PANDAS DATEFRAME Histogram

Możemy stworzyć ramkę danych zawierającą różne pola i wiersze w pandy. Dane są wstawiane do tych wierszy i kolumn. Możemy narysować „histogram” ramki danych w pandy. „Histogram” jest często używany do pokazania, w jaki sposób dystrybuowane są dane numeryczne. Często będziesz chciał szybko zrozumieć, w jaki sposób określone zmienne numeryczne są dystrybuowane w całym zestawie danych podczas jego badania. Do tego stosuje się histogram. Pandy zapewnia metodę „hist ()” do narysowania histogramu.

Pandy.Ramka danych.Technika Hist () jest wykorzystywana do ustalenia, w jaki sposób zmienne numeryczne są rozmieszczone. Wartości są podzielone na zmienne numeryczne przez tę funkcję. Jego głównym celem jest utworzenie histogramu z określonej ramki danych. Kiedy pandas DataFrame.Metoda hist () jest stosowana, każda seria w określonej ramce danych jest automatycznie przekazywana do matplotlib. Pyplot.metoda hist (). W zamian otrzymujemy histogram dla każdej kolumny. W tym przewodniku wykreślamy histogram ramki danych, wykorzystując metodę pand „hist ()”.

Składnia:

Ramka danych.Hist (dane, kolumna = brak, według = brak, siatka = true, xlabelsize = brak, xrot = brak, ylabelsize = brak, yrot = brak, ax = brak, sharex = false, shay = false, figSize = brak, układ = układ = układ = układ = układ = układ = układ = układ = układ = układ = układ = układ = układ = układ = układ = układ = układ = układ = układ = układ. Brak, pojemniki = 10, backend = brak, legenda = false, ** kwargs)

Przykład 1:

Kody pandy w tym przewodniku są wykonywane na narzędziu „Spyder”. W pierwszym wierszu importujemy „Pandy jako PD”. Następnie tworzymy „wartości danych” za pomocą „PD.Metoda dataFrame () ”. Opracowujemy dwie kolumny „wartości”, które są „długości L” i „szerokości B”. I umieszczamy w każdym z nich wartości liczbowe. W „długości L” wstawiamy „2.7, 8.7, 3.4, 2.4 i 1.9 ”wartość liczbowa. Będąc w „szerokości B”, wstawiamy „4.24, 2.67, 7.6, 7.1 i 4.9 ”numeryczne vlaues. Teraz rysujemy histogram tych danych z ramki danych. Zainicjujemy zmienną „hist” z „DataFrame.Hist () ”Metoda i wstaw„ pojemniki = 6 ”.

Histogram ocenia liczbę pomiarów występujących przez każdy pojemnik po podzieleniu wartości zawartych w zmiennej numerycznej na „pojemniki.„Możemy szybko i łatwo uzyskać instynktowne zrozumienie rozkładu wartości wewnątrz zmiennej poprzez wizualne reprezentowanie tych binowanych liczb w sposób kolumnowy.

To wyjście pojawia się na konsoli Spyder po naciśnięciu klawiszy „Shift + Enter” na klawiaturze. Tutaj mamy dwa histogramy. Są to histogramy tych danych, które wstawiliśmy do kodu PandaS.

Przykład 2:

Generujemy tutaj „Wartości”, która zawiera trzy kolumny, które są „B_1, H_1 i L_1”, które pokazują odpowiednio szerokość, wysokość i długość. Dodajemy „4.24, 2.67, 7.6, 7.1 i 4.9 ”w„ B_1 ”. Dodajemy również dodajemy „6.8, 5.5, 4.8, 11.88 i 1.1 ”w„ H_1 ”. Następnie wstawiamy „3.7, 9.7, 3.4, 4.4 i 2.9 ”w„ L_1 ”. Następnie wykorzystujemy metodę „hist ()”, która przekształca te wartości numeryczne w histogram. Rysuje trzy osobne histogramy. Wartość „pojemników”, którą ustawiliśmy tutaj, to „12”.

W wyjściu pojawiają się trzy różne wykresy histogramu. Pierwszy histogram dotyczy danych „B_1”, drugi wykres histogramu jest danych „H_1”, a ostatni jest danymi „L_1”.

Przykład 3:

Teraz rysujemy w tym przykładzie cztery odrębne histogramy. W tym celu tworzymy cztery kolumny ramki danych jako „Dane 1, Data 2, Data 3 i Data 4”. W „Dane 1” dodajemy niektóre wartości, które wynoszą „2.7, 0.0, 1.4, 2.4 i 1.9 ”. Umieszczamy „4.24, 2.67, 7.6, 7.1 i 4.9 ”w„ Data 2 ”. Dodaj „5.8, 5.5, 7.8, 10.88 i 0.1 ”do„ danych 3 ”. I dodaj wartości „20, 40.8, 55.8, 7.2 i 48 ”w„ Data 4 ”. Następnie rysujemy histogram wszystkich tych kolumn osobno. Korzystamy z techniki „Hist ()” o nazwie DataFrame i ustawiamy jej „pojemniki” jako „8”. Generuje cztery odrębne histogramy na ekranie wyjściowym.

Stworzyliśmy te podane histogramy za pomocą funkcji „hist ()” w pandy. Wszystkie kolumny zawierają różne dane, więc wszystkie cztery histogramy tutaj różnią się od siebie.

Przykład 4:

Możemy również narysować histogram tych danych obecnych w pliku CSV. Teraz, w tym przykładzie, wykreślamy histogramy danych plików CSV. W tym celu importujemy „matplotlib.Biblioteka Pyplot ”jako„ PLT ”. Otrzymujemy funkcje tej biblioteki, umieszczając obiekt „PLT” zamiast „matplotlib.Pyplot ”. Teraz czytamy plik CSV, używając metody „read_csv”. Określamy nazwę pliku zawierające dane, które chcemy zaimportować do ramki danych w „read_csv ()”.

Tutaj plik nazywany jest „Plik.CSV ”. Dane z „pliku.CSV ”jest przechowywane w„ DF ”w postaci DataFrame. Renderujemy dane pliku w postaci DataFrame na konsoli. Następnie stosujemy metodę „hist ()”, w której umieszczamy nazwę kolumny obecnej w pliku CSV. Ta nazwa kolumny to „S_name”. Po utworzeniu histogramów ta nazwa pojawia się tam. „Rysowanie”, z którego tu używamy, służy do dostosowania rozmiaru obrazu histogramu, który ustawiamy jako „12” dla „szerokości” i „8” dla „wysokości” rozmiaru wykresu histogramu.

Ponadto „pojemniki” są ustawione na „15”. W końcu umieszczamy „PLT.Metoda show () ”. „Plt. Metoda show () ”uruchamia pętlę zdarzeń, wyszukuje wszystkie istniejące podmioty figury i uruchamia wiele interaktywnych okien, które pokazują wykres lub wykresy.

Tutaj najpierw wyświetla dane obecne w pliku CSV w postaci DataFrame. Następnie podaje wykresy danych numerycznych osobno dla każdego.

Zobaczysz, że mamy tutaj sześć różnych wykresów. Nazwy uczniów są wymienione na każdym wykresie, ponieważ dostosowaliśmy tę „nazwę S_Name” w kodzie. Tak więc ta „s_name” jest renderowana tutaj na każdym wykresie.

Przykład 5:

Ponownie importujemy obie biblioteki, które są „pandy” i „matplotlib.Pyplot ”w tym kodzie odpowiednio jako„ PD ”i„ PLT ”. Następnie rysujemy histogram „Office.plik CSV ”, najpierw umieszczając metodę„ read_csv () ”, a następnie za pomocą prostej funkcji„ hist () ”. Dodatkowo wyświetlamy dane pliku biurowego jako ramkę danych na terminalu przed użyciem metody „hist ()”. Dodajemy „PLT. show () ”funkcja, którą wyjaśniliśmy w poprzednim przykładzie.

Ramka danych „Office.Plik CSV ”jest renderowany. Ich histogramy są wyświetlane w następującej ilości. Tutaj dane z pliku CSV są najpierw wyświetlane w postaci ramki danych.

Dwa wykresy histogramu są wyświetlane w danych wyjściowych, ponieważ taframa danych zawiera tylko dwie kolumny, które mają dane liczbowe,.

Przykład 6:

To jest nasz ostatni przykład tego przewodnika. Tworzymy „cars_df” i wstawiamy w nim dwie kolumny. „Nazwa samochodu” zawiera nazwy samochodów, a „cena Challan” zawiera cenę Challan. Następnie uzyskujemy dostęp do funkcji „hist ()” z „PLT”, która jest biblioteką, którą importujemy na początku kodu. Mamy nazwę kolumny „Challan_Price” w „PLT. Hist () ”funkcja i użyj„ PLT. Metoda show () ”.

Jest to wykres histogramu tego kodu, który jest narysowany na podstawie wartości liczbowych obecnych w kolumnie „Challan_price”.

Wniosek

Metodę „Hist ()” w Panandach pokazano w tym przewodniku. Naszym głównym celem jest przekazanie idei metody „Hist ()” w pandach prosto i zwięźle. Wyjaśniliśmy, jak użyć funkcji pand „hist ()” do narysowania histogramu danych liczbowych. Wyjaśniliśmy, że „histogram” jest wizualnym przedstawieniem sposobu rozkładu danych. Po przeczytaniu tego przewodnika będziesz mógł przejść do bardziej skomplikowanego etapu programowania pand. Mamy nadzieję, że z tego przewodnika bardzo skorzystasz w przyszłości.