资讯专栏INFORMATION COLUMN

python数据可视化制做带均线系统的移动平均线和边缘柱形图

89542767 / 527人阅读

  文中重要讲述了python数据可视化制做带均线系统的移动平均线和边缘柱形图,文章主题明确开展详细的简单介绍,具有极强的实际意义,需要的小伙伴可以学习下


  一、制做带均线系统的移动平均线


  实现方案:


  在移动平均线上再加上均线系统(线性拟合线)反映2个变量是正相关、反比或者无关联性。


  进行编号:


  在移动平均线上再加上均线系统(线性拟合线)反映2个变量是正相关、反比或者无关联性。蓝红2组数据信息各自设计出最理想的线性拟合线。


</>复制代码

  1.   import pandas as pd
  2.   import matplotlib as mpl
  3.   import matplotlib.pyplot as plt
  4.   import seaborn as sns
  5.   import warnings
  6.   warnings.filterwarnings(action='once')
  7.   plt.style.use('seaborn-whitegrid')
  8.   sns.set_style("whitegrid")
  9.   print(mpl.__version__)
  10.   print(sns.__version__)
  11.   def draw_scatter(file):
  12.   #Import Data
  13.   df=pd.read_csv(file)
  14.   df_select=df.loc[df.cyl.isin([4,8]),:]
  15.   #Plot
  16.   gridobj=sns.lmplot(
  17.   x="displ",
  18.   y="hwy",
  19.   hue="cyl",
  20.   data=df_select,
  21.   height=7,
  22.   aspect=1.6,
  23.   palette='Set1',
  24.   scatter_kws=dict(s=60,linewidths=.7,edgecolors='black'))
  25.   #Decorations
  26.   sns.set(style="whitegrid",font_scale=1.5)
  27.   gridobj.set(xlim=(0.5,7.5),ylim=(10,50))
  28.   gridobj.fig.set_size_inches(10,6)
  29.   plt.tight_layout()
  30.   plt.title("Scatterplot with line of best fit grouped by number of cylinders")
  31.   plt.show()
  32.   draw_scatter("F:数据杂坛datasetsmpg_ggplot2.csv")

  

01.png

      二、制做边缘柱形图


  实现方案:


  python制做边缘柱形图,用于呈现X和Y内在联系、及X和Y的单变量分布规律,主要运用于数据探索分析。


  进行编号:


</>复制代码

  1.   import pandas as pd
  2.   import matplotlib as mpl
  3.   import matplotlib.pyplot as plt
  4.   import seaborn as sns
  5.   import warnings
  6.   warnings.filterwarnings(action='once')
  7.   plt.style.use('seaborn-whitegrid')
  8.   sns.set_style("whitegrid")
  9.   print(mpl.__version__)
  10.   print(sns.__version__)
  11.   def draw_Marginal_Histogram(file):
  12.   #Import Data
  13.   df=pd.read_csv(file)
  14.   #Create Fig and gridspec
  15.   fig=plt.figure(figsize=(10,6),dpi=100)
  16.   grid=plt.GridSpec(4,4,hspace=0.5,wspace=0.2)
  17.   #Define the axes
  18.   ax_main=fig.add_subplot(grid[:-1,:-1])
  19.   ax_right=fig.add_subplot(grid[:-1,-1],xticklabels=[],yticklabels=[])
  20.   ax_bottom=fig.add_subplot(grid[-1,0:-1],xticklabels=[],yticklabels=[])
  21.   #Scatterplot on main ax
  22.   ax_main.scatter('displ',
  23.   'hwy',
  24.   s=df.cty*4,
  25.   c=df.manufacturer.astype('category').cat.codes,
  26.   alpha=.9,
  27.   data=df,
  28.   cmap="Set1",
  29.   edgecolors='gray',
  30.   linewidths=.5)
  31.   #histogram on the right
  32.   ax_bottom.hist(df.displ,
  33.   40,
  34.   histtype='stepfilled',
  35.   orientation='vertical',
  36.   color='#098154')
  37.   ax_bottom.invert_yaxis()
  38.   #histogram in the bottom
  39.   ax_right.hist(df.hwy,
  40.   40,
  41.   histtype='stepfilled',
  42.   orientation='horizontal',
  43.   color='#098154')
  44.   #Decorations
  45.   ax_main.set(title='Scatterplot with Histogramsn displ vs hwy',
  46.   xlabel='displ',
  47.   ylabel='hwy')
  48.   ax_main.title.set_fontsize(10)
  49.   for item in([ax_main.xaxis.label,ax_main.yaxis.label]+
  50.   ax_main.get_xticklabels()+ax_main.get_yticklabels()):
  51.   item.set_fontsize(10)
  52.   xlabels=ax_main.get_xticks().tolist()
  53.   ax_main.set_xticklabels(xlabels)
  54.   plt.show()
  55.   draw_Marginal_Histogram("F:数据杂坛datasetsmpg_ggplot2.csv")

02.png

  综上所述,这篇文章就给大家介绍到这里了,希望可以给大家带来帮助。

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/130252.html

相关文章

  • 爬取淘宝上4000条月饼数据,制作了一个酷炫视化大屏!

    摘要:基于此,我爬取了淘宝上多条月饼的销售数据,为大家展示了一幅漂亮的可视化大屏,解决大家心目中的问题。模块的安装与配置这次爬取淘宝,采用的是最简单的方式控制浏览器进行自动化操作,中途只需要扫码登陆一次,即可完成整个数据的爬取。 ...

    cod7ce 评论0 收藏0
  • Python绘制精美图表之双形图

    摘要:图表是比干巴巴的表格更直观的表达,简洁有力。当我们想关注比数值本身更多的信息像数值的变化对比或异常,图表就非常有用了。把数值转化为图片要依赖第三方库的帮忙,在之中最好的图表库叫。 图表是比干巴巴的表格更直观的表达,简洁、有力。工作中经常遇到的场景是,有一些数值需要定时的监控,比如服务器的连接数、活跃用户数、点击某个按钮的人数,并且通过邮件或者网页展示出来。当我们想关注比数值本身更多的信...

    beita 评论0 收藏0
  • python大大数据视化matplotlib制做复式统计表案例

      文中关键给大家介绍了python大大数据可视化matplotlib制做复式统计表的案例详细说明,感兴趣的小伙伴可以参考借鉴一下,希望可以有一定的帮助,祝愿大家多多的发展,尽早涨薪  plt.plot()函数公式各主要参数分析  plt.plot()函数的作用是制做复式统计表,它主要参数有许多,常用的函数主要参数如下所示:  plt.plot(x,y,color,linestyle,linewi...

    89542767 评论0 收藏0
  • d3入门篇(二):绘制基本形图

    摘要:简单理解后的元素需要继续进行可视化的工作。当选择集中的元素个数大于数据集中的元素个数,通过处理之后返回多出来那部分数据的元素选择器这时候接着执行那就是在上了。简单理解后返回的是一个选择集,即多出来的那部分元素。 d3简单理解就是通过在svg画布上绘制基本图形,本文将介绍d3绘制基本的柱形图 绘制画布 import * as d3 from d3; var width=300;//svg...

    张率功 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<