Visualización de datos y representación gráfica

Name: Visualización de datos y representación gráfica
Author: Bill Hood

Aprenda diseño y espaciado, y conozca los Pandas

Preview the first lesson free — get full access to all 3 lessons.

Curso: bajo demanda

Vamos a profundizar rápidamente en el diseño y el espaciado, y Usaremos subtramas y algunas de las subtramas que hemos ya aprendí. No hay bibliotecas nuevas, matplotlib ya que PLT es todo lo que necesitamos, numpy, con el que estamos familiarizados. También vamos a introducir algo nuevo aquí, que considerar las mejores prácticas. Y esa es una declaración de definición o una subrutina, algunas podría llamarlo. Esencialmente, es una función repetitiva que vamos a repetir una y otra vez. Entonces en nuestro caso vamos a hacer más de una trama. Así que vamos a escribir una definición que realmente proporcionar una manera de crear una gráfica para nosotros con algunas variables en la trama en sí y luego el tamaño de fuente. Y puedes ver aquí está nuestro básico. gráfico de muestra. Y note que cuando nosotros cambie el tamaño de fuente, como lo cambiaremos a 12 y ejecutaremos esto de nuevo, Básicamente eso cambia estos títulos. Eso es todo lo que necesitamos saber por ahora. Lo que vamos a hacer es llamar a esto varias veces y juegue con algo de diseño y espaciado. Entonces, ¿qué pasaría si los pusiéramos en orden? Y entonces, lo que hará este próximo segmento de código es, Usando ese formato de figura del que hablamos antes, crea una matriz de dos por dos, dos columnas, dos filas, cuatro gráficos, y luego usaremos nuestro gráfico de ejemplo y simplemente llámalo cuatro veces. De ahí que utilicemos la definición. Así que ejecutemos ese allí mismo. Y ahora lo que puedes ver es que tenemos nuestras cuatro tramas. juntos, pero se superponen un poco aquí. Y eso es algo que vas a encontrar sucede. Sin embargo, hay un ajuste realmente fácil y agradable. Y si miras este código aquí mismo, Una de las cosas que podemos hacer es simplemente especificar que esto La trama va a ser un diseño ajustado. Y luego un diseño ajustado calculará cuánto espacio hay. necesidades, incluidas las etiquetas, y vuelva a espaciarlas. Así que ejecutemos esto y veamos cómo se ve. Y ahí estás. Ves que ahí ya no hay superposiciones. Y eso es lo que hace el diseño tipográfico. Eso es todo en cuanto a diseño y espaciado. Próximamente pandas.

Intermedio Proveedor : Bill Hood 3 lecciones · 15m en Árabe, Alemán, Inglés, Español, Francés, Portugués, Chinese

Descripción del curso

In these lessons, we start by taking a deep dive into layout and spacing and exploring different ways to develop and plot using a figure with the axis. Then you’ll begin an exploration of Pandas, one of the most important visualization tools. You’ll discover how Pandas and the Pandas library provide all-purpose solutions for visualization and, in some cases, is the only library you will need.

Pandas is an open-source library specifically for data analysis and data science. Pandas is fast, powerful, flexible, and easy to use. As with other libraries used in this course, Pandas is intended to be used in conjunction with Python 3.x, and is one of the few libraries that can provide an entire visualization solution within the Pandas libraries. We’ll also introduce you to a number of associated tools, such as CSV readers, that you’ll continue to use throughout the course.

Learning Objectives:

• Understand layout and spacing

• Describe the use of Numpy to generate random data

• Explain Pandas and a DataSeries and DataFrame

Lo que aprenderás

Explorar diseño y espaciado al desarrollar y graficar con una figura y su eje
Usar Numpy para generar datos aleatorios para visualización
Trabajar con Pandas, una DataSeries y un DataFrame para análisis y visualización de datos
Graficar datos usando DataFrames de Pandas
Aplicar herramientas asociadas como lectores CSV utilizados en todo el curso

Puntos clave

Pandas es una biblioteca de código abierto construida específicamente para análisis de datos y ciencia de datos.
Pandas es rápida, poderosa, flexible y fácil de usar, e está diseñada para usarse con Python 3.x.
Pandas puede proporcionar una solución de visualización completa dentro de sus propias bibliotecas, y en algunos casos es la única biblioteca que necesitará.
El curso introduce herramientas asociadas como lectores CSV que se utilizan en toda las lecciones.
Las lecciones cubren diseño y espaciado, el uso de Numpy para generar datos aleatorios y DataSeries y DataFrames de Pandas.

Preguntas frecuentes

¿Qué temas cubre este curso?

El curso cubre diseño y espaciado, desarrollo y graficación con una figura y su eje, uso de Numpy para generar datos aleatorios y trabajo con Pandas, incluyendo DataSeries y DataFrames, para graficar y visualizar datos.

¿Qué es Pandas y por qué se usa en este curso?

Pandas es una biblioteca de código abierto construida específicamente para análisis de datos y ciencia de datos. Es rápida, poderosa, flexible y fácil de usar, y en algunos casos es la única biblioteca de visualización que necesitará, proporcionando una solución de visualización completa dentro de sus bibliotecas.

¿Qué lenguaje de programación se requiere para este curso?

Pandas, como las otras bibliotecas utilizadas en este curso, está diseñada para usarse en conjunto con Python 3.x.

¿Qué lecciones se incluyen en este curso?

El curso incluye tres lecciones: Diseño y Espaciado; Introducción a Pandas y DataFrames; y Graficación con DataFrames de Pandas.

¿Qué habilidades ganaré de este curso?

Ganará habilidades en visualización de datos, graficación, visualización de información, Pandas (paquete de Python), gráficos estadísticos y visualización.