众筹网站建设 网站定制开发,wordpress 2.9.2,wordpress知更鸟教程,如何建一个电商平台数据分析-Pandas数据分组箱线图
数据分析和处理中#xff0c;难免会遇到各种数据#xff0c;那么数据呈现怎样的规律呢#xff1f;不管金融数据#xff0c;风控数据#xff0c;营销数据等等#xff0c;莫不如此。如何通过图示展示数据的规律#xff1f;
数据表#x…数据分析-Pandas数据分组箱线图
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)画箱线图
除了df.plot.box 画图以外还有一种方法就是df.boxplot() 方法。一样可以画箱线图表达出最大值最小值中位数等信息以下是调用的样例
df pd.DataFrame(np.random.rand(10, 5))plt.figure();bp df.boxplot()分组箱线图
如果还想设置分组例如前5行为A组后5行为B组可以一并显示例如
df pd.DataFrame(np.random.rand(10, 2), columns[Col1, Col2])df[X] pd.Series([A, A, A, A, A, B, B, B, B, B])plt.figure();bp df.boxplot(byX)更复杂一点的分组这里为2种分组自行琢磨下。如下
df pd.DataFrame(np.random.rand(10, 3), columns[Col1, Col2, Col3])df[X] pd.Series([A, A, A, A, A, B, B, B, B, B])df[Y] pd.Series([A, B, A, B, A, B, A, B, A, B])plt.figure();bp df.boxplot(column[Col1, Col2], by[X, Y])其实分组对于df.plot.box() 也可以用的图像略有差异
df pd.DataFrame(np.random.rand(10, 3), columns[Col1, Col2, Col3])df[X] pd.Series([A, A, A, A, A, B, B, B, B, B])plt.figure();bp df.plot.box(column[Col1, Col2], byX)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CUDA111080Ti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UbuntuCuda11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PretrainingSFTReward ModelingRLHF
GPT实战系列-探究GPT等大模型的文本生成-CSDN博客
