From fb35c4ba598bb8b8cf8fef66bc9cbd44fe940c3d Mon Sep 17 00:00:00 2001 From: Xingyu Wang Date: Fri, 19 Jun 2020 23:19:31 +0800 Subject: [PATCH] PRF @geekpi --- ...602 Using pandas to plot data in Python.md | 63 +++++++++---------- 1 file changed, 28 insertions(+), 35 deletions(-) diff --git a/translated/tech/20200602 Using pandas to plot data in Python.md b/translated/tech/20200602 Using pandas to plot data in Python.md index d514b687e5..547d923213 100644 --- a/translated/tech/20200602 Using pandas to plot data in Python.md +++ b/translated/tech/20200602 Using pandas to plot data in Python.md @@ -1,22 +1,24 @@ [#]: collector: (lujun9972) [#]: translator: (geekpi) -[#]: reviewer: ( ) +[#]: reviewer: (wxy) [#]: publisher: ( ) [#]: url: ( ) [#]: subject: (Using pandas to plot data in Python) [#]: via: (https://opensource.com/article/20/6/pandas-python) [#]: author: (Shaun Taylor-Morgan https://opensource.com/users/shaun-taylor-morgan) -使用 pandas 在 Python 中绘制数据 +使用 Pandas 在 Python 中绘制数据 ====== -Pandas 是一个非常流行的 Python 数据操作库。学习怎样使用它的 API 绘制数据。 -![Two pandas sitting in bamboo][1] -在有关基于 Python 的绘图库的系列文章中，我们将对使用 pandas（一种非常流行的 Python 数据操作库）绘图进行概念性研究。Pandas 是 Python 中用于可扩展转换数据的标准工具，它也已成为[从 CSV 和 Excel 格式导入和导出数据][2]的流行方法。 +> Pandas 是一个非常流行的 Python 数据操作库。学习怎样使用它的 API 绘制数据。 -最重要的是，它还包含一个非常好的绘图 API。这非常方便，你已将数据存储在 pandas DataFrame 中，那么为什么不使用相同的库进行绘制呢？ +![](https://img.linux.net.cn/data/attachment/album/202006/19/231720ed0jd9s99h9cute7.jpg) -在本系列中，我们将在每个库中制作相同的多柱状图，以便我们可以比较它们的工作方式。我们将使用的数据是 1966 年至 2020 年的英国大选结果： +在有关基于 Python 的绘图库的系列文章中，我们将对使用 Pandas 这个非常流行的 Python 数据操作库进行绘图进行概念性的研究。Pandas 是 Python 中的标准工具，用于对进行数据可扩展的转换，它也已成为[从 CSV 和 Excel 格式导入和导出数据][2]的流行方法。 + +除此之外，它还包含一个非常好的绘图 API。这非常方便，你已将数据存储在 Pandas DataFrame 中，那么为什么不使用相同的库进行绘制呢？ + +在本系列中，我们将在每个库中制作相同的多条形柱状图，以便我们可以比较它们的工作方式。我们使用的数据是 1966 年至 2020 年的英国大选结果： ![Matplotlib UK election results][3] @@ -24,22 +26,19 @@ Pandas 是一个非常流行的 Python 数据操作库。学习怎样使用它 在继续之前，请注意你可能需要调整 Python 环境来运行此代码，包括： -* 运行最新版本的 Python（[Linux][4]、[Mac][5] 和 [Windows][6] 的说明） +* 运行最新版本的 Python（用于 [Linux][4]、[Mac][5] 和 [Windows][6] 的说明） * 确认你运行的是与这些库兼容的 Python 版本 - - -数据可在线获得，并可使用 pandas 导入： +数据可在线获得，并可使用 Pandas 导入： ``` import pandas as pd -df = pd.read_csv('') +df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv') ``` -完成了。在本系列文章中，我们已经看到了一些令人印象深刻的简单 API，但是 pandas 一定能夺冠。 - -要在 x 轴上绘制按`年`和每个党派分组的柱状图，我只需要这样做： +现在我们已经准备好了。在本系列文章中，我们已经看到了一些令人印象深刻的简单 API，但是 Pandas 一定能夺冠。 +要在 x 轴上绘制按年份和每个党派分组的柱状图，我只需要这样做： ``` import matplotlib.pyplot as plt @@ -47,25 +46,24 @@ ax = df.plot.bar(x='year') plt.show() ``` -只有四行，这绝对是我们在本系列中创建的最棒的多柱状图。 +只有四行，这绝对是我们在本系列中创建的最棒的多条形柱状图。 我以[宽格式][7]使用数据，这意味着每个党派都有一列： - ``` -year conservative labour liberal others -0 1966 253 364 12 1 -1 1970 330 287 6 7 -2 Feb 1974 297 301 14 18 -.. ... ... ... ... ... -12 2015 330 232 8 80 -13 2017 317 262 12 59 -14 2019 365 202 11 72 + year conservative labour liberal others +0 1966 253 364 12 1 +1 1970 330 287 6 7 +2 Feb 1974 297 301 14 18 +.. ... ... ... ... ... +12 2015 330 232 8 80 +13 2017 317 262 12 59 +14 2019 365 202 11 72 ``` -这意味着 pandas 会自动知道我希望如何分组，如果我希望进行不同的分组，pandas 可以很容易地[重组 DataFrame][8]。 +这意味着 Pandas 会自动知道我希望如何分组，如果我希望进行不同的分组，Pandas 可以很容易地[重组 DataFrame][8]。 -与 [Seaborn][9] 一样，pandas 的绘图功能是 Matplotlib 之上的抽象，这就是为什么要调用 Matplotlib 的 `plt.show()` 函数来实际生成绘图的原因。 +与 [Seaborn][9] 一样，Pandas 的绘图功能是 Matplotlib 之上的抽象，这就是为什么要调用 Matplotlib 的 `plt.show()` 函数来实际生成绘图的原因。 看起来是这样的： @@ -79,15 +77,13 @@ year conservative labour liberal others 首先，我们可以通过将 Matplotlib 颜色表传递到绘图函数来为柱状图着色： - ``` from matplotlib.colors import ListedColormap cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591']) ax = df.plot.bar(x='year', colormap=cmap) ``` -我们可以使用绘图函数的返回值设置坐标轴标签和标题，它只是一个 [Matplotlib `Axis` 对象][12]。 - +我们可以使用绘图函数的返回值设置坐标轴标签和标题，它只是一个 [Matplotlib 的 Axis 对象][12]。 ``` ax.set_xlabel(None) @@ -99,15 +95,12 @@ ax.set_title('UK election results') ![pandas styled plot][13] -这与上面的 Matplotlib 版本几乎相同，但是只用了 8 行代码而不是 16 行！我内心的[代码高尔夫选手][14]非常高兴。 +这与上面的 Matplotlib 版本几乎相同，但是只用了 8 行代码而不是 16 行！我内心的[代码高手][14]非常高兴。 ### 抽象必须是可转义的 与 Seaborn 一样，向下访问 Matplotlib API 进行细节调整的能力确实很有帮助。这是给出抽象[紧急出口][15]使其既强大又简单的一个很好的例子。 -* * * - -_本文基于 Anvil 博客上的[如何使用 Pandas 绘图][16]，并获许可以重复使用。_ -------------------------------------------------------------------------------- @@ -116,7 +109,7 @@ via: https://opensource.com/article/20/6/pandas-python 作者：[Shaun Taylor-Morgan][a] 选题：[lujun9972][b] 译者：[geekpi](https://github.com/geekpi) -校对：[校对者ID](https://github.com/校对者ID) +校对：[wxy](https://github.com/wxy) 本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出