Nano Hash - криптовалюты, майнинг, программирование

Простая диаграмма столбца означает использование морской волны

У меня есть фреймворк pandas с 26 столбцами числовых данных. Я хочу представить среднее значение каждого столбца на гистограмме с 26 столбцами. Это легко сделать с помощью функции построения панд: df.plot(kind = 'bar'). Однако результаты уродливые, а названия столбцов часто усекаются, то есть:

График усеченных ярлыков из панд

Я бы хотел сделать это с морским борном вместо этого, но, похоже, не могу найти способ, как бы я ни смотрел. Конечно, есть простой способ сделать простой столбчатый график средних значений столбца? Спасибо.

python pandas seaborn
14.05.2018

  • Предоставьте образцы данных. Пожалуйста, покажите попытку блока кода. Скриншот нежелательного сюжета. 14.05.2018
  • Вы всегда можете попробовать: plt.tight_layout() перед plt.show(). Также рассмотрите возможность использования kind='barh' 14.05.2018
  • Ваши данные в широком формате. Подумайте о преобразовании в длинный формат и включите индикаторы женский, мужской и т. Д. в отдельные столбцы, кроме числового значения, а затем нанесите на график по категориям. 14.05.2018

Ответы:


1

Вы можете использовать sns.barplot - особенно для горизонтальные гистограммы, более подходящие для многих категорий, например:

import seaborn as sns

df = pd.DataFrame({'x': [0, 1], 'y': [2, 3]})
unstacked = df.unstack().to_frame()
sns.barplot(
    y=unstacked.index.get_level_values(0),
    x=unstacked[0]);

введите здесь описание изображения

14.05.2018
  • Спасибо, это полезно. Однако я теряю полосы ошибок, когда представляю фрейм данных как серию, подобную этой. Кто-нибудь знает, как я могу их сохранить? 14.05.2018

    • 2

    Вы можете попробовать что-то вроде этого:

    import matplotlib.pyplot as plt
import seaborn as sns
sns.set()

fig = df.mean().plot(kind='bar')
plt.margins(0.02)
plt.ylabel('Your y-label')
plt.xlabel('Your x-label')
fig.set_xticklabels(df.columns, rotation = 45, ha="right")
plt.show()

    введите здесь описание изображения

    14.05.2018

    3

    Если кто-то найдет это с помощью поиска, самое простое решение, которое я нашел (я OP), - это использовать функцию pandas.melt(). Это объединяет все столбцы в один столбец, но добавляет второй столбец, который сохраняет заголовок столбца рядом с каждым значением. Этот фрейм данных можно передать непосредственно в seaborn.

    31.05.2018

    4

    df = pd.DataFrame ({'x': [0, 1], 'y': [2, 3]})

    sns.barplot (x = df.mean (). index, y = df.mean ())

    plt.show ()

    25.01.2019
  • пожалуйста, добавьте описание 25.01.2019
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..