Phenquestions
Nödvändig förutsättning
Om du är en ny Python-användare måste du först ställa in miljön för att visa utdata från rutan. Du kan använda vilken Python-tolk som helst för att köra koden. I den här handledningen kommer jag att använda spyder3 för att köra koden. Om du inte har installerat pandor och havsfödda bibliotek innan, då ska du köra följande kommando från terminalen för att installera dessa bibliotek:
$ pip3 installera pandor seabornBox tomter med pandaer
De boxplot () metod av pandor används för att generera lottdiagram baserat på dataramen. Denna metod innehåller många argument; några av dessa argument används i exemplen nedan. Den här delen av handledningen innehåller två exempel som visar hur du skapar rutor i pandor. Du kan använda slumpmässigt genererade data i NumPy-biblioteket eller data från en CSV-fil för att generera en rutplott i pandor.
Exempel 1: Rutor baserat på slumpmässiga värden
Rutdiagrammen i följande exempel genererades med NumPy och pandor. NumPy-biblioteket används i skriptet för att skapa ett dataramobjekt genom att generera en tvådimensionell matris av slumpmässiga värden som innehåller 5 rader och 5 kolumner. Innehållet i dataramen skrivs ut med huvudet() metod. Nästa, den boxplot () metoden används för att generera rutor med blå färg, teckenstorlek 10 och en 30 graders roterande vinkel för att visa kolumnvärdena.
#!/ usr / bin / env python3# Importera pandabibliotek
importera pandor som pd
# Importera NumPy-biblioteket för att skapa slumptal för matrisen
importera numpy som np
"
Generera datamängder baserat på slumpmässigt skapade NumPy-array
och fem kolumner värden
"
dataframe = pd.DataFrame (np.slumpmässig.randn (5,5), kolumner = ['2016', '2017', '2018',
'2019', '2020'])
# Skriv ut värdena på dataframe
skriva ut (dataframe.huvud())
# Visa rutan baserat på dataramvärdena
dataframe.boxplot (grid = 'false', color = 'blue', fontsize = 10, rot = 30)
Produktion
Följande utdata visas efter att koden har körts.
Exempel 2: Rutor baserat på CSV-data
Rutdiagrammen i följande exempel genererades från CSV-data. Skapa en CSV-fil med namnet Bank.csv med hjälp av följande data.
Bank.csv
SL, Client_Name, Account_Type, Gender, Balance1, Maria Hernandez, Saving, Kvinna, 120000
2, Mary Smith, Aktuell, Kvinna, 40000
3, David Smith, nuvarande, man, 379000
4, Maria Rodriguez, Saving, Kvinna, 56000
5, Mark Lee, Saving, Man, 93500
6, Jonathan Bing, nuvarande, man, 5900
7, Daniel Williams, Saving, Man, 2300
8, Mike Brown, nuvarande, man, 124888
9, Paul Smith, nuvarande, man, 59450
10, Maria Lopez, Saving, Kvinna, 487600
I följande skript, matplotlib biblioteket användes för att ställa in figurstorleken på rutan och för att visa utmatningen inline. Alla register över banken.csv filen laddades med read_csv () metod av pandor. De första åtta posterna i dataramen trycktes sedan med huvud() metod. De boxplot () metoden användes i följande uttalande för att rita figuren i rutan med röd färg baserat på 'Kontotyp ' med kolumnen 'Balans.''
#!/ usr / bin / env python3# Importera pandor för att skapa rutor
importera pandor som pd
# Importera matplotlib för att ställa in figurstorleken på rutan
importera matplotlib.pyplot som plt
# Importera get_ipython för att formatera output inline
från IPython importerar get_ipython
get_ipython ().run_line_magic ('matplotlib', 'inline')
# Ställ in figurstorleken
plt.rcParams ['figur.figsize '] = (8,4)
# Ladda datauppsättningen från en CSV-fil
df = pd.read_csv ("bank.csv ")
# Skriv ut de första åtta raderna med laddade data
skriva ut (df.huvud (8))
# Visa rutor som baseras på den använda parametern
df.boxplot (av = 'Account_Type', grid = 'True', column = ['Balance'], color = 'red')
Produktion
Följande utdata visas efter att koden har körts.
Box tomter med seaborn
Ett annat Python-bibliotek som ofta används för att rita rutor är biblioteket havsfödda. En av de viktiga funktionerna i detta bibliotek är att det har många inbyggda provdatauppsättningar för att testa olika uppgifter. De följande två exemplen kommer att täcka användningen av två olika exempel på datamängder för att rita rutor med hjälp av havsfödda bibliotek.
Exempel 3: Rutor baserat på x-parameter
I följande exempel används en exempeluppsättning med namnet 'ruter,' från havsfödda bibliotek för att generera rutan. Här definieras rutnätstilen med hjälp av set_style () metod. De load_dataset () metoden används för att ladda data för 'ruter' dataset. De första fem posterna skrivs ut från datamängden och boxplot () metoden används sedan för att rita rutan baserat på den kolumn som heter 'djup,'med blå färg.
# Importera havsfödda bibliotek för att skapa rutorimportera seaborn som sns
# Importera matplotlib för att ställa in figurstorleken på rutan
importera matplotlib.pyplot som plt
# Importera get_ipython för att formatera output inline
från IPython importerar get_ipython
get_ipython ().run_line_magic ('matplotlib', 'inline')
# Ställ in rutnätet
sns.set_style ("whitegrid")
# Ställ in figurstorleken
plt.rcParams ['figur.figsize '] = (8,4)
# Ladda exempeluppsättningen
diamond_dataset = sns.load_dataset ('diamanter')
# Visa de fem första posterna i datasetet
skriva ut (diamant_dataset.huvud())
# Rita figurerna i rutorna
sns.boxplot (x = diamond_dataset ['depth'], color = 'blue')
Produktion
Följande utdata visas efter att koden har körts.
Exempel 4: Rutor baserat på x- och y-parametrar
I följande exempel används exempeluppsättningen med namnet 'flygningar'att rita rutan. Här är både x- och y-parametrarna för boxplot () metod används för att rita figuren. De andra påståendena liknar föregående exempel.
# Importera havsfödd bibliotek för att skapa rutorimportera seaborn som sns
# Importera matplotlib för att ställa in figurstorleken på rutan
importera matplotlib.pyplot som plt
# Importera get_ipython för att formatera output inline
från IPython importerar get_ipython
get_ipython ().run_line_magic ('matplotlib', 'inline')
# Ställ in rutnätet
sns.set_style ("darkgrid")
# Ställ in figurstorleken
plt.rcParams ['figur.figsize '] = (12,4)
# Ladda exempeluppsättningen
flight_dataset = sns.load_dataset ('flyg')
# Visa de fem första posterna i datasetet
skriva ut (flight_dataset.huvud())
# Rita figurerna i rutorna
sns.boxplot (x = 'månad', y = 'passagerare', data = flight_dataset, färg = 'blå')
Produktion
Följande utdata visas efter att koden har körts.
Slutsats
När du arbetar med en stor mängd data kanske du vill sammanfatta informationen med hjälp av ett diagram, till exempel ett rutdiagram. Denna handledning använde flera exempel för att visa dig hur du genererar rutor med två Python-bibliotek.
