主要用於處理一些資料
以讀取csv檔案為例
from matplotlib import pyplot as plt
import pandas as pd
x=pd.read_csv(
'/users/蔡洪浩/desktop/countries.csv'
)#y=x[10]
y=x.country==
'china'
#print(y) bool值型別
#z=x[y] 如果y是真則輸出z，也就是把國家為china的全部輸出
#print(z)
z=x[2:10]
#利用切片的知識可以把2到10的所有資訊輸出
print(z)
from matplotlib import pyplot as plt
import pandas as pd
x=pd.read_csv(
'/users/蔡洪浩/desktop/countries.csv'
)#y=x[10]
china_data=x.country==
'china'
china=x[china_data]
us_data=x.country==
'united states'
us=x[us_data]
#上面分別把兩個國家的資料存起來
#print(y)
#z=x[y]
#print(z)
#print(x.year[2:10])
plt.plot(china.year,china.population/10**8,label=
'china'
)#這裡10**8就是避免y軸出現科學計數法，下同
plt.plot(us.year,us.population/10**8,label=
'us'
)#plt.plot(china.year,china.population/china.population.iloc[0],label='china')
#plt.plot(us.year,us.population/us.population.iloc[0],label='us')
#這種除以自己第一年的人數就是反應的增長率的問題
#iloc函式就是調出某一行的資料
plt.legend(
)#print(z)
from matplotlib import pyplot as plt
import pandas as pd
pd.set_option(
'display.max_row',100)
pd.set_option(
'display.max_columns',100)
#不想看到省略號，相當於設定行距之類的
#users=['a','b','c','d']
df=pd.read_csv(
'/users/蔡洪浩/desktop/diabetes.csv',index_col=0)
#df=pd.read_csv('/users/蔡洪浩/desktop/diabetes.csv',index_col=0,names=users)
#把開頭的序號變成名字
#就可以使用print(df['a']) 就是把a那一列輸出
#也可以使用print(df.a) 但是有時候會出錯
#甚至可以用print(df.a+','+df.c) 就是把兩列數字並行輸出
#df['new name']=df.c+df.a 這個表示的是把我們新生成的資料插入到df中。便於我們來進行對比。
#index_col =0 取消前面的序號
#print(df.describe()) 那道資料的第一步，看總體資料的描述
print(df)
#print(df.head())
#plt.scatter(df.glucose,df.bloodpressure)
#plt.hist(df.bloodpressure)
from matplotlib import pyplot as plt
import numpy as np
v=np.array(
[1,23,4,5,723,12,4]
)v1=np.array(
[[1,2,4,55,1],
[1,1,1,1,1]])
#list 向矩陣的轉換
#後者為二維矩陣
#print(type(v))
#print(v1)
#k=[0,4]
#j=[np.arange(2),k] +=100
#print(np.arange(2))
#arange(x) 就是生成0-1的數字
#print(j)
#矩陣的加法
#print(v[v>3])
#輸出v矩陣中大於3的數字
from matplotlib import pyplot as plt
import numpy as np
v=np.array(
[1,23,4,5,723,12,4]
)v1=np.array(
[[1,2,4,55,1],
[1,1,1,1,1]])
# 生成乙個行列相等的數字
# 他們之間的加減法就是對應的行列相加減
#舉乙個加法為例子
x=np.array(
[[1,2],[3,4]])
y=np.array(
[[2,4],[7,9]])
#print(x+y)
#開方#print(np.sqrt(x))
print(np.dot(x,y))
#點乘#print(x.dot(y))
#print(np.sum(x))
#print(np.sum(x,axis=1))
#axis =1 的時候就是求列的和
#print(x.t)
#矩陣的轉置
y=empty_like(y)
#行列一樣生成的隨機矩陣
for i in range(2):
z[i,:]
=x[i,:]+y
#z矩陣的每一行都加y(進行的是矩陣的加法！！)
12 19學習筆記 資料視覺化
前奏 import matplotlib.pyplot as plt x 1,2,3 x1 2,3,4 y 1,2,3,4,5 z com a com b com c z1 com a com b com c plt.bar z,x,label bar 1 color red 柱狀圖 plt.bar...
筆記 資料缺失視覺化
coding utf 8 匯入warnings包，利用過濾器來實現忽略警告語句。import warnings warnings.filterwarnings ignore import pandas as pd import numpy as np import matplotlib.pyplot...
讀書筆記資料科學入門 視覺化資料
資料視覺化是資料科學家的重要部分。建立視覺化的目的 探索資料，交流資料。本章利用乙個外接的matplotlib庫的配置進行視覺化的初步了解 許多任務具可以視覺化資料，目前應用很廣的是matplotlib庫，在windows下配置該模組稍微比較麻煩，下面會一步一步講解 matplotib 是pytho...