python数据分析与可视化【思维导图】 |
您所在的位置：网站首页 › 新鲜水果标语图片高清大图下载 › python数据分析与可视化【思维导图】 |
python数据分析与可视化【思维导图】
|
python数据分析与可视化常用库 numpy+matplotlib+pandas 思维导图 python数据分析与可视化常用库 numpy+matplotlib+pandas 思维导图 图中难免有错误，后期随着学习与应用的深入，会不断修改更新。 当前版本号：1.0
numpy介绍
NumPy 是什么？
NumPy是使用Python进行科学计算的基础软件包。除其他外，它包括：功能强大的N维数组对象。精密广播功能函数。集成 C/C+和Fortran 代码的工具。强大的线性代数、傅立叶变换和随机数功能。 matplotlib介绍 Matplotlib 是什么？Matplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。 pandas介绍 Pandas是什么？Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。 Original: https://www.cnblogs.com/CodingOrange/p/17038429.htmlAuthor: CodingOrangeTitle: python数据分析与可视化【思维导图】 相关阅读 Title: python数据分析实战项目—运用matplotlib可视化分析10000条北京各大区二手房区域信息（附源码） 文章目录* – 开发工具 – 数据内容 – 实现代码 – 运行效果 – 10000条二手房信息下载地址 – 总结 开发工具python版本：Python 3.6.1 python开发工具：JetBrains PyCharm 2018.3.6 x64 第三方库：pandas ;matplotlib ;seaborn 数据内容
; 实现代码
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
sns.set_style({'font.sans-serif': ['simhei', 'Arial']})
lianjia_df = pd.read_csv('lianjia.csv')
df = lianjia_df.copy()
df['PerPrice'] = round(lianjia_df['Price'] / lianjia_df['Size'], 2)
columns = ['Region', 'District', 'Garden', 'Layout', 'Floor', 'Year', 'Size', 'Elevator', 'Direction', 'Renovation',
'PerPrice', 'Price']
df = pd.DataFrame(df, columns=columns)
df_house_count = df.groupby('Region')['Price'].count().sort_values(ascending=False).to_frame().reset_index()
df_house_mean = df.groupby('Region')['PerPrice'].mean().sort_values(ascending=False).to_frame().reset_index()
f, [ax1, ax2, ax3] = plt.subplots(3, 1, figsize=(20, 20))
sns.barplot(x='Region', y='PerPrice', palette='Blues_d', data=df_house_mean, ax=ax1)
ax1.set_title('北京各大区二手房每平米单价对比', fontsize=15)
ax1.set_xlabel('区域')
ax1.set_ylabel('每平米单价')
sns.barplot(x='Region', y='Price', palette='Greens_d', data=df_house_count, ax=ax2)
ax2.set_title('北京各大区二手房数量对比', fontsize=15)
ax2.set_xlabel('区域')
ax2.set_ylabel('数量')
sns.boxplot(x='Region', y='Price', data=df, ax=ax3)
ax3.set_title('北京各大区二手房房屋总价', fontsize=15)
ax3.set_xlabel('区域')
ax3.set_ylabel('房屋总价')
plt.show()
运行效果
从第一个区域与每平米单价图中可以看到，西城、东城和海淀地区价格相对较高从第二个区域与数量图中可以看到，海淀，朝阳，丰台和昌平数量都在2500以上从第三个区域与总价图中可以看到，总价的平均价格都在1000以下
; 10000条二手房信息下载地址
https://url71.ctfile.com/f/13238771-530323628-1950bb（访问密码：8835） 总结这里主要运用了python的barplot绘制条形图函数和boxplot箱线图函数分析区域与每平米价格、数量和房屋总价的关系 Original: https://blog.csdn.net/sha1_mi/article/details/122116203Author: 程序猿沙弥Title: python数据分析实战项目—运用matplotlib可视化分析10000条北京各大区二手房区域信息（附源码） 原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/370965/ 转载文章受原作者版权保护。转载请注明原作者出处！ |
【本文地址】
今日新闻 |
推荐新闻 |