最近做的项目的数据处理及可视化小结

最新推荐文章于 2024-06-15 18:16:14 发布

转载最新推荐文章于 2024-06-15 18:16:14 发布 · 136 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/wyh-hde/p/7115136.html

文章标签：

#后端 #python

本文介绍如何使用Pandas进行数据处理，包括提取标识符及利用Matplotlib绘制散点图和热图。文章详细解释了to_csv()的使用方法及去除不必要的列，并对比了map、applymap和apply的不同之处。

　　使用pandas进行数据处理，主要有对某列数据事先进行提取,提取其中的identifier。用到的操作就是df['column'] = df['column'].apply().

　　使用to_csv()操作时输出的文件中会有first extra column,如果想要去除这一列，可以使用to_csv('',mode='w',index=False)

　　figure out the difference of map,applymap,apply.

　　对数据处理完之后用到的就是matplotlib package，这时需要使用 command ipython --pylab打开matplotlib GUI后端，然后就可以使用绘图功能了。

　　这次处理主要是将数据处理成散点图和热图。

　　散点图(scatter map)是使用plt.scatter(x,y)来将点描绘到图上。

　　热图（heat map）是https://gist.github.com/teechap/9c066a9ab054cc322877中介绍的方法，这个主要的优点是不需要了解和使用numpy的数据，直接传入三维的list就可以将绘制出热图。因为暂时对heatmap 代码中绘制的函数还不太熟悉，所以暂时对使用到的函数的初步理解记录在此。

　　plt.colormesh(x,y,z,cmap).这里面x,y是list，表示的是x,y轴的刻度。z是一个多维的list。e.g：list x中有3个数据，list y中有4个数据，那么list z就是4X3。然后对于cmap是有一些固定的value让你选择的。具体可以去看camp 参数的document.

转载于:https://www.cnblogs.com/wyh-hde/p/7115136.html