Visualisation des données et tracé de graphiques

Name: Visualisation des données et tracé de graphiques
Author: Bill Hood

Apprendre la mise en page et l'espacement, et s'initier à Pandas

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

Cours : à la demande

Nous allons faire un rapide tour d'horizon de la disposition et de l'espacement, et nous utiliserons des sous-intrigues et certains des éléments de sous-intrigue que nous avons déjà appris. Pas de nouvelles bibliothèques, matplotlib car PLT est tout ce dont nous avons besoin, numpy, que nous connaissons. Nous allons également introduire ici quelque chose de nouveau, que je considérer les meilleures pratiques. Et c'est une déclaration de définition ou un sous-programme, certains pourrait l'appeler. Il s'agit essentiellement d'une fonction répétitive que nous allons répéter encore et encore. Donc dans notre cas, nous allons faire plus d’une intrigue. Nous allons donc rédiger une définition qui fournir un moyen de créer un tracé pour nous avec quelques variables dans l'intrigue elle-même, puis la taille de la police. Et vous pouvez voir ici notre base exemple de tableau. Et remarquez que lorsque nous changez la taille de la police, comme si nous la changerions en 12 et exécuterions Encore ceci, En gros, cela change ces titres. C'est tout ce que nous devons savoir pour le moment. Ce que nous allons faire, c'est appeler cela plusieurs fois et jouez avec une certaine disposition et un certain espacement. Et si nous mettions tout cela en ordre ? Et donc ce que ce prochain segment de code va faire, c'est : en utilisant ce format de figure dont nous avons parlé plus tôt, créez un tableau deux par deux, deux colonnes, deux lignes, quatre tracés, puis nous utiliserons notre exemple de tracé et juste appelle-le quatre fois. C'est pourquoi nous utilisons la définition. Alors exécutons celui-ci ici. Et maintenant ce que vous pouvez voir, c'est que nous avons nos quatre intrigues ensemble, mais ils se chevauchent un peu ici. Et c'est quelque chose que tu vas découvrir arrive. Cependant, il existe un ajustement vraiment très facile. Et si vous regardez ce code ici, l'une des choses que nous pouvons faire est simplement de préciser que l'intrigue va être une mise en page serrée. Et puis une disposition serrée calculera l'espace disponible besoins, y compris les étiquettes, et réespacez-les. Alors exécutons ceci et voyons à quoi cela ressemble. Et voilà. Tu vois ça là il n'y a plus de chevauchements. Et c'est ce que fait la disposition des caractères. Voilà pour la disposition et l'espacement. Prochains pandas.

Intermédiaire Fournisseur : Bill Hood 3 leçons · 15m en Arabe, Allemand, Anglais, Espagnol, Français, Portugais, Chinese

Description du cours

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

Ce que vous allez apprendre

Explorer la disposition (layout) et l'espacement lors du développement et du tracé avec une figure (figure) et son axe (axis)
Utiliser Numpy pour générer des données aléatoires pour la visualisation
Travailler avec Pandas, une DataSeries, et un DataFrame pour l'analyse et la visualisation des données
Tracer des données à l'aide des DataFrames de Pandas
Appliquer des outils associés tels que les lecteurs CSV utilisés tout au long du cours

Points clés à retenir

Pandas est une bibliothèque open-source (open-source library) spécialement conçue pour l'analyse de données et la science des données.
Pandas est rapide, puissant, flexible et facile à utiliser, et il est destiné à être utilisé avec Python 3.x.
Pandas peut fournir une solution de visualisation complète au sein de ses propres bibliothèques, et dans certains cas, c'est la seule bibliothèque dont vous aurez besoin.
Le cours présente des outils associés, tels que les lecteurs CSV, qui sont utilisés tout au long des leçons.
Les leçons couvrent la disposition (layout) et l'espacement, l'utilisation de Numpy pour générer des données aléatoires, ainsi que les DataSeries et DataFrames de Pandas.

Foire aux questions

Quels sujets ce cours couvre-t-il ?

Le cours couvre la disposition (layout) et l'espacement, le développement et le traçage avec une figure et son axe, l'utilisation de Numpy pour générer des données aléatoires, et le travail avec Pandas, y compris les DataSeries et les DataFrames, pour tracer et visualiser les données.

Qu'est-ce que Pandas et pourquoi est-il utilisé dans ce cours ?

Pandas est une bibliothèque open source (open-source library) spécifiquement conçue pour l'analyse et la science des données. Elle est rapide, puissante, flexible et facile à utiliser, et dans certains cas, elle constitue la seule bibliothèque de visualisation dont vous aurez besoin, fournissant une solution complète de visualisation au sein de ses bibliothèques.

Quel langage de programmation est requis pour ce cours ?

Pandas, tout comme les autres bibliothèques utilisées dans ce cours, est destiné à être utilisé avec Python 3.x.

Quelles leçons sont incluses dans ce cours ?

Le cours comprend trois leçons : Disposition (Layout) et espacement ; Présentation de Pandas et des Dataframes ; et Traçage (Plotting) avec les DataFrames Pandas.

Quelles compétences vais-je acquérir grâce à ce cours ?

Vous acquerrez des compétences en visualisation de données, en représentation graphique (graphing), en visualisation de l'information, en Pandas (paquetage Python), en graphiques statistiques et en visualisation.