python数据可视化制做带均线系统的移动平均线和边缘柱形图

来源: https://www.ucloud.cn/yun/130252.html 作者: 89542767 发布日期: 发布于2023-01-12 10:33

文中重要讲述了python数据可视化制做带均线系统的移动平均线和边缘柱形图，文章主题明确开展详细的简单介绍，具有极强的实际意义，需要的小伙伴可以学习下

　　一、制做带均线系统的移动平均线

　　实现方案：

　　在移动平均线上再加上均线系统（线性拟合线）反映2个变量是正相关、反比或者无关联性。

　　进行编号：

　　在移动平均线上再加上均线系统（线性拟合线）反映2个变量是正相关、反比或者无关联性。蓝红2组数据信息各自设计出最理想的线性拟合线。

　　import pandas as pd
　　import matplotlib as mpl
　　import matplotlib.pyplot as plt
　　import seaborn as sns
　　import warnings
　　warnings.filterwarnings(action='once')
　　plt.style.use('seaborn-whitegrid')
　　sns.set_style("whitegrid")
　　print(mpl.__version__)
　　print(sns.__version__)
　　def draw_scatter(file):
　　#Import Data
　　df=pd.read_csv(file)
　　df_select=df.loc[df.cyl.isin([4,8]),:]
　　#Plot
　　gridobj=sns.lmplot(
　　x="displ",
　　y="hwy",
　　hue="cyl",
　　data=df_select,
　　height=7,
　　aspect=1.6,
　　palette='Set1',
　　scatter_kws=dict(s=60,linewidths=.7,edgecolors='black'))
　　#Decorations
　　sns.set(style="whitegrid",font_scale=1.5)
　　gridobj.set(xlim=(0.5,7.5),ylim=(10,50))
　　gridobj.fig.set_size_inches(10,6)
　　plt.tight_layout()
　　plt.title("Scatterplot with line of best fit grouped by number of cylinders")
　　plt.show()
　　draw_scatter("F:数据杂坛datasetsmpg_ggplot2.csv")

      二、制做边缘柱形图

　　实现方案：

　　python制做边缘柱形图，用于呈现X和Y内在联系、及X和Y的单变量分布规律，主要运用于数据探索分析。

　　进行编号：

　　import pandas as pd
　　import matplotlib as mpl
　　import matplotlib.pyplot as plt
　　import seaborn as sns
　　import warnings
　　warnings.filterwarnings(action='once')
　　plt.style.use('seaborn-whitegrid')
　　sns.set_style("whitegrid")
　　print(mpl.__version__)
　　print(sns.__version__)
　　def draw_Marginal_Histogram(file):
　　#Import Data
　　df=pd.read_csv(file)
　　#Create Fig and gridspec
　　fig=plt.figure(figsize=(10,6),dpi=100)
　　grid=plt.GridSpec(4,4,hspace=0.5,wspace=0.2)
　　#Define the axes
　　ax_main=fig.add_subplot(grid[:-1,:-1])
　　ax_right=fig.add_subplot(grid[:-1,-1],xticklabels=[],yticklabels=[])
　　ax_bottom=fig.add_subplot(grid[-1,0:-1],xticklabels=[],yticklabels=[])
　　#Scatterplot on main ax
　　ax_main.scatter('displ',
　　'hwy',
　　s=df.cty*4,
　　c=df.manufacturer.astype('category').cat.codes,
　　alpha=.9,
　　data=df,
　　cmap="Set1",
　　edgecolors='gray',
　　linewidths=.5)
　　#histogram on the right
　　ax_bottom.hist(df.displ,
　　40,
　　histtype='stepfilled',
　　orientation='vertical',
　　color='#098154')
　　ax_bottom.invert_yaxis()
　　#histogram in the bottom
　　ax_right.hist(df.hwy,
　　40,
　　histtype='stepfilled',
　　orientation='horizontal',
　　color='#098154')
　　#Decorations
　　ax_main.set(title='Scatterplot with Histogramsn displ vs hwy',
　　xlabel='displ',
　　ylabel='hwy')
　　ax_main.title.set_fontsize(10)
　　for item in([ax_main.xaxis.label,ax_main.yaxis.label]+
　　ax_main.get_xticklabels()+ax_main.get_yticklabels()):
　　item.set_fontsize(10)
　　xlabels=ax_main.get_xticks().tolist()
　　ax_main.set_xticklabels(xlabels)
　　plt.show()
　　draw_Marginal_Histogram("F:数据杂坛datasetsmpg_ggplot2.csv")

　　综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来帮助。