hzdt_1的博客

【代码】数据可视化实战(三)

【代码】数据可视化实战(二)

【代码】0304_数据可视化实战(一)

【代码】探索数据可视化：Matplotlib 高级绘图功能(四)

【代码】探索数据可视化：Matplotlib 高级绘图功能(三)

【代码】探索数据可视化：Matplotlib 高级绘图功能(二)

0303_探索数据可视化：Matplotlib 高级绘图功能(一)

【代码】探索数据可视化：Matplotlib 多图布局。

Matplotlib 是一个功能强大的 Python 绘图库，广泛用于数据可视化领域。本文将介绍 Matplotlib 的基础知识，帮助读者快速入门并掌握常用的绘图技巧。

指定要绘制的图表类型，可选值包括 ‘line’（折线图，默认）、‘bar’（柱状图）、‘barh’（水平柱状图）、‘hist’（直方图）、‘scatter’（散点图）等。plot()是 Pandas 中最常用的绘图函数之一，它可以绘制多种类型的图表，如折线图、柱状图、散点图等。scatter() 绘制散点图的函数，它可以接受一系列参数来自定义散点图的样式和属性。：指定要在图表中使用的数据列，其中 x 是横轴数据列，y 是纵轴数据列。：设置横轴和纵轴的标签。：控制是否显示网格线。：控制是否显示图例。

借助any()函数, 测试是否有True，有一个或以上返回True，反之返回False。删除特定索引df.drop(labels,inplace = True)使用std()函数可以求得DataFrame对象每一列的标准差。根据每一列的标准差，对DataFrame元素进行过滤。使用describe()函数查看每一列的描述性统计量。对每一列应用筛选条件,去除标准差太大的数据。

使用map()函数，由已有的列生成一个新列；适合处理某一单独的列。rename 专门操作索引的；

如果左右两个 DataFrame 中的列名不同，可以分别指定左右两个 DataFrame 中用于合并的列名。：如果设置为 True，在结果 DataFrame 中添加一个特殊的列，指示每行的合并方式（如是来自左表、右表还是两者的交集）。：如果设置为 False，则在可能的情况下，返回的对象不会复制。：默认为 0，表示沿着行的方向拼接，设为 1 则表示沿着列的方向拼接。：如果为 True，则使用左侧 DataFrame 的索引作为合并键。：如果为 True，则使用右侧 DataFrame 的索引作为合并键。

这个参数用于指定要在哪个轴上进行级别的交换。对于 DataFrame 对象，axis=0 表示在行索引上进行操作，axis=1 表示在列索引上进行操作。：默认为 True，表示分组的依据列会变成结果 DataFrame 的索引。：这是最重要的参数，用于指定分组依据的列名、列名列表、Series、索引级别等；：如果数据是多层索引的 DataFrame，可以使用 level 参数指定要在哪个级别上进行分组。：指定分组的方向，axis=0 表示按行分组（默认值），axis=1 表示按列分组。

注意在对行索引的时候，若一级行索引还有多个，对二级行索引会遇到问题！也就是说，无法直接对二级索引进行索引，必须让二级索引变成一级索引后才能对其进行索引！

pandas中对数据进行数学运算时，会自动跳过 NaN 值，以避免对计算结果产生影响。np.nan是浮点类型，能参与到计算中。但计算的结果总是NaN。但可以使用np.nan*()函数来计算nan，此时视nan为0。一般填充方式: 可以选择平均数, 众数, 中位数,拉格朗日插值法/机器学习算法根据规律预测的值去填.通用原则: 合理, 尽量合理, 尽量贴近真实情况.None是Python自带的，其类型为。因此，None不能参与到任何计算中。甚至可以用相邻的数据去填充.

*dataframe和dataframe的运算规则: 对应索引位置的元素进行运算. 这个对应索引位置, 是要求行列索引都相同才行 **使用Python操作符：以行为单位操作（参数必须是行），对所有行都有效。（类似于numpy中二维数组与一维数组的运算，但可能出现NaN）：以列为单位操作（参数必须是列），对所有列都有效。：以行为单位操作（参数必须是行），对所有行都有效。

DataFrame的处理二维数据

pandas series 数据结构学习笔记