Pandas – Plotting

Pandas er en populær open-source dataanalysepakke til Python, der giver mulighed for effektiv datahåndtering og manipulation. Et af de værktøjer, der gør Pandas så kraftfuldt, er evnen til at plotte data direkte fra DataFrames. Denne artikel vil dykke ned i forskellige aspekter af plotting i Pandas, herunder brugen af df.plot() , plottefunktioner og strategier for at oprette visuelt tiltalende grafer.

Grundlæggende om Pandas Plotting

Plotting i Pandas kan gøres ved hjælp af metoden df.plot() , hvor dfrefererer til det aktuelle DataFrame, du ønsker at visualisere. Dette gør det nemt at oprette forskellige typer grafer, herunder linjediagrammer, søjlediagrammer, punktdiagrammer osv. Pandas tilbyder også mange indbyggede plottefunktioner, der kan tilpasses for at opfylde specifikke behov.

Brug af df.plot()

En simpel måde at plotte data i Pandas er ved hjælp af df.plot() metoden direkte på et DataFrame. Lad os se på et eksempel:

import pandas as pd
import numpy as np
data = {A: np.random.rand(50), B: np.random.rand(50)}
df = pd.DataFrame(data)
df.plot()

I dette eksempel oprettes et tilfældigt DataFrame med to kolonner, A og B, og derefter plottes dataene ved hjælp af df.plot() . Den resulterende graf viser standard linjediagrammer for begge kolonner.

Tilpasning af Plottet

Der er mange måder at tilpasse plottet på i Pandas. Du kan ændre typen af diagram ved at bruge kind parameteren, justere farver, størrelse, titler og mere. Lad os se på et eksempel:

df.plot(kind=bar, color=[red, blue])
plt.title(Bar Chart of DataFrame)
plt.xlabel(X-axis)
plt.ylabel(Y-axis)
plt.show()

I dette eksempel ændres typen af plottet til et søjlediagram med røde og blå søjler. Derudover tilføjes en titel, akseetiketter og grafen vises ved at bruge plt.show() .

Avancerede Plottefunktioner

Ud over grundlæggende plottingfunktioner tilbyder Pandas også avancerede muligheder for at skabe komplekse grafer. Du kan plotte flere grafer på samme akse, arbejde med tidsseriedata, oprette boxplots, scatterplots og meget mere.

Plotting af Tidsserier

Hvis du har tidsseriedata i dit DataFrame, kan Pandas gøre det let at plotte disse data og arbejde med dem. Lad os se på et eksempel:

df[Date] = pd.date_range(20220101, periods=50)
df = df.set_index(Date)
df.plot()

I dette eksempel tilføjes en datoindeks til DataFrameet, og derefter plottes tidsseriedataene ved at bruge df.plot() . Pandas vil automatisk formatere akserne korrekt og vise en tidsmæssig udvikling af dataene.

Afsluttende tanker

Plotting i Pandas er en kraftfuld funktion, der gør det muligt at visualisere data direkte fra DataFrames på en enkel og effektiv måde. Ved at udnytte de mange indbyggede funktioner og tilpasningsmuligheder kan du skabe smukke og informative grafer til at analysere dine data. Husk at eksperimentere med forskellige plottefunktioner og strategier for at finde den bedste visualisering for dine behov.

Vi håber, at denne artikel har givet dig et indblik i, hvordan du kan bruge Pandas til at plotte data og skabe imponerende grafer. God fornøjelse med din dataanalyse og grafer!

Python range() Funktion • NumPy Array Shape • C Online Compiler (Editor / Interpreter) • PHP explode() Funktion • XPath Syntax: En dybdegående guide til XPath-udtryk og -forespørgsler • PHP OOP Classes and Objects • Javascript Let: En dybdegående guide til brugen af let keyword i JavaScript • SQL ISNULL(), NVL(), IFNULL() og COALESCE() Funktioner • Hvordan man opretter en responsiv header til din hjemmeside • Alt hvad du behøver at vide om Bootstrap 5 Navigation Bars •