[PYTHON] Datenvisualisierungsmethode mit Matplotlib (+ Pandas) (3)

[Matplotlib](http: // matplotlib. Wir werden uns auf die Datenvisualisierung mit org /) konzentrieren. Ab diesem Zeitpunkt handelt es sich um eine Kombinationstechnik in Kombination mit pandas.

Liniendiagramm

Beim Zeichnen von Objekten in einer Serie oder einem Datenrahmen wird standardmäßig ein Knickdiagramm verwendet.

import numpy as np
from pandas import *
from pylab import *
import matplotlib.pyplot as plt
from numpy.random import randn

#Serie einfaches Plotten
s = Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()

plt.show()
plt.savefig("image.png ")

image.png

#Einfaches Zeichnen von Datenrahmen
df = DataFrame(np.random.randn(10, 4).cumsum(0),
               columns=['A','B','C','D'],
               index=np.arange(0, 100, 10))
df.plot()
plt.show()
plt.savefig("image2.png ")

image2.png

Die meisten Methoden zum Plotten in Pandas können optional ein Subplot-Objekt von matplotlib im ax-Parameter angeben.

Eine Liste der Optionen, die Sie für das Diagramm angeben können, finden Sie in der folgenden offiziellen Dokumentation.

pandas.DataFrame.plot http://pandas.pydata.org/pandas-docs/version/0.13.1/generated/pandas.DataFrame.plot.html

Balkendiagramm

Am häufigsten wird kind verwendet, mit dem Sie einen Linientyp angeben können. Wenn kind = 'bar' ist, handelt es sich um ein Balkendiagramm.

#Visualisieren Sie die Serie
data = Series(np.random.randn(16), index=list('abcdefghijklmnop'))
#Vertikales Balkendiagramm
data.plot(kind='bar', ax=axes[0], color='k', alpha=0.7)
#Horizontales Balkendiagramm
data.plot(kind='barh', ax=axes[1], color='r', alpha=0.6)

plt.show()
plt.savefig("image3.png ")

image3.png

Wenn Sie den Datenrahmen zu einem Balkendiagramm machen, werden die Werte in jeder Zeile zusammengefasst.

#Visualisieren Sie den Datenrahmen
df = DataFrame(np.random.randn(6, 4),
               index=['1','2','3','4','5','6'],
               columns=Index(['A','B','C','D'], name='Genus'))

print( df )
# =>
# Genus         A         B         C         D
# 1     -0.350817 -0.017378 -0.991230 -0.223608
# 2      0.478712 -0.472764  0.677484 -0.852312
# 3      1.402219  0.381440  0.370080  0.682125
# 4     -1.733590  0.296124 -0.014841  1.140705
# 5      0.373399  1.150718  1.341984  1.040759
# 6     -0.013301 -0.202793 -1.367493 -0.572954

df.plot()
plt.show()
plt.savefig("image4.png ")

df.plot(kind='bar') #Erstellen Sie ein Balkendiagramm
plt.show(grid=False, alpha=0.8)
plt.savefig("image5.png ")

df.plot(kind='barh', stacked=True, alpha=0.5) #Erstellen Sie ein gestapeltes Balkendiagramm(gestapelte Option)
plt.show()
plt.savefig("image6.png ")


image4.png

image5.png

image6.png

Finanzdaten visualisieren

Zurück [Analyse von Finanzdaten und deren Visualisierung](http://qiita.com/ynakayama/items/32b1ca2a108876f889cc Versuchen Sie, mit Pandas + Matplotlib mit der in) verwendeten CSV zu zeichnen.

df = read_csv('stock_px.csv') #Lesen Sie CSV

print( df.head(10) ) #Der Beginn des Datenrahmens
# =>
# [6 rows x 4 columns]
#             Unnamed: 0  AAPL   MSFT    XOM     SPX
# 0  2003-01-02 00:00:00  7.40  21.11  29.22  909.03
# 1  2003-01-03 00:00:00  7.45  21.14  29.24  908.59
# 2  2003-01-06 00:00:00  7.45  21.52  29.96  929.01
# 3  2003-01-07 00:00:00  7.43  21.93  28.95  922.93
# 4  2003-01-08 00:00:00  7.28  21.31  28.83  909.93
# 5  2003-01-09 00:00:00  7.34  21.93  29.44  927.57
# 6  2003-01-10 00:00:00  7.36  21.97  29.03  927.57
# 7  2003-01-13 00:00:00  7.32  22.16  28.91  926.26
# 8  2003-01-14 00:00:00  7.30  22.39  29.17  931.66
# 9  2003-01-15 00:00:00  7.22  22.11  28.77  918.22

df.plot()
plt.show()
plt.savefig("image7.png ")

image7.png

Es war sehr einfach, die CSV-Daten zu visualisieren.

Recommended Posts

Datenvisualisierungsmethode mit Matplotlib (+ Pandas) (5)
Datenvisualisierungsmethode mit Matplotlib (+ Pandas) (3)
Datenvisualisierungsmethode mit Matplotlib (+ Pandas) (4)
Datenvisualisierungsmethode mit Matplotlib (1)
Datenvisualisierungsmethode mit Matplotlib (2)
Datenvisualisierung mit Pandas
Implementieren Sie "Data Visualization Design # 3" mit Pandas und Matplotlib
Python-Anwendung: Datenvisualisierung # 2: matplotlib
Datenanalyse mit Python-Pandas
Vielseitige Datenerfassung mit Pandas + Matplotlib
Zeichnen Sie Zeitreihendaten in Python mit Pandas und Matplotlib
Fall mit Pandas-Plot, Fall mit (reinem) Matplotlib-Plot
Implementieren Sie "Data Visualization Design # 2" mit matplotlib
Pandas Daten lesen
Visualisierung von Breiten- / Längenkoordinatendaten (unter der Annahme meteorologischer Daten) unter Verwendung von Cartopy und Matplotlib
Versuchen Sie es mit PHATE, einer Methode zur Reduzierung und Visualisierung biologischer Daten
Versuchen Sie es mit matplotlib
Lesen Sie Python-CSV-Daten mit Pandas ⇒ Graph mit Matplotlib
[Pandas] Grundlagen der Verarbeitung von Datumsdaten mit dt
100 Sprachverarbeitung Knock-20 (unter Verwendung von Pandas): Lesen von JSON-Daten
100 Sprachverarbeitung Knock-99 (mit Pandas): Visualisierung durch t-SNE
Analyse von Finanzdaten durch Pandas und deren Visualisierung (2)
Holen Sie sich Amazon RDS (PostgreSQL) -Daten mithilfe von SQL mit Pandas
Python-Datenvisualisierungsbibliotheken
Analyse von Finanzdaten durch Pandas und deren Visualisierung (1)
[Neueste Methode] Visualisierung von Zeitreihendaten und Extraktion häufiger Muster mithilfe des Pan-Matrix-Profils
Datenbereinigung 2 Datenbereinigung mit DataFrame
Datenbereinigung mit Python
Ich habe versucht, EKG-Daten mit der K-Shape-Methode zu gruppieren
[Python] Zusammenfassung der Methode zur Tabellenerstellung mit DataFrame (Pandas)
Datenmanipulation mit Pandas!
Aggregieren Sie Ereignisdaten mithilfe von Pandas in einem einzeiligen Ein-Benutzer-Format
Verarbeiten Sie CSV-Daten mit Python (Zählverarbeitung mit Pandas)
Daten mit Pandas mischen
Visualisierung von Daten anhand einer erklärenden Variablen und einer objektiven Variablen
[Memo] Textabgleich im Pandas-Datenrahmen mit Flashtext
Methodenaufruf mit __getattr__
[Numpy / Pandas / Matplotlib Übung 01]
Erstellen Sie sofort ein Diagramm mit 2D-Daten mit der matplotlib von Python
Hinzufügen neuer Daten (gerade Linien und Diagramme) mit matplotlib
Leicht verständliche [Pandas] -Praxis / Datenbestätigungsmethode für Abiturienten
Analysieren Sie die Aktienkurse mithilfe der Pandas-Datenaggregation und der Gruppenoperationen
[Python] Zufällige Datenextraktion / -kombination aus DataFrame mit Random und Pandas
pandas Matplotlib Zusammenfassung nach Verwendung
Zeichnen Sie Excel-Daten mit matplotlib (1)
Zeichnen Sie mit Pandas mehrere Diagramme
Versuchen Sie es mit matplotlib mit PyCharm
Wählen Sie Features mit Textdaten aus
Klassifizieren Sie Daten nach der k-means-Methode
Visualisierung von Daten nach Präfektur
Zeichnen Sie Excel-Daten mit matplotlib (2)
Lineare Regressionsmethode mit Numpy
Visualisierungsnotiz von Pandas, Seaborn
Verhalten der Pandas Rolling () Methode
SQL-Verbindungsmethode mit pyodbc
Datenverarbeitungstipps mit Pandas