas的Timestamp或DatatimeIndex类型，而不会出现类型不匹配的问题。

625-4、返回值

        该函数不返回任何值，它的效果是通过修改全局环境来确保后续的绘图操作与时间序列数据保持良好的兼容性。

625-5、说明

        无

625-6、用法
625-6-1、数据准备
无
625-6-2、代码示例
# 625、pandas.plotting.register_matplotlib_converters方法
import pandas as pd
import matplotlib.pyplot as plt
# 注册时间序列转换器
pd.plotting.register_matplotlib_converters()
# 示例数据
dates = pd.date_range('2024-01-01', periods=5)
values = [1, 2, 3, 4, 5]
data = pd.Series(values, index=dates)
# 绘制图形
data.plot()
plt.show()
625-6-3、结果输出
# 625、pandas.plotting.register_matplotlib_converters方法
见图5

图5：

 

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2199041.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

labview和QT编程

labview和QT编程

Labview LabView所面向的并非传统意义上的程序员。他的所有功能都可以通过组合某些组件来完成。程序的流程控制，【www.zhugedz.com】比如循环之类的也是通过画图一样的操作来做的。 所有的程序功能几乎都可以通过鼠标来构造出来。优点是做一个能运行的程序非常简单…
阅读更多...
有关环境变量的一些话题-----环境变量的分类

有关环境变量的一些话题-----环境变量的分类

配置环境变量的文件： 环境变量的分类： 环境变量加载顺序 一般添加系统环境变量，修改/etc/profile文件，如果操作失误，删除重要配置，影响系统运行。 centos7版本中 /etc/profile 默认扫描路径 /etc/profile.…
阅读更多...
微信小程序处理交易投诉管理，支持多小程序，一键授权模式

微信小程序处理交易投诉管理，支持多小程序，一键授权模式

大家好，我是小悟 1、问题背景 玩过微信小程序生态的，或许就有这种感受，如果收到投诉单，不会及时通知到手机端，而是每天早上10:00向小程序的管理员及运营者推送通知。通知内容为截至前一天24时该小程序账号内待处理的交…
阅读更多...
188页企业数字化转型建设方案（数据中台、业务中台、AI中台）

188页企业数字化转型建设方案（数据中台、业务中台、AI中台）

建设背景 随着信息技术的不断进步，企业面临着前所未有的机遇与挑战。数字化转型不仅是技术层面的革新，更是企业运营模式和思维方式的深刻变革。通过数字化转型，企业可以实现资源的最优配置、业务的精准量化以及管理的智能化，从而…
阅读更多...
服装生产管理：SpringBoot框架的高效实现

服装生产管理：SpringBoot框架的高效实现

3　系统分析 3.1 可行性分析 可行性分析是该平台系统进行投入开发的基础第一步，必须对其进行可行性分析才能够降低不必要的需要从而使资源合理利用，更具有性价比和降低成本，同时也是系统平台的成功的未雨绸缪的一步。 3.1.1 技术可行性 技术…
阅读更多...
【网易buff】无法登录steam，显示创建账号，无法解决

【网易buff】无法登录steam，显示创建账号，无法解决

手机速度大提升！浏览器内核WebView升级指南 WebViewUpgrade 心血来潮想通过网易buff花钱快乐一下，结果发现这app有问题，是因为webview版本问题，这开发真傻逼啊 发现经过 在buff重新登陆Steam的时候，页面只有创建账号…
阅读更多...
服装生产管理：SpringBoot框架的创新设计

服装生产管理：SpringBoot框架的创新设计

4　系统设计 4.1 系统结构设计 在结构设计过程中，首先对系统进行需求分析，然后进行系统初步设计，将系统功能模块细化，具体分析每一个功能模块具体应该首先哪些功能，最后将各个模块进行整合，实现系统结构的…
阅读更多...
基于SSM的学生社团管理系统—计算机毕业设计源码37391

基于SSM的学生社团管理系统—计算机毕业设计源码37391

目 录 摘要 1 绪论 1.1研究背景 1.2研究目的和意义 1.3系统开发技术的特色 1.4 ssm框架介绍 1.5论文结构与章节安排 2 学生社团管理系统系统分析 2.1 可行性分析 2.2 系统流程分析 2.2.1数据流程 2.3.2业务流程 2.3 系统功能分析 2.3.1 功能性分析 2.3.2 非功能…
阅读更多...
Authentication Lab | User Agent Strings

Authentication Lab | User Agent Strings

关注这个靶场的其它相关笔记：Authentication Lab —— 靶场笔记合集-CSDN博客 0x01：User Agent Strings 前情提要 在某些特殊的场景中，服务端会假定客户端可以信任，并根据客户端告知它的内容做出身份验证的决策。 然而&#xff…
阅读更多...
Android开发banner效果

Android开发banner效果

Android开发banner效果 banner在每个app都会有的 一、思路： 用viewpager也可以做。但我是引进第三方库的 二、效果图： 三、关键代码： // 联系：893151960 public class MainActivity extends AppCompatActivity {private Bann…
阅读更多...
【MATLAB代码】基于RSSI原理的蓝牙定位程序（N个锚点、三维空间），源代码可直接复制

【MATLAB代码】基于RSSI原理的蓝牙定位程序（N个锚点、三维空间），源代码可直接复制

文章目录 介绍主要功能技术细节适用场景程序结构运行截图源代码详细教程：基于RSSI的蓝牙定位程序1. 准备工作2. 代码结构2.1 清理工作环境2.2 定义参数2.3 生成锚点坐标2.4 定义信号强度与距离的关系2.5 模拟未知点的位置2.6 定位函数2.7 绘图2.8 输出结果2.9 定义定位函数3. …
阅读更多...
RDD的介绍、RDD的特点、创建RDD数据

RDD的介绍、RDD的特点、创建RDD数据

文章目录 1. RDD介绍1.1 Spark开发方式1.1.1 交互式开发1.1.2 脚本式开发 1.2 Spark支持的开发语言1.3 RDD介绍 2. RDD特性3. 创建RDD数据3.1 Python数据转化为RDD3.2 文件数据HDFS转化为RDD3.3 RDD分区3.4 小文件数据读取 1. RDD介绍 1.1 Spark开发方式 1.1.1 交互式开发 通…
阅读更多...
【LeetCode】动态规划—712. 两个字符串的最小ASCII删除和（附完整Python/C++代码）

【LeetCode】动态规划—712. 两个字符串的最小ASCII删除和（附完整Python/C++代码）

动态规划—712. 两个字符串的最小ASCII删除和 前言题目描述基本思路1. 问题定义2. 理解问题和递推关系3. 解决方法3.1 动态规划方法3.2 空间优化的动态规划 4. 进一步优化5. 小总结 代码实现PythonPython3代码实现Python 代码解释 CC代码实现C 代码解释 总结: 前言 在字符串处…
阅读更多...
【已解决】endnote只显示十条文献/licence失效/this license has been suspended

【已解决】endnote只显示十条文献/licence失效/this license has been suspended

问题：打开endnote后弹窗显示 Were sorry,this license has been suspended due to ...... 关闭弹窗发现只剩10条文献显示了 解决方法： ①关闭杀毒软件 ②找到endnote源文件夹下的License.dat文件（找不到的话直接在“此电脑”中搜索&#x…
阅读更多...
倒计时3天！飞凌嵌入式邀您共聚第90届CMEF

倒计时3天！飞凌嵌入式邀您共聚第90届CMEF

10月12日~15日，第90届中国国际医疗器械博览会(CMEF)即将在深圳国际会展中心(宝安)隆重举行，4000品牌企业将携数万款产品集中亮相，为全球健康产业带来探析前沿、洞见未来的医疗盛宴。 飞凌嵌入式作为业界领先的嵌入式解决方案提供商&#xff…
阅读更多...
七、InnoDB数据存储结构

七、InnoDB数据存储结构

文章目录 1. 数据库的存储结构：页1.1 磁盘与内存交互基本单位：页1.2 页结构概述1.3 页的大小1.4 页的上层结构2. 页的内部结构2.1 第1部分：File Header（文件头部）和 File Trailer（文件尾部）2.1.1 File Header（文件头部）2.1.2 File tRAILER（文件尾部）2.2 第2部分：Fr…
阅读更多...
电商价格监测的创新之路

电商价格监测的创新之路

在当今数字化高速发展的时代，电商如汹涌的浪潮席卷了商业的每一个角落。品牌们在这片广阔的电商海洋中奋力前行，而价格监测则成为了他们手中至关重要的罗盘。 力维网络以其专业的价格监测服务，为品牌在电商之海的航行点亮了一盏明灯。然而&a…
阅读更多...
【北京迅为】《STM32MP157开发板嵌入式开发指南》-第二十一章 makefile基本语法（下）

【北京迅为】《STM32MP157开发板嵌入式开发指南》-第二十一章 makefile基本语法（下）

iTOP-STM32MP157开发板采用ST推出的双核cortex-A7单核cortex-M4异构处理器，既可用Linux、又可以用于STM32单片机开发。开发板采用核心板底板结构，主频650M、1G内存、8G存储，核心板采用工业级板对板连接器，高可靠，牢固耐…
阅读更多...
韦东山老师linux快速入门otg检测不到方案总结

韦东山老师linux快速入门otg检测不到方案总结

我是如何解决, 第二节, otg 串口检测不到的, 开发手册链接: https://wwyz.lanzoul.com/iF1TA2c21uoh 我首先按照评论区, 老师说的, 根据完全开发手册, 搜索otg, 然后找到老师当时 烧写系统的时候, 利用usb启动, 然后otg链接, 然后 安装了两个驱动, 往后翻, 就可以翻到 然后重…
阅读更多...
多系统数据交换与共享技术方案（医疗行业为例，Doc原件）

多系统数据交换与共享技术方案（医疗行业为例，Doc原件）

目录 1 方案概述 1.1 背景 1.2 参考规范 2 需求分析 2.1 交换内容 2.2 功能需求 1) 消息传输 2) 数据整合 3) 服务集成 4) 流程整合 5) 管理功能 3 总体建设方案 3.1 实现思路 3.1.1 交换方案比选 3.1.2 技术优势 3.2 总体架构 3.3 数据交换与共享基本模型 3.…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023