Pandas Dateframe -Histogramm
Die Pandas.Datenrahmen.Die Hist () -Technik wird verwendet, um zu bestimmen, wie die numerischen Variablen verteilt sind. Die Werte werden durch diese Funktion in numerische Variablen unterteilt. Sein Hauptzweck ist es, ein Histogramm aus einem bestimmten Datenrahmen zu erstellen. Wenn der Pandas DataFrame.HIST () -Methode wird verwendet, jede Reihe im angegebenen Datenrahmen wird automatisch an den Matplotlib übergeben. Pyplot.Hist () Methode. Im Gegenzug erhalten wir ein Histogramm für jede Spalte. Wir werden das Histogramm des Datenrahmens in dieser Anleitung mit der Methode „Hist ()“ von Pandas verwenden.
Syntax:
Datenrahmen.Hist (Daten, Spalte = Keine, by = none, grid = true, xlabelSize = Keine, xrot = none, yLabelSize = none, yROT = None, ax = none, sharex = false, sharyy = false, figsize = none, layout = Keine, Bins = 10, Backend = Keine, Legende = Falsch, ** kwargs)
Beispiel 1:
Die Pandas -Codes in dieser Anleitung werden im Tool „Spyder“ durchgeführt. In der ersten Zeile importieren wir die "Pandas als PD". Anschließend erstellen wir einen "Werte" -Datenrahmen mit dem PD.DataFrame () ”Methode. Wir entwickeln zwei Spalten des Datenrahmens "Werte", die "Länge L" und "Breite B" sind. Und wir legen die numerischen Werte in jeden von ihnen ein. In "Länge L" fügen wir "2) ein.7, 8.7, 3.4, 2.4 und 1.9 ”numerischer Wert. Während wir in "Breite B", fügen wir "4) ein.24, 2.67, 7.6, 7.1 und 4.9 ”numerische Vlauues. Jetzt zeichnen wir das Histogramm dieser Daten des Datenrahmens. Wir initialisieren die "Hist" -Variable mit dem "DataFrame".HIST () ”-Methode und fügen Sie die„ Bins = 6 “ein und fügen Sie ein.
Ein Histogramm bewertet die Anzahl der Messungen, die in jedem Behälter auftreten.”Wir können schnell und einfach ein instinktives Verständnis der Werteverteilung innerhalb einer Variablen erlangen, indem wir diese Kämpfe auf säulenförmige Weise visuell darstellen.
Diese Ausgabe wird auf der Spyder -Konsole angezeigt, wenn wir die Tasten „Shift + ENGERT“ auf der Tastatur drücken. Hier haben wir zwei Histogramme. Dies sind die Histogramme dieser Daten, die wir in den Pandas -Code eingefügt haben.
Beispiel 2:
Wir generieren hier den Datenrahmen "Werte", der drei Spalten enthält, die "B_1, H_1 und L_1" sind. Wir fügen „4 hinzu.24, 2.67, 7.6, 7.1 und 4.9 "in" B_1 ". Wir fügen auch hinzu: „6.8, 5.5, 4.8, 11.88 und 1.1 "in" H_1 ". Dann fügen wir „3 ein.7, 9.7, 3.4, 4.4 und 2.9 "in" l_1 ". Danach verwenden wir die „Hist ()“ -Methode, die diese numerischen Werte in ein Histogramm umwandelt. Es zeichnet drei getrennte Histogramme. Der Wert „Bins“, den wir hier festgelegt haben, lautet "12".
In der Ausgabe erscheinen drei verschiedene Histogrammdiagramme. Das erste Histogramm stammt aus den Daten "B_1", das zweite Histogramm -Diagramm enthält die Daten "H_1", und das letzte enthält die Daten "l_1".
Beispiel 3:
Jetzt zeichnen wir in diesem Beispiel vier verschiedene Histogramme. Zu diesem Zweck erstellen wir vier Spalten des DataFrame als "Daten 1, Daten 2, Daten 3 und Daten 4". In „Daten 1“ fügen wir einige Werte hinzu, die „2“ sind.7, 0.0, 1.4, 2.4 und 1.9 ”. Wir platzieren “4.24, 2.67, 7.6, 7.1 und 4.9 "in" Data 2 ". Fügen Sie „5.8, 5.5, 7.8, 10.88 und 0.1 "zu" Daten 3 ". Und fügen Sie die Werte hinzu „20, 40.8, 55.8, 7.2 und 48 "in" Data 4 ". Danach zeichnen wir das Histogramm all dieser Säulen getrennt. Wir verwenden die "Hist ()" -Technik mit dem Namen des Datenrahmens und setzen seine "Behälter" als "8" fest. Es erzeugt vier verschiedene Histogramme auf dem Ausgangsbildschirm.
Wir haben diese gegebenen Histogramme mit Hilfe der Funktion „Hist ()“ in Pandas erstellt. Alle Spalten enthalten unterschiedliche Daten, daher unterscheiden sich alle vier Histogramme hier voneinander.
Beispiel 4:
Wir können auch das Histogramm der Daten zeichnen, die in der CSV -Datei vorhanden sind. In diesem Beispiel zeichnen wir nun die Histogramme der CSV -Dateidaten auf. Dafür importieren wir die „Matplotlib.Pyplot ”-Bibliothek als„ PLT “. Wir erhalten die Funktionen dieser Bibliothek, indem wir das PLT -Objekt anstelle des „Matplotlibs“ einstellen.Pyplot ”. Jetzt lesen wir die CSV -Datei mit der Methode "read_csv". Wir geben den Namen der Datei an, der die Daten enthält, die wir in einen Datenrahmen im Importieren von "read_csv () importieren möchten".
Hier heißt die Datei „Datei.CSV ”. Die Daten aus der Datei.CSV ”wird in der" DF "in Form von DataFrame gespeichert. Wir rendern die Daten der Datei in Form von Datenframe auf der Konsole. Anschließend wenden wir die Methode „Hist ()“ an, in der wir den Namen der Spalte in der CSV -Datei platzieren. Dieser Spaltenname ist "s_name". Wenn die Histogramme erstellt werden, wird dieser Name dort angezeigt. Die hier verwendete „Figsize“, die wir verwenden, wird verwendet, um die Größe des Histogrammbildes anzupassen, das wir als „12“ für die „Breite“ und „8“ für die „Höhe“ der Histogrammgröße einstellen.
Außerdem sind die „Behälter“ auf „15“ eingestellt. Am Ende platzieren wir die „PLT.show () ”Methode. Das „PLT. show () ”“ Die Methode startet eine Ereignisschleife, sucht alle vorhandenen Figurenentitäten und startet mehrere interaktive Fenster, die Ihre Diagramme oder Ihre Diagramme demonstrieren.
Hier werden zunächst die Daten angezeigt, die in der CSV -Datei in Form von DataFrame vorhanden sind. Dann plant es die Diagramme der numerischen Daten separat für jeden einzelnen.
Sie werden sehen, dass wir hier sechs verschiedene Grafiken haben. Die Schülernamen werden in jedem Diagramm erwähnt, da wir diesen „s_name“ im Code angepasst haben. Dieser "s_name" wird hier hier oben in jedem Diagramm gerendert.
Beispiel 5:
Wir importieren erneut beide Bibliotheken, die "Pandas" und "Matplotlib" sind.Pyplot "in diesem Code als" PD "bzw." PLT ". Dann zeichnen wir das Histogramm des „Büros.CSV ”-Datei, indem zuerst die Methode„ Read_csv () “platziert und dann die einfache„ Hist () “-Funktion verwendet wird. Darüber hinaus zeigen wir die Daten der Office -Datei als Datenrahmen für das Terminal an, bevor wir die Methode „Hist ()“ verwenden. Wir fügen das „PLT hinzu. show () ”-Funktion, die wir im vorherigen Beispiel erklärt haben.
Der Datenrahmen des „Büros.Die CSV -Datei wird gerendert. Ihre Histogramme werden in der folgenden Illlustration angezeigt. Hier werden die Daten aus der CSV -Datei zuerst in Form eines Datenrahmens angezeigt.
In der Ausgabe werden zwei Histogrammdiagramme angezeigt, da dieser Datenrahmen nur zwei Spalten enthält, die die numerischen Daten haben,.
Beispiel 6:
Dies ist unser letztes Beispiel für diesen Leitfaden. Wir erstellen den Datenrahmen "CARS_DF" und fügen zwei Spalten darin ein. Der „Autoname“ enthält die Namen der Autos und der „Challan -Preis“ enthält den Preis von Challan. Danach greifen wir aus der „PLT“ auf die Funktion „hist ()“ zu, die die Bibliothek ist, die wir zu Beginn des Code importieren. Wir übergeben den Spaltennamen "Challan_price" im Spaltennamen "PLT". hist () ”Funktion und verwenden die„ PLT. show () ”Methode.
Dies ist das Histogrammdiagramm dieses Code.
Abschluss
Die Methode „Hist ()“ in Pandas wird in diesem Leitfaden demonstriert. Unser Hauptziel ist es, die Idee der „Hist ()“ -Methode in Pandas einfach und prägnant zu vermitteln. Wir haben erklärt, wie die Funktion "Hist ()" verwendet wird, um das Histogramm der numerischen Daten des Datenrahmens zu zeichnen. Wir haben erklärt, dass das „Histogramm“ eine visuelle Darstellung der Verteilung der Daten ist. Nach dem Lesen dieser Anleitung können Sie in eine kompliziertere Phase der Pandas -Programmierung fortfahren. Wir hoffen, dass Sie in Zukunft von diesem Leitfaden stark profitieren werden.