Anacoda&Jupyter DAY 05 Pandas绘图&Scipy

最新推荐文章于 2023-12-12 20:04:23 发布

原创

最新推荐文章于 2023-12-12 20:04:23 发布 · 941 阅读

CC 4.0 BY-SA版权

文章标签：

本文总结了Anacoda和Jupyter中的Pandas绘图与Scipy重点知识，包括Pandas的线形图、柱状图、直方图、散布图的绘制，并详细介绍了Scipy的矩阵运算、信号处理、图像处理等功能，特别是如何利用快速傅里叶变换进行图像去噪和滤波操作。

Series 和 DataFrame 都有一个用于生成各类图标的plot方法默认情况下他们都是线型图

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

import matplotlib.pylot as plt

二维折线图
s = Series(data = np.random.randint(1,7,size = (10,)),index = np.arange(1,10,2))
s.plot()
DataFrame 折线图
data = np.random.randint(0,100,size = (5,5))
index = [‘first’,‘second’,‘third’,‘fourth’,‘fifth’]
columns = [‘jack’,‘rose’,‘bob’,‘lucy’,‘lily’]

df = DataFrame(data = data , index =index,columns = columns)
df.plot()

柱状图示例 kind = ‘bar’/‘barh’
kind = ‘bar’ 是纵向的柱状图
kind = ‘barh’ 是横向的柱状图

Series 柱状图示例
s = Series(data = [100,200,30],index = [‘lucy’,‘lily’,‘jack’])
s.plot(kind = ‘bar’)

s.plot(kind = ‘barh’)
DataFrame柱状图示例
data = np.random.randint(0,100,size = (4,3))
index = list(‘ABCD’)
columns = [‘python’,‘C’,‘java’]

df = DataFrame(data = data,index = index,columns = columns)
df.plot(kind = ‘bar’)

调用hist方法
柱高表示数据的频数主款表示各组数据的组数
参数bins可以设置直方图方柱个数上线越大柱宽越小数据分组越精细
设置density = True 可以将频数转换为概率
s = Series(data = [1,2,2,1,3,3,5,8,4,9,6,4,1,2])
s.plot(kind = ‘hist’,bins = 50) ## bins 是组数就是在这个区间内一共分多少组比如分成三组那么会计算1-3之间的数的频数
kde图 : 核密度估计用于弥补直方图中由于参数bins设置不合理导致的精度缺失的问题
s.plot(kind= ‘hist’,density = True,bins = 5) # 设置density参数为True，可以把频数转换为概率
s.plot(kind= ‘kde’)

散步图是观察两个以为数据数列之间的关系的有效方法 DataFrame对象可用
使用方法 kind = ‘scatter’ 给明标签 columns

data = np.random.normal(size = (1000,2))
columns = list(‘AB’)
df = DataFrame(data = data,columns = columns)
df.plot(kind = ‘scatter’,x = ‘A’,y = ‘B’)

在这里插入图片描述

Scipy 依赖于Numpy
Scipy 提供了真正的矩阵
Scipy 包含的功能 : 最优化线性代数积分插值拟合特殊函数快速傅里叶变化信号处理图像处理常微分方程
Scipy是高端科学计算工具包
Scipy由一些特定的子模块构成
在这里插入图片描述

import scipy.fftpack as fftpack
import matplotlib.pyplot as plt

data = plt.imread('moonlanding.png')
data2 = fftpack.fft2(data)
data3