Pandas -----------------------基础知识（主要matplotlib知识）（七）

Dataframe变形

转置 T

import pandas as pddata = {'2022': [10, 30, 15, 20], '2023': [40, 50, 36, 21]}
df1 = pd.DataFrame(data, index=['q1', 'q2', 'q3', 'q4'])
print("原始数据框：")
print(df1)df2 = df1.Tprint("转换后数据框：")
print(df2)df3 = df2.Tprint("转换后数据框2：")
print(df3)

透视表

案例

# 目标: 优衣库的透视表
"""条件过滤: 只要线下根据 城市 分组根据 产品名称 判断, 再对产品的销售额求和
"""
# 1 加载数据
df = pd.read_csv("/root/pandas_code_ling/data/d_uniqlo.csv")
# df
# 2 过滤线下
df2 = df[df['销售渠道']=='线下']
df2
# 3 透视表
df2.pivot_table(index='城市',columns='产品名称', values='销售金额',aggfunc='sum',margins=True
)

matplotlib绘图基础

导包

import matplotlib.pyplot as plt

折线图

基础对应 x y 一一对应（-3，10）...

# 面向过程的版本
x = [-3, 5, 7] #准备数据的x轴坐标
y = [10, 2, 5] #准备数据的y轴坐标plt.figure(figsize=(15,3)) #figure 创建画布  figsize指定画布大小
plt.plot(x, y) #plot 绘图
plt.xlim(-5, 10) #xlim 设置x轴坐标的范围
plt.ylim(-3, 15) #ylim 设置y轴坐标的范围
plt.xlabel('X Axis',size=20) # 设置x轴标签  size字体大小
plt.ylabel('Y axis') # 设置y轴标签
plt.title('Line Plot',size=30) # 设置标题内容， size 字体大小
plt.show() #显示图片

# 面向对象 版本
fig, ax = plt.subplots(figsize=(15,3))  #创建坐标轴对象
ax.plot(x, y) #调用坐标轴的绘图方法
ax.set_xlim(0, 10) # 调用坐标轴的设置x轴上下限的方法
ax.set_ylim(-3, 8) 
ax.set_xlabel('X axis') # 调用坐标轴的设置x轴标签的方法
ax.set_ylabel('Y axis',size = 20) # 调用坐标轴的设置y轴标签的方法
ax.set_title('Line Plot',size = 30) # 调用坐标轴的设置标题的方法
plt.show()

import matplotlib.pyplot as plt
import numpy as npxpoints = np.array([1, 2, 6, 8])
ypoints = np.array([3, 8, 1, 10])plt.plot(xpoints, ypoints)
plt.show()

实心圆 'o'

plt.plot(ypoints, 'r+')   
#%%
import matplotlib.pyplot as plt
import numpy as npxpoints = np.array([1, 8])
ypoints = np.array([3, 10])plt.plot(xpoints, ypoints,'o')
plt.show()

两条线

import matplotlib.pyplot as plt
import numpy as npx = np.arange(0,4*np.pi,0.1)   # start,stop,step
# print(x)
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y,x,z)
plt.show()

标记、线型和颜色

import matplotlib.pyplot as plt
import numpy as npypoints = np.array([6, 2, 13, 10])plt.plot(ypoints, '^-.g')
plt.show()

标记以及内外层颜色

import matplotlib.pyplot as plt
import numpy as npypoints = np.array([6, 2, 13, 10])
plt.plot(ypoints, marker = 'o', ms = 20, mec = '#4CAF50', mfc = '#4CAF50')
plt.show()

一图多线

# 简化
import matplotlib.pyplot as plt
import numpy as npy1 = np.array([3, 7, 5, 9])
y2 = np.array([6, 2, 13, 10])plt.plot(y1)
plt.plot(y2)plt.show()#原版
import matplotlib.pyplot as plt
import numpy as npx1 = np.array([0, 1, 2, 3])
y1 = np.array([3, 7, 5, 9])
x2 = np.array([0, 1, 2, 3])
y2 = np.array([6, 2, 13, 10])plt.plot(x1, y1, x2, y2)
plt.show()

网格线

import numpy as np
import matplotlib.pyplot as pltx = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])plt.title("RUNOOB grid() Test")
plt.xlabel("x - label")
plt.ylabel("y - label")plt.plot(x, y)plt.grid(axis='x') # 设置 y 就在轴方向显示网格线plt.show()

import numpy as np
import matplotlib.pyplot as pltx = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])plt.title("RUNOOB grid() Test")
plt.xlabel("x - label")
plt.ylabel("y - label")plt.plot(x, y)plt.grid(color = 'g', linestyle = '-.', linewidth = 1)plt.show()

主图下四个子图

import matplotlib.pyplot as plt
import numpy as np#plot 1:
x = np.array([0, 6])
y = np.array([0, 100])plt.subplot(2, 2, 1)
plt.plot(x,y)
plt.title("plot 1")#plot 2:
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])plt.subplot(2, 2, 2)
plt.plot(x,y)
plt.title("plot 2")#plot 3:
x = np.array([1, 2, 3, 4])
y = np.array([3, 5, 7, 9])plt.subplot(2, 2, 3)
plt.plot(x,y)
plt.title("plot 3")#plot 4:
x = np.array([1, 2, 3, 4])
y = np.array([4, 5, 6, 7])plt.subplot(2, 2, 4)
plt.plot(x,y)
plt.title("plot 4")plt.suptitle("RUNOOB subplot Test")
plt.show()

子图以及共享轴坐标散点图

import matplotlib.pyplot as plt
import numpy as np# 创建一些测试数据 -- 图1
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)
# print(x)
# print('-----------------------')
# print(y)# 创建一个画像和子图 -- 图2
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('Simple plot')# 创建两个子图 -- 图3
f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
ax1.plot(x, y)
ax1.set_title('Sharing Y axis')
ax2.scatter(x, y)# 创建四个子图 -- 图4
fig, axs = plt.subplots(2, 2, subplot_kw=dict(projection="polar"))
axs[0, 0].plot(x, y)
axs[1, 1].scatter(x, y)# 共享 x 轴
plt.subplots(2, 2, sharex='col')# 共享 y 轴
plt.subplots(2, 2, sharey='row')
# 
# 共享 x 轴和 y 轴
plt.subplots(2, 2, sharex='all', sharey='all')# # 这个也是共享 x 轴和 y 轴
plt.subplots(2, 2, sharex=True, sharey=True)print('-----------------------------------------')
# 创建标识为 10 的图，已经存在的则删除
fig, ax = plt.subplots(num=10, clear=True)plt.show()

散点图随机种子

import numpy as np
import matplotlib.pyplot as plt# 随机数生成器的种子
np.random.seed(19680801)N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = (30 * np.random.rand(N))**2  # 0 to 15 point radiiplt.scatter(x, y, s=area, c=colors, alpha=0.5) # 设置颜色及透明度plt.title("RUNOOB Scatter Test") # 设置标题plt.show()

图例以及色系

import matplotlib.pyplot as plt
import numpy as npx = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])plt.scatter(x, y, c=colors, cmap='viridis')plt.colorbar()plt.show()

柱状图

import matplotlib.pyplot as plt
import numpy as npx = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12, 22, 6, 18])plt.bar(x,y,color = ["r","g","b","k"],width = 0.8)
plt.show()

条形图

import matplotlib.pyplot as plt
import numpy as npx = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12, 22, 6, 18])plt.barh(x,y,color = "#4CAF50",height = 0.8)
plt.show()

饼图

plt.show()
#%%
import matplotlib.pyplot as plt
import numpy as npy = np.array([35, 25, 25, 15])plt.pie(y,labels=['A','B','C','D'], # 设置饼图标签colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色)
plt.title("RUNOOB Pie Test") # 设置标题
plt.show()

饼图样式

import matplotlib.pyplot as plt# 数据
sizes = [15, 30, 45, 10]# 饼图的标签
labels = ['A', 'B', 'C', 'D']# 饼图的颜色
colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']# 突出显示第二个扇形
explode = (0.1, 0, 0.3, 0)# 绘制饼图
plt.pie(sizes, labels=labels, colors=colors,autopct='%1.1f%%', explode=explode, shadow=True, startangle=90)# 标题
plt.title("RUNOOB Pie Test")# 显示图形
plt.show()

直方图

import matplotlib.pyplot as plt
import numpy as np# 生成三组随机数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)
data3 = np.random.normal(-2, 1, 1000)# 绘制直方图
plt.hist(data1, bins=5, alpha=0.5, label='Data 1')
plt.hist(data2, bins=5, alpha=0.5, label='Data 2')
plt.hist(data3, bins=5, alpha=0.5, label='Data 3')# 设置图表属性
plt.title('RUNOOB hist() TEST')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.legend()# 显示图表
plt.show()

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt# 使用 NumPy 生成随机数
random_data = np.random.normal(170, 10, 250)
# print(random_data)
# print(random_data.size)# 将数据转换为 Pandas DataFrame
dataframe = pd.DataFrame(random_data)# 使用 Pandas hist() 方法绘制直方图
dataframe.hist()# 设置图表属性
plt.title('RUNOOB hist() Test')
plt.xlabel('X-Value')
plt.ylabel('Y-Value')# 显示图表
plt.show()

总结

①df.T 行变列、列变行

②透视表

以列名1作为索引
根据列名2进行分组
对列名3使用pandas内置的聚合函数进行计算
返回新的df对象
df.pivot_table(index='列名1', columns='列名2',values='列名3', aggfunc='内置聚合函数名'，margins=True # 默认是False, 如果为True，就在最后一行和最后一列，按行按列分别执行aggfunc参数规定的聚合函数
)
# index：返回df的行索引，并依据其做分组；传入原始数据的列名
# columns：返回df的列索引；传入原始数据的列名，根据该列做分组
# values:  要做聚合操作的原始数据的列名
# aggfunc：内置聚合函数名字
③Matplotlib绘图步骤

导入Matplotlib.pyplot

准备数据

创建图表，坐标轴

绘制图表

设置标题，x，y轴标题等