matplolit练习

最新推荐文章于 2022-08-30 12:02:47 发布

Turing's Cat

最新推荐文章于 2022-08-30 12:02:47 发布

阅读量147

点赞数

分类专栏：笔记文章标签： python matplotlib

本文链接：https://blog.youkuaiyun.com/qq_41893089/article/details/111657868

版权

笔记专栏收录该内容

42 篇文章

订阅专栏

本文主要介绍了使用Python的matplotlib库进行数据可视化的实践操作，包括创建各种类型的图表，如折线图、散点图和直方图等，帮助读者更好地理解和掌握matplotlib的基本用法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

代码如下（示例）：

# -*- coding: utf-8 -*-

###############################################################################
#######################            正文代码             #######################
###############################################################################

# 代码 4-51
import pandas as pd
import numpy as np
from sqlalchemy import create_engine
engine = create_engine('mysql+pymysql://root:1234@127.0.0.1:\
3306/testdb?charset=utf8')
detail = pd.read_sql_table('meal_order_detail1',con = engine)
detailGroup = detail[['order_id','counts',
      'amounts']].groupby(by = 'order_id')
print('分组后的订单详情表为：',detailGroup)



# 代码 4-52
print('订单详情表分组后前5组每组的均值为：\n',
      detailGroup.mean().head())

print('订单详情表分组后前5组每组的标准差为：\n',
      detailGroup.std().head())

print('订单详情表分组后前5组每组的大小为：','\n',
      detailGroup.size().head())



# 代码 4-53
print('订单详情表的菜品销量与售价的和与均值为：\n',
      detail[['counts','amounts']].agg([np.sum,np.mean]))


# 代码 4-54
print('订单详情表的菜品销量总和与售价的均值为：\n',
      detail.agg({'counts':np.sum,'amounts':np.mean}))


# 代码 4-55
print('菜品订单详情表的菜品销量总和与售价的总和与均值为：\n',
      detail.agg({'counts':np.sum,'amounts':[np.mean,np.sum]}))


# 代码 4-56
##自定义函数求两倍的和
def DoubleSum(data):
    s = data.sum()*2
    return s
print('菜品订单详情表的菜品销量两倍总和为：','\n',
      detail.agg({'counts':DoubleSum},axis = 0))


# 代码 4-57
##自定义函数求两倍的和
def DoubleSum1(data):
    s = np.sum(data)*2
    return s
print('订单详情表的菜品销量两倍总和为：\n',
      detail.agg({'counts':DoubleSum1},axis = 0).head())

print('订单详情表的菜品销量与售价的和的两倍为：\n',
      detail[['counts','amounts']].agg(DoubleSum1))


# 代码 4-58
print('订单详情表分组后前3组每组的均值为：\n',
      detailGroup.agg(np.mean).head(3))

print('订单详情表分组后前3组每组的标准差为：\n',
      detailGroup.agg(np.std).head(3))



# 代码 4-59
print('订单详情分组前3组每组菜品总数和售价均值为：\n',
      detailGroup.agg({'counts':np.sum,
            'amounts':np.mean}).head(3))



# 代码 4-60
print('订单详情表的菜品销量与售价的均值为：\n',
      detail[['counts','amounts']].apply(np.mean))


# 代码 4-61
print('订单详情表分组后前3组每组的均值为：','\n', detailGroup.apply(np.mean).head(3))
print('订单详情表分组后前3组每组的标准差为：','\n', detailGroup.apply(np.std).head(3))


# 代码 4-62
print('订单详情表的菜品销量与售价的两倍为：\n',
      detail[['counts','amounts']].transform(
            lambda x:x*2).head(4))



# 代码 4-63
print('订单详情表分组后实现组内离差标准化后前五行为：\n',
      detailGroup.transform(lambda x:(x.mean()
            -x.min())/(x.max()-x.min())).head())



###############################################################################
#######################            任务实现             #######################
###############################################################################

# 代码 4-64
import pandas as pd
import numpy as np
from sqlalchemy import create_engine
engine = create_engine('mysql+pymysql://root:1234@127.0.0.1:\
3306/testdb?charset=utf8')
detail = pd.read_sql_table('meal_order_detail1',con = engine)
detail['place_order_time'] = pd.to_datetime(
       detail['place_order_time'])
detail['date'] = [i.date() for i in detail['place_order_time']]
detailGroup = detail[['date','counts','amounts']].groupby(by='date')
print('订单详情表前5组每组的数目为：\n',detailGroup.size().head())



# 代码 4-65
dayMean = detailGroup.agg({'amounts':np.mean})
print('订单详情表前五组每日菜品均价为：\n',dayMean.head())

dayMedian = detailGroup.agg({'amounts':np.median})
print('订单详情表前五组每日菜品售价中位数为：\n',dayMedian.head())


# 代码 4-66
daySaleSum = detailGroup.apply(np.sum)['counts']
print('订单详情表前五组每日菜品售出数目为：\n',daySaleSum.head())