Python数据分析与挖掘实战（Pandas,Matplotlib常用方法）

布满荆棘的人生 2022-06-14 02:16 178阅读 0赞

--------------------

操作系统：Windows  
Python：3.5  
欢迎加入学习交流QQ群：657341423

--------------------

上节讲到数据分析和挖掘需要的库，其中最主要的是Pandas,Matplotlib。  
Pandas：主要是对数据分析，计算和统计，如求平均值，方差等。  
Matplotlib：主要结合Pandas生成图像。两者往往结合使用的。

--------------------

Pandas：  
![这里写图片描述][SouthEast]  
上图中针对的是对象为DataFrame或者Series  
对于[DataFrame][]和[Series][]区别，参考一下官网说明就知道该数据结构了。  
回归到上图的使用方法  
![这里写图片描述][SouthEast 1]  
![这里写图片描述][SouthEast 2]  
![这里写图片描述][SouthEast 3]  
解释：  
读取excel里面的数据，然后生成data数据。然后过滤一下数据，这个过滤可有可无，然后直接使用data.describe()即可。因为对象data是DataFrame格式。  
如果使用其他方法，data.sum()，data.var()即可得出，如下  
![这里写图片描述][SouthEast 4]

这里只是给出其他统计方式，如果还需要其他数据，如极差，四分位数间距这些，需要计算得出。这里可以这样：  
![这里写图片描述][SouthEast 5]  
解释：  
statistics是为data.describe()，不能直接是data。

statistics.loc['aa'] = statistics.loc['75%']-statistics.loc['25%'] #四分位数间距

statistics.loc\[‘aa’\]是可以自定义名称的。也就是我们常说的新增统计数据。

Pandas累积统计特征函数  
![这里写图片描述][SouthEast 6]  
用法：  
![这里写图片描述][SouthEast 7]  
结果：  
![这里写图片描述][SouthEast 8]  
这里是统计2行的和，因为和我设置window=2相关的。你会发现第一个数是NaN的，因为第一行不够2行，无法累加。

--------------------

Matplotlib作图：  
![这里写图片描述][SouthEast 9]

在作图之前，基本上都要做一些设置：  
import matplotlib.pyplot as plt \#导入图像库  
plt.rcParams\[‘font.sans-serif’\] = \[‘SimHei’\] \#用来正常显示中文标签  
plt.rcParams\[‘axes.unicode\_minus’\] = False \#用来正常显示负号  
plt.figure(figsize=(7,5)) \#建立图像，创建图像区域，figsize=(7,5)指定比例  
默认比例可以为：plt.figure()

**如果结合Pandas使用，用法**  
data.plot(kind=‘bar’)  
kind参数作用指定作图类型，line（线），bar（条形），barh、hist（直方图），box（箱线图），kde（密度图），area、pie（饼图）、scatter（散点图）  
data为DataFrame或Series。  
**基本上Pandas,Matplotlib两者结合作图都是这种方法。**  
例子:  
![这里写图片描述][SouthEast 10]  
![这里写图片描述][SouthEast 11]  
这个是通过excel数据生成图形。  
如果是饼图  
![这里写图片描述][SouthEast 12]

[参考资料][Link 1]  
[参考资料源文件][Link 2]

--------------------

如果Matplotlib要单独使用，用法和上述又不一样了。  
[参考][Link 3]

[SouthEast]: /images/20220614/74382f1f97e4434caf7489d8e9188447.png
[DataFrame]: http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.html
[Series]: http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.html
[SouthEast 1]: /images/20220614/a22cefadf2b64229a52f74cfd3546856.png
[SouthEast 2]: /images/20220614/598723bfecaa4e688b359845a05cb5e2.png
[SouthEast 3]: /images/20220614/f53c82a9811a4470a254958c2d902c5e.png
[SouthEast 4]: /images/20220614/827719bbb493475b9cf368ba67f52357.png
[SouthEast 5]: /images/20220614/8c88bcdc4bcc45a2885d672b720f293d.png
[SouthEast 6]: /images/20220614/e33af5c533824acdbcaa706645b033aa.png
[SouthEast 7]: /images/20220614/b80dfeb3d8b24584a86504034b127716.png
[SouthEast 8]: /images/20220614/577dd7669dda4033bc182bee00644eec.png
[SouthEast 9]: /images/20220614/651ccb66231e48818d06b1f5aa1666c5.png
[SouthEast 10]: /images/20220614/342b6b3d100b42f98beb10730703a548.png
[SouthEast 11]: /images/20220614/1293788f6774457ca2fa7d8356ea7e93.png
[SouthEast 12]: /images/20220614/7a67be25220244f9bd70321e70125e04.png
[Link 1]: http://download.csdn.net/detail/huangzhang_123/9779406
[Link 2]: http://download.csdn.net/detail/huangzhang_123/9858766
[Link 3]: http://blog.csdn.net/luoyexuge/article/details/49069225