python數(shù)據(jù)可視化制做帶均線系統(tǒng)的移動(dòng)平均線和邊緣柱形圖

89542767 發(fā)布于2023-01-12 10:33 / 520人閱讀

　　文中重要講述了python數(shù)據(jù)可視化制做帶均線系統(tǒng)的移動(dòng)平均線和邊緣柱形圖，文章主題明確開(kāi)展詳細(xì)的簡(jiǎn)單介紹，具有極強(qiáng)的實(shí)際意義，需要的小伙伴可以學(xué)習(xí)下

　　一、制做帶均線系統(tǒng)的移動(dòng)平均線

　　實(shí)現(xiàn)方案：

　　在移動(dòng)平均線上再加上均線系統(tǒng)（線性擬合線）反映2個(gè)變量是正相關(guān)、反比或者無(wú)關(guān)聯(lián)性。

　　進(jìn)行編號(hào)：

　　在移動(dòng)平均線上再加上均線系統(tǒng)（線性擬合線）反映2個(gè)變量是正相關(guān)、反比或者無(wú)關(guān)聯(lián)性。藍(lán)紅2組數(shù)據(jù)信息各自設(shè)計(jì)出最理想的線性擬合線。

　　import pandas as pd
　　import matplotlib as mpl
　　import matplotlib.pyplot as plt
　　import seaborn as sns
　　import warnings
　　warnings.filterwarnings(action='once')
　　plt.style.use('seaborn-whitegrid')
　　sns.set_style("whitegrid")
　　print(mpl.__version__)
　　print(sns.__version__)
　　def draw_scatter(file):
　　#Import Data
　　df=pd.read_csv(file)
　　df_select=df.loc[df.cyl.isin([4,8]),:]
　　#Plot
　　gridobj=sns.lmplot(
　　x="displ",
　　y="hwy",
　　hue="cyl",
　　data=df_select,
　　height=7,
　　aspect=1.6,
　　palette='Set1',
　　scatter_kws=dict(s=60,linewidths=.7,edgecolors='black'))
　　#Decorations
　　sns.set(style="whitegrid",font_scale=1.5)
　　gridobj.set(xlim=(0.5,7.5),ylim=(10,50))
　　gridobj.fig.set_size_inches(10,6)
　　plt.tight_layout()
　　plt.title("Scatterplot with line of best fit grouped by number of cylinders")
　　plt.show()
　　draw_scatter("F:數(shù)據(jù)雜壇datasetsmpg_ggplot2.csv")

二、制做邊緣柱形圖

　　實(shí)現(xiàn)方案：

　　python制做邊緣柱形圖，用于呈現(xiàn)X和Y內(nèi)在聯(lián)系、及X和Y的單變量分布規(guī)律，主要運(yùn)用于數(shù)據(jù)探索分析。

　　進(jìn)行編號(hào)：

　　import pandas as pd
　　import matplotlib as mpl
　　import matplotlib.pyplot as plt
　　import seaborn as sns
　　import warnings
　　warnings.filterwarnings(action='once')
　　plt.style.use('seaborn-whitegrid')
　　sns.set_style("whitegrid")
　　print(mpl.__version__)
　　print(sns.__version__)
　　def draw_Marginal_Histogram(file):
　　#Import Data
　　df=pd.read_csv(file)
　　#Create Fig and gridspec
　　fig=plt.figure(figsize=(10,6),dpi=100)
　　grid=plt.GridSpec(4,4,hspace=0.5,wspace=0.2)
　　#Define the axes
　　ax_main=fig.add_subplot(grid[:-1,:-1])
　　ax_right=fig.add_subplot(grid[:-1,-1],xticklabels=[],yticklabels=[])
　　ax_bottom=fig.add_subplot(grid[-1,0:-1],xticklabels=[],yticklabels=[])
　　#Scatterplot on main ax
　　ax_main.scatter('displ',
　　'hwy',
　　s=df.cty*4,
　　c=df.manufacturer.astype('category').cat.codes,
　　alpha=.9,
　　data=df,
　　cmap="Set1",
　　edgecolors='gray',
　　linewidths=.5)
　　#histogram on the right
　　ax_bottom.hist(df.displ,
　　40,
　　histtype='stepfilled',
　　orientation='vertical',
　　color='#098154')
　　ax_bottom.invert_yaxis()
　　#histogram in the bottom
　　ax_right.hist(df.hwy,
　　40,
　　histtype='stepfilled',
　　orientation='horizontal',
　　color='#098154')
　　#Decorations
　　ax_main.set(title='Scatterplot with Histogramsn displ vs hwy',
　　xlabel='displ',
　　ylabel='hwy')
　　ax_main.title.set_fontsize(10)
　　for item in([ax_main.xaxis.label,ax_main.yaxis.label]+
　　ax_main.get_xticklabels()+ax_main.get_yticklabels()):
　　item.set_fontsize(10)
　　xlabels=ax_main.get_xticks().tolist()
　　ax_main.set_xticklabels(xlabels)
　　plt.show()
　　draw_Marginal_Histogram("F:數(shù)據(jù)雜壇datasetsmpg_ggplot2.csv")