python基础课程7（看代码看注释）--matplotlib作图
生活随笔
收集整理的這篇文章主要介紹了
python基础课程7（看代码看注释）--matplotlib作图
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
##人生苦短，我用python
#pandas
##首先講講數據格式，csv文件格式，程序之間表格數據之間的轉移，如從數據庫導入到excel中csv是很合適的轉移格式。
#1.純文本，使用某個字符集，比如ascii，Unicode，EBCDID或者GB2312等
#2.由記錄組成（典型的是每行一條記錄）
#3.每條記錄被分隔符分割為字段（典型的分隔符有逗號、分好或者制表符、有時分隔符可以包括可選擇的空格）
#4.每條記錄都有同樣的字段序列
import pandas as pd
import numpy as np
df1 = "數據文件的路徑"
df = pd.read_csv(df1)
df.head(2)
type(df)##重中之重：DataFrame
df.colums#獲取列名
df.col[1]#獲取第1列
#獲取索引
df.index
#篩選：例如刪選數學成績大于80分的
df.數學>80
df[df.數學>80]#出現數學成績大于80的所有學生的信息
#與munpy比較
##復雜篩選：語數英同時大于80
(df.語文>80) & (df.數學>80) & (df.英語>80)#返回false或者true
df((df.語文>80) & (df.數學>80) & (df.英語>80))#返回語數外同時大于80的結果##排序
df.sort_values(['數學'],)#對數學成績進行排序
#對多列數據進行排序
df.sort_values(['數學','語文'])
##訪問:loc函數是按照索引進行定位的
#不存在這種訪問方式df[0]
df.loc[1]
##索引的概念
score = {'英語':[90,100,99],'語文':[90,90,90],'數學':[100,100,90]
}
df = pd.DataFrame(score,index=['one','two','three'])
df.index
#此時不存在數字索引，索引不能通過數字索引取訪問
#df.loc()
df.loc['one']
#實實在在的第幾行
df.iloc[0]#可以直接用數字索引
#ix[n]合并了loc和iloc的功能
df.ix[0]#實實在在訪問第0行##訪問多行
df.ix[:2]
#訪問某一行時直接使用df[0]是錯誤的，多行是可以的
df[:2]
df.value()
##匿名函數
[i + 100 for i in range(10)]
def func(x):return x + 100
list(map(lambda x:x+100,range(10)))
##根據多列生成一個列的操作
df['new_score']= df.apply(lambda x:x.數學+x.語文，axis=1)
##panda中的DataFrame的操作很大一部分都是跟numpy中的二維數組的操作是近似的##pandas本身自帶繪圖
pd.DataFrame(np.random.rand(100,4).cumsum(0),columns='A','B','C''D')
df.plot()##柱狀圖
pd.DataFrame(np.random.rand(10,50,(3,4)).cumsum(0),columns='A','B','C''D')
df.plot.bar()
df.plot(kind='bar',stacked=True)
df.B.plot.bar()##直方圖
pd.DataFrame(np.random.rand(100,4).cumsum(0),columns='A','B','C''D')
df.hist()#畫直方圖
df.hist(column='A',figsize=(10,5))#密度圖
df.plot.kde()#畫出密度圖##3D圖形（略）
總結
以上是生活随笔為你收集整理的python基础课程7（看代码看注释）--matplotlib作图的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： pcl里面的3D特征
- 下一篇： Python入门基础篇（二）元组，更适合