【数据处理】Pandas库:画图与文件读取
持续创作,加速成长!这是我参与「掘金日新计划 · 10 月更文挑战」的第5天,点击查看活动详情
注意:本案例使用 Jupyter Notebook 进行案例演示
1. Pandas画图
pandas库中集成了matplotlib库,可以直接进行调用,在相应的DataFrame后,加上.plot就能直接进行绘图,具体语法格式如下所示:
pandas.DataFrame.plot
- DataFrame.plt(x=None, y=None, kind='line')
- x:x数据
- y:y数据
-
kind:图类型
- 'line':折线图
- 'bar':柱状图
- 'barth':
- 'hist':直方图
- 'pie':饼图
- 'scatter':散点图
我们想绘制散点图观察一下两者之间(年份与自然增长率)之间的关系:首先导入相关库,前几行代码是解决中文字体显示问题,然后读取数据,最后使用.plot函数绘制散点图。具体代码如下所示:
```python
看一下两者之间的关系x="年份", y="自然增长率(%)"
import pandas as pd import seaborn as sns from pylab import mpl from matplotlib.font_manager import FontProperties myfont=FontProperties(fname=r'/usr/share/fonts/fangzheng/FZSYJW.TTF',size=12) sns.set(font=myfont.get_name())
people = pd.read_csv("data/data140190/人口.csv") people.plot(x="年份", y="自然增长率(%)", kind="scatter") ``` 代码运行结果如下图所示:
6. 文件读取与存储
6.1 read_csv读取文件
-
pandas.read_csv(filepath_or_buffer, sep = ',')
- filepath_or_buffe:文件路径
- usecols:指定读取的列名,列表形式
「其他文章」
- 【深度学习】TensorFlow线性回归案例演示(3)
- 【机器学习】LSTM神经网络实现中国人口预测(2)
- 【数据处理】北京市租房案例实战(5)
- 【数据处理】Pandas库:画图与文件读取
- 【数据处理】Pandas库:数组运算
- 【数据处理】北京市租房案例实战(3)
- 【PaddleDetection深度学习】中国交通标志图像分类任务
- 【数据处理】北京市租房案例实战(4)
- 【数据处理】北京市租房案例实战(2)
- 【数据处理】Seaborn-NBA数据分析案例(4)
- 【深度学习】工业安全生产环境违规使用手机的识别
- 【数据处理】北京市租房案例实战(1)
- 【数据处理】Seaborn-NBA数据分析案例(2)
- 【Numpy】数据处理-Numpy库基本介绍
- 【Numpy数据处理】ndarray介绍
- 【深度学习】医学影像目标检测-疟原虫识别问题
- Linux操作系统-基本使用(1)
- 智能算法-粒子群算法(3)
- 智能算法-粒子群算法(2)
- 智能算法-禁忌搜索算法(2)