Построение графика по DataFrame

Часть раздела Данные и графики путешествия по Machine Learning на Coddy. Урок 47 из 60.

В таблице уже есть числа, необходимые диаграмме. К концу этой главы из одной таблицы получится вот что:

Две диаграммы на основе одной таблицы книжного магазина: число покупателей в день за две недели и гистограмма ежедневных продаж

Всё начинается с одного вызова. df.plot принимает два имени столбцов: x= по горизонтали, y= по вертикали:

sales = pd.DataFrame({"day": [1, 2, 3, 4, 5], "cups": [12, 18, 15, 25, 30]})
fig, ax = plt.subplots()
sales.plot(x="day", y="cups", ax=ax)
ax.set_title("Lemonade Sales")
plt.show()

Это строит диаграмму ниже. pandas подписывает ось x как day и автоматически указывает название линии cups в легенде:

Линия, показывающая количество стаканов лимонада за пять дней: рост с 12 до 30 с падением на третий день; ось x подписана day, в легенде указано cups

ax=ax размещает линию на ваших осях. Без этого pandas создаёт новую фигуру, и ваш заголовок оказывается на пустом графике.

Задание

Средне

Датчик уровня реки записывал уровень воды каждый час в течение штормовой ночи. В river.csv есть столбцы hour, level_cm и rain_mm.

Создай фигуру и оси.
Используй river.plot, чтобы построить график level_cm в зависимости от hour на этих осях.
Задай заголовок River Level, подпиши ось y как Level (cm) и отобрази график.

Твой график должен выглядеть так же, как этот график датчика выше по течению:

Линейный график с заголовком River Level, осью x hour от 0 до 12, осью y Level (cm); уровень растёт с 60 до максимума 88 на отметке hour 7, затем снижается до 75; легенда level_cm

Твоя программа ничего не выводит: Coddy проверяет график и описывает его в выводе.

Попробуйте сами

import pandas as pd
import matplotlib.pyplot as plt

river = pd.read_csv("river.csv")

# Напишите свой код ниже

Проверьте себя

В этом уроке есть небольшой тест. Начните урок, чтобы ответить на вопросы и сохранить прогресс.

Все уроки раздела Данные и графики

1Введение

Привет, машинное обучение Что такое модель?Импорт библиотек Ваш первый график

4Преобразование данных

Изменение формы массивов Объединение массивов Случайные числа Повторение: симуляция броска кубика

7DataFrame в pandas

Series DataFrame Чтение CSV-файлов Изучение данных Выбор столбцов Повторение: рейтинги фильмов

10Построение графиков по DataFrame

Построение графика по DataFrameДиаграмма рассеяния по столбцам Отдельный цвет для каждой группы Гистограмма столбца Повторение: продажи кафе

2Массивы NumPy

Создание массивов Форма и размер Диапазоны чисел Индексация и срезы Повторение: температурная сетка

5Линейные графики и диаграммы рассеяния

Подписи и заголовки Диаграммы рассеяния Несколько линий и легенды Цвета и маркеры Фигуры и оси Повторение: шаги за неделю

8Фильтрация и сортировка

Выбор строк Фильтрация строк Сортировка значений Новые столбцы Повторение: лучшие товары

11Наборы данных для ML

Встроенные наборы данных Признаки и метки Изучение по классам Построение графиков классов Повторение: набор данных Wine

3Математика массивов

Математика над целыми массивами Сводная статистика Статистика по осям Транслирование Булевы маски Повторение: результаты экзамена

6Графики для данных

Столбчатые диаграммы Гистограммы Несколько графиков в одном Изображения как массивы Повторение: отчёт об осадках

9Группировка и очистка данных

Подсчёт значений Группировка данных Несколько сводок Пропущенные значения Повторение: результаты опроса

12Заключительные задания

Отчёт о продажах Показания датчиков Цифры с первого взгляда Исследователь-пингвин

Потренируйтесь самостоятельно: Онлайн-компилятор Python