pandas绘图_pandas与seaborn可视化对比小案例
Python网络爬虫与文本数据分析(视频课)
之前分享过pandas也是可以作图的,今天复习一下pandas作图,并与seaborn做对比,熟悉下各自绘图的特点。
导入用到的库
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
plt.style.use('fivethirtyeight')
plt.style.use('bmh')
读取数据
business = pd.read_csv('data/business.csv')
business.head()
评分分布
查看用户对yelp平台内店家评价的分布情况。使用pandas绘图
colors = sns.color_palette()
#stars是series数据类型
stars = business['stars'].value_counts().sort_index()
stars.plot(kind='bar',
figsize=(10, 5),
color=colors[:9],
rot=0,
title='Distribution of rating')
也可以用seaborn作图,代码如下
plt.figure(figsize=(10,5))
sns.countplot(business['stars'])
plt.title('Distribution of rating')
我们发现大多数用户店家评分都是4分及以上
最常见的店名和坐标
我们看看店铺的最常见的店名、最常见的坐标。使用pandas绘图
fig, ax = plt.subplots(1, 2, figsize=(14, 8))
business['name'].value_counts()[:20].plot(kind='barh',
ax=ax[0],
color=colors[:20],
title='Top 20 name of store in Yelp')
business['city'].value_counts()[:20].plot(kind='barh',
ax=ax[1],
color=colors[:20],
title='Top 20 of city in Yelp')
f,ax = plt.subplots(1,2, figsize=(14,8))
cnt = business['name'].value_counts()[:20].to_frame()
sns.barplot(cnt['name'], cnt.index, palette = 'RdBu', ax = ax[0])
ax[0].set_xlabel('')
ax[0].set_title('Top 20 name of store in Yelp')
cnt = business['city'].value_counts()[:20].to_frame()
sns.barplot(cnt['city'], cnt.index, palette = 'rainbow', ax =ax[1])
ax[1].set_xlabel('')
ax[1].set_title('Top 20 of city in Yelp')
plt.subplots_adjust(wspace=0.3)
从上面两个例子看,pandas和seaborn绘图各有千秋,有时候pandas简洁,有时候seaborn简洁。
-END-
假期无法出门不如在家学习
世界正在奖励坚持学习的人!
pandas绘图_pandas与seaborn可视化对比小案例相关推荐
- pandas绘图_Pandas内置绘图方法(线型图、柱状图、密度图)
Series和DataFrame都有一个用于生成各类图表的plot方法. 线型图 默认情况下,它们所生成的是线型图 >>> import pandas as pd >>& ...
- python用pandas读取excel_Python使用pandas读取Excel文件数据和预处理小案例
假设有Excel文件data.xlsx,其中内容为 现在需要将这个Excel文件中的数据读入pandas,并且在后续的处理中不关心ID列,还需要把sex列的female替换为1,把sex列的male替 ...
- Python使用pandas读取Excel文件数据和预处理小案例
假设有Excel文件data.xlsx,其中内容为 现在需要将这个Excel文件中的数据读入pandas,并且在后续的处理中不关心ID列,还需要把sex列的female替换为1,把sex列的male替 ...
- python数据分析pandas画图_Pandas数据可视化基础绘图教程
众所周知,Pandas是基于Python平台的大数据分析与处理的利器.在数据为王的时代,想要掌握数据分析能力,学会Pandas数据可视化工具是十分重要的.本文将带领大家一步一步学习Pandas数据可视 ...
- pandas数据预处理(字段筛选、query函数进行数据筛选、缺失值删除)、seaborn可视化分面图(facet)、seaborn使用Catplot可视化分面箱图(Faceted Boxplot)
pandas数据预处理(字段筛选.query函数进行数据筛选.缺失值删除).seaborn可视化分面图(facet).seaborn使用Catplot可视化分面箱图(Faceted Boxplot) ...
- 使用Pandas的rolling函数计算滚动平均值(rolling average with Pandas rolling)、seaborn使用lineplot函数可视化时间序列数据、并添加滚动平均值
使用Pandas的rolling函数计算滚动平均值(rolling average with Pandas rolling).seaborn使用lineplot函数可视化时间序列数据(time ser ...
- Seaborn可视化使用relplot函数可视化数据长度不同的时间序列实战:two Pandas Series of different lengths
Seaborn可视化使用relplot函数可视化数据长度不同的时间序列实战:two Pandas Series of different lengths 目录
- Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆矩阵实战
Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆矩阵实战 目录 Python使用pandas的crosstab函数计算混淆矩阵并使用Seaborn可视化混淆 ...
- Python - Seaborn可视化:图形个性化设置的几个小技巧
1 概述 在可视化过程中,经常会对默认的制图效果不满意,希望能个性化进行各种设置. 本文通过一个简单的示例,来介绍seaborn可视化过程中的个性化设置.包括常用的设置,如: 设置图表显示颜色 设置图 ...
最新文章
- 折线图表动画(历史进程效果)
- 压缩跟踪Compressive Tracking
- 【AutoML】损失函数也可以进行自动搜索学习吗?
- 将数据库日志添加到JUnit3
- 域账号更改密码之后代理需要重新配置
- 10W+集群规模下,美团点评如何优化改造K8s?
- python写web自动化_jenkins+selenium+python实现web自动化测试
- java使用bks双向认证_客户端与服务器SSL双向认证(客户端:Android
- oracle用户权限管理
- python 防破解_Python 程序员如何防止数据被修改?
- 父子组件传值——静态传值、动态传值
- 谷歌浏览器任何页面都打不开连设置也不能打开
- 关于第一型曲面积分的再思考
- JDK版本对应其major.minor version,看这一篇就够啦(附java历史版本下载地址)
- 制作windows安装包
- 稻城亚丁6日游之第五天(新都桥-丹巴)
- 用计算机弹绿色谱子,小Z键盘钢琴(电脑键盘弹钢琴带曲谱)
- 風雷益 (易經大意 韓長庚)
- Redis 由浅入深 (2) - Redis哨兵和集群的介绍和部署方案(看完这篇redis部署再也不是问题)
- Nature:肠道微生物异常为何会导致肝病?