今天我们用上一个视频抓取的近两年倒闭的房地产企业的数据呢,我们绘制一个各省的分布地图。 好,这里我先给大家展示一下我的成果,也就是这个分布地图可以看到呢,首先他这个有图例,图例呢颜色由浅到深,代表的是我们倒闭的房地产企业的数量呢,由少到多,而且呢这个图可以很方便的进行放大缩小。 当我们把鼠标放到具体的某一个省上面呢,它会显示我们每一个省的具体数据,非常的智能。下面就给大家介绍一下如何来绘制。 首先还是在这个 notebook 里面用拍摄代码来实现。第一步我们先导入这个记录破产房地产企业数据的这个表格,当然它是有 四个数据,因为我们只进行地址的分析,可以看到每个法院的名称呢,他前面是带有地址的,那我们就要把这个地址给他提取出来,重新生成一列, 这样的话我们就生成了一列新的所在地的这个列啊,当然他是有县有市有省,我们给他统一转化为省这个级别的。我们现在就可以来进行绘制这个省级分布地图了, 要用到的呢就是这一个 p y 以下的这个第三方的库,当然他是提供了很多的模板,我们这个地图也是一个模板, 我们真正动手要写的代码其实就这三行,也就是根据我们上面这个表格,我们统计各个省倒闭公司的数量,然后再转化一下数据格式就行了,修改一下呢,我们这个 图表的一些名称。好,其他的我们都不需要变,他是既定的模板。好,我们来阅写一下, 扔成了一个本地的 h t m l 可交互的这个图表。好,我们找到它,打开可以看到就是我们一开始给大家演示的那个图表,是不是很炫酷呢?赶紧动手试一试吧。
粉丝1.6万获赞6.7万

哈喽,大家好,今天给大家分享拍摄可视化分析的分布地图,那这里呢需要用到 p y h 这个包,也就是我们常说的酷, ok, 那我们来先看一下我们要处理的一个数据, 首先我们在拍摄里面,我们通过潘大师,然后把我们对应的这个赛肯的好斯对他啊,把这个数据给导进来啊,导进来完之后呢,我们来看一下这个数据的基本情况,那我们通过 printer 啊,对他啊点 heads, 那也就是说可以通过 head 这个函数,然后我们把我们对应的这个数据的基本情况给查看一下,可以我们来运行一下, 那这里已经出来了一些实际的效果,我们可以看到啊,这个害的函数呢,他这里其实是有个参参数的啊,参数如果你默认不写的话,他就默认是打印出来整个数据有效数据的前五行,那假设你写六的话,他就有效数据的前六行,所以我们通常不用写就 ok 了,因为前五行已经足够够我们看了解这个数 遇到基本情况了,那这里呢并不代表这个数据只有五行啊,它通常只显示前五行。然后如果呃我们可以看一下这个小区,然后这个数据呢,它是大概有这些数据啊,没有,大概有十列吧,然后没一点不同的信息。 今天呢给大家主要呃分享,我们怎么去通过我们对整个这个市区这一列进行分组,那分完组之后呢,我们再统计啊,比如说属于朝阳区的有多少个小区啊?属于平谷区的有多少小区,我们通过这个分组 把这些呃小区的数据拿到之后呢,再把它分布在地图上,那一个北京市的地图的形式展现出来,每个小区分布每个市区每个地区,然后大概有多少小区这样一个分布图。 ok, 那我们呢去掉正式黄金会在这里呢,我给大家也是一样啊,首先呢我们导入对应的一些包,那这里呢就是比较惊天的一个重点,就是我们的刚刚贴的皮包一圈,这个含这个包,那通过这个包呢,我们要导入一些他对应的地图,那这个是比较重要的,我们要 一定要导入这个地图,这不现实,那也就是我们今天要呈现的这一块。那首先我们可以我们看一下啊,完了之后呢,第一步也是一样,我们先导入这个把我们的数据给读回来 啊,通过标志 csv 这个函数把我们对应的一个对塔给读会,读完了之后呢,我们就开始进行分组了,那也是狗肉拜这个函数呢,对市区进行分组,所以呢这里一定要把我们这个市区这个店给他已经标注,告诉他我们要通过呃狗肉拜的函数对市区,我们刚刚提到那一个列进行分组, 除了分组之后呢,我们还需要进行技术,所以呢我们在这个基础上再进行抗策,也是需的基础上再进行对小区这一类进行技术,也就是说不同的区域啊,不同的小区有多少个? ok, 完了之后呢,我们再获取两个值,一个就是我们的地区,一个就是值啊,这两个值呢就是未来我们要写到我们地图里面的两个参数。 ok, 我们来定义一下地图,那首先呢通过迈普的函数呢,我们首先呢定一定一下我们这个地图的一个 宽度和它的高度,就是你想有呃多大的一个尺寸去呈现它。那第二个呢,就是我们把刚刚这两个值一个列表的形式,然后逐渐的逐个去写入我们的北京这个地图,那这里大家注意一下,如果你因为我们这个是北京市的数据吗?所以这里是北京,如果呢你比如说你是郑州或者是广州,那这里就要相应的去改掉它。 ok, 那完了之后呢,我们这里是给他他一个一个标题啊,这里就是说告诉我们这个图表那是一个什么样的标题, ok, 那这里呢下一步就比较重要了,哎,告诉大家这里呢需要我们给定他的一个图例,那在设定图例的时候呢,一定要注意我们的最大值,要根据我们的实际数据来设定, 假设我们的的数据呢,它里面的最大值是两千八百多,那我们最大值可以取三千,那假设你如果两千八百多的数据,你最大值,你的图率最大值需要取到了一千,那可能在在你的图表呈现出来的结果,就可能他的分区颜色的分区就可能没那么明显,因为你可能 中间在很大一部分的程序都合合并在一起,所以呢我们要根据我们的实际数据去设定它。 ok, 那我们设定完了之后呢,我们再看啊,最后呢我们通过人道的函数把我们的这个呃城市分布这个去 tm 的这个文件给生成,那这就是一个去 tm 的文件,一个我们的对应的一个分布图,那生成完之后呢,我们再通过 os 啊 sister 我们这个函数 再把我们城市地图直接打开,那这也是方便给大家展示看一下。 ok, 那这样一来的话,我们的函数,我们所有的代码都已经写完了啊,这完了之后呢,我们来运行一下, 稍等一下。 ok, 那啊 os 已经自动帮我们把这个呃系统给打开了,那这里就是我们刚刚所制作这个 htm 这个文件, 这里呢,所以可以看到我们通过呃最大土力的有三千去设定,那么可以看到有不同颜色啊,代表不同的它的一个密度,也就是说一月中间越红的,它的值越高啊,一座铜越蓝的,那它值越低,所以我们可以看 看到在中间这些区域呢,这些小区,那比如说这种朝阳区有两千九百多个,那昌平区两千八百多个小区,那如果到边上什么蜜月,那苹果啊,也就是几十来个,十来个。 ok, 那这样一个基本的情况我们就可以画出来了,可以针对这个图再做一些简单的分析,那呈现出来一些一些分析效果,分析的一些结论。 ok, ok, 那基本情况就这些,我们今天的分享就到这里,我们下期再见。

哈喽,大家好,今天给大家分享拍摄绘制地图图表,咱们这个例子呢,绘制两个图,第一个是二零一九年中国各个省份的人口数量分布,下方第一个图就是一九年各个省份的人口,他的一个颜色的展示, 我们看到人口最多的省份是广东、山东、河南等省份。第二个图咱们绘制一下一个城市他的个区人口的分布。以北京市为例,他就展示了北京人口最多的几个区, 包含就是朝阳区、海淀区、丰台区等等。这是两个力度地图的展示,一个是中国各个省份,第二个呢是一个城市各区或者各个县,他的数量分布 下来,咱们看一下代码,本次的标题就是拍摄会指中国省份地图以及城市图表。本次咱们使用的是拍叉词, 首先有人拍叉子两个模块,一个是 office 用于设置参数,一个是叉子里面因 pote 的 mate 就是地图运行这一步。第一大步咱们来绘制中国城市的数据图表,这里我使用的数据是二零一九年全国各个省份的数量排名, 以下单位是万,我取的是前十个,咱们将数据准备成这样的格式,他是一个类似的,里面又是个子,类似的有两项, 这两项第一个是省份,第二个就是数字,依次是广州的人口呢是一亿一千万,山东差不多一亿张,河南是九千五百万,四川是八千三百万, 因为省份比较多,这里只取了前十个,准备成这样的格式,运行这一步。然后第二步咱们就来绘制这个图了,迈普等于迈普对象爱的数据, 咱起个标题叫做各省份人口的数量,然后把刚才的这个签他类似的传进来。地图本身咱选 china 就是中国地图,其实这个字母串呢可以设置成世界地图,中国地图也可以设置成,也可以设置成各个省份或者城市地图,然后咱们晒他一些 全局的参数,首先是胎套,咱们写长二零一九年全国各省份人口数量排名,然后呢有一项是微生曼普劳普胜斯, 这个才是什么意思?因为咱们展示的是数字,然后根据数字进行颜色的变化,这个 max 呢要大于咱们这个最大值, 这样的话这个颜色呢就是从零变化到一万两千,然后具体的数字会使用其中的一个颜色,最后迈普点中年中不可运行这一步咱们看到这个图就出来了,左下方呢有颜色条,最大值就刚才设的这个 max, 然后呢在地图中越偏偏红色,那么数值越大,越偏蓝色,数值越小,我们看到而省份人口数据的排名依次是广东,咱们鼠标移上去的话,会展示广东的人口数量 一一千万。然后其次呢是山东、河南,并且拍叉子,因为他是动态图,随着鼠标滚动的话呢,会发现这个头会放大,然后鼠标左键的话也可以拖拽这个头,非常方便。但是拍叉子本身好用, 一是他是动态的,二是他主要是将图可以展示在网页上,在后续的视频我会介绍一下,这第一个图就是一个中国地图,其实数据呢就准备成这样格式,就是一个省份他的数字是多少,往下走,咱们看一下一个具体城市的数据, 这里我绘制的是二零一九年北京各个区他的人口数量,这里呢我取的是前七个,分别是朝阳、海淀、丰台、昌平、大兴、通州、西城,他们的人口数量依次是三百九十万亿的,最后的一百二十九万。数据的格式跟双方一样,一个类似的 签套,类似的有两项地区的名称,以及对应的数字。运行这一步,然后咱们画这个图。第二种方法也是一样的,迈普对象爱的抬头是 获取人口,然后传入刚才的数据,地图咱选北京,直接写入中文名就可以,然后是参数抬头,然后等于 二零一九年北京各区人口的数量,同样的维柔 max, 咱们这个 max 呢大于大只,咱们取个四百,然后 max 软件登录不可来绘制这个图运行, 咱们看到这个头就出来了,他是北京的这个地形,然后咱们鼠标滚动放大一下, 咱们看到北京各区人口最多的一次是朝阳区三百九十五万,海淀区三百六十九万,丰台区二百三十二万,鼠标直上去就可以展示真实的数字,非常的动态,非常的漂亮。当然这里汇聚的是北京,其实全国各个省份 地图都是有的,你可以选定这个省份的名称或者城市的名称,然后把下面的城市和区县 他们的数据准备这种双列表的形式,然后放进来就可以复制出来。以上就是本视频的演示,稍微总结一下数据,准备成千趟列表的形式,每个字元素有 k, 这个 k 呢就是地区或者城市,为六十个数字。 然后画的图呢,就是迈步对象爱的一个胎套千趟列表的数据以及选用的地图,大家自己试一下吧,我们下次见,拜拜。

好,今天咱们用很短的时间来看一个简单的函数。首先我们还是把三九九零零幺甚至整支的数据导入到 df 变量中,同时先设一个 df red 点亮, 用 shift 的汉服算出每天的收益率,这样我们从九四年到二一年的收益率就都存在 tfboys 音量中。这是我用点意思的函数 就可以算出收集率的一个分组情况。我们可以看到从九四年到二十年,大部分的收益率都在零下,也就是说九四年到二年 过分日子身正常直都是下跌的状态。 好,今天就聊到这吧,咱们下次见。

嗨,大家好,今天给大家来一个分享拍散,我们绘制一个香型图图,试一下北京二零一九年的天气中温度的分布。下方这个图呢就是绘制图的结果, x 轴呢是四个季度,分别是 q 一、 q 二、 q 三和 q 四。这个图呢就画了四个的象形图,分别是每个季度的温度分布。这里先简单介绍一下这个盒子什么意思,在这象形图中呢,有一个盒子中间这条线是这个温度分布的中位数, 而下方这个盒子边缘呢是百分之二十五的分位数,上方呢是百分之七十五的分位数。 这个盒子外部还伸出两条线叫做核须。然后呢有一个上边缘和 下边缘,相信图认为处于这两个线之间,这个温度呢是正常的,在他们之外是异常直, 比如说这里就有异常值,他代表什么意思呢?就是第二季度出现了,有一天的温度跟大部分的天气的温度是不一样的,有点偏低了,并且从这头我们也看到整体四个季度的温度是逐渐升高,然后又降低的。 接下来我们就来演示一下这个图是怎么绘制的,依然是打开咱们拍摄的开发神器,就不太浓的不可。 首先呢,我还是来继续介绍一下相信图是什么东西。相信图英文名叫做 box plot, 又称为何须图、合适图,或者说相信图,它是一种用作显示一组数据 分散情况的统计图,一个象形图,他有哪些元素来组成呢?就是刚才我给大家介绍一下,这里我更加详细的来说一下。 首先对一组数字来说呢,我们需要先将其从小到大的进行排序,然后呢计算图中的一些元素,第一个元素就是中位数,这个中位数啊跟平均数是不一样的,中位数是取中间位置那个数字, 这条线中位数我们就能画到这盒子的中间,他本身呢也叫做百分之五十的分位数,他的名字叫 q 二, q 呢就是分位的意思, 而他下方是百分之二十五的封印数,我们叫做 q 一,意思呢就是百分之二十五这个位置的数字。然后同样的在中文数的上方,我们算出 q 三,就是百 百分之七十五的分位数,由这三条线我们画了一个盒子,就是这个箱子的意思。然后呢我们算出来一个值叫做 iq r, 它的值就是 q 三,减去 q 一,意思就是说这一段的长度。 iq r, 它是一个英文缩写,是分位数的范围, 这个数值有什么用呢?就是计算这个上边缘和下边缘的下边的数值来等于 q 一,就这个数值减去一点五倍的 iq r, 也就是说这个位置他长度呢是一点五倍的 iq r, 而相应的上方上边缘呢是 q 三,就这个值加上一点五倍的 iq 二,也就是说这条线呢是一点五倍的 q 二长度。这样的话,这个相信图主要元素就画完了,而其中这条线呢,就有点和虚, 所以说又叫做核虚图。另外还有个知识,一个数字如果大于上边缘或者说小于下边缘的话,我们称其为异常值,意思就是说我们认为他已经跑出了一个正常的范围,这就是这个相应图元素的组成。 一个象形图,他什么价值呢?有三个。首先我们可以直观明亮的识别出数据中的异常值, 就是刚才提到的大于上面圆,小于下边圆就是一张纸。第二个利用镶线图可以很明显的判断数据的偏太和伪重,什么意思呢?一般来说这个盒子不会是位于正中间的, 他往往会偏下或者偏上,那么我们就能看到这个数据的分布是偏小还是偏大的。第三个,干部 画一个多个数据的象形图的时候,就能够比较他们的数据的分布形状,相互进行对比。接下来我们进行演示, 本次的目标呢就是视频的开头,我想对比一下北京二零一九年天气数据中四个季度温度的分布的对比,总共分为四个步骤,读取北京天气的数据, 然后呢做一些数据的处理,包含温度变成数字以及添加季度这一列。最后呢点入 c boar 进行绘图。首先我们用几个包, aimport, pandas 和 c boar。 然后呢 s s 赛的样式以及他的图的尺寸大小运行, 我们进入第一步读取北京天气数据,方法呢就是 pd 点 red csv 传入这 ccv 的路线运行。 我们看一下前三行,我们看到包含年月日以及这一天的最高温度,我们主要需要这两粒。 第二步骤,我们把这个温度列呢从自务串变成数字,为什么呢?因为刚才看到这温度后面带了一个摄氏度,这样的一个自务串怎么把这个列变成数字?是这样的,就是温度这一列等于温度这一列的 s t r 形式 replace, 他的后缀为空,然后 s type float 变成一个 float 形式运行,我们看一下 df 的音法, 而我们看到温度这一点呢,变成了弗洛特六十四,就是小数的形式往下走,因为我们想看四个季度的数据分布,所以说我们需要新增一列叫做季度,使用 pass 比较好完成。是这样的,对年月日 这一列呢,我们将其转换为 de time 形式,就 pd 点 todee time。 然后呢,对这种类型可以使用 dt 点 colter, 直接取出这一日期的季度的数字, 我们把这个词的意思呢来等于 defting cult。 这一列运行,我们看一下前六行,我们看到有两个变化,第一多的这一列就是 cut 记住的数字。第二, wood 这一列呢是小数, ok。 第四步很简单,我们就用 c, p, r 来绘制一个 box plot, 方法就这样, s, n, s, d box plot。 首先 data 顶 df 就是这个数据, 然后呢,我们指定 x 呢,是取这个数据中的 colt 这一列就这个季度。歪种呢,取的是这个温度,这一列就是这个小数。 我们运行一下, ok, 这个图呢,就是视频开始我们看到那个结果,从这个图中我们就能对比四个季度他的温度整体的分布的区别。从这个图中我们就看到五度呢,一季度,二季度,三季度,四季度逐次的上升,然后又下降。 并且从这个图中我们也看到 q 三这季度的温度是分布比较集中的,处于这个位置,但是 q 四他的分布呢,高温和低温他就比较发散,而他和 q 一有一些相似地方,就是温度的中位数几乎相近,高温和低温的分布呢,也是比较相近的。 ok, 以上呢就是本视频的演示,回顾一下,我们主要是学习了相形图,这个图可以直观的看到一组数字,他的中印数,复印数以及他的上面 下面言。另外从头中呢,我们可以很容易看到一些异常者的存在,对于数据分布的查看,这个图还是比较有用的,大家加油,我们下次见,拜拜。

教你用拍照画出柱状图。首先运行单元格,我们会举 x 的数据,就是柱状图的 x o 运行可乐雪碧总共有七个分类,然后我们会举 y 轴 big curting values 运行。有这样的七个数字,怎么画柱状图呢?二、这个对象 add x x s, 增加 x 的数据, at y x s, 设置 y 轴的数据,那么用 x o y 轴的助长图就好了。软的 nonobok, 我们运行,我们看到图片的效果, x 轴可乐雪碧, y 轴是根的数字。

众所周知, charge g b t 他可以写代码,而且写的还不错。今天我们就让他用拍嗓来为我们绘制一张图表,我们告诉他,我们想要用拍嗓画一段线性回归的图表。很快他就把代码写好了,他先是生成了一些随机数据,然后创建了一个线性回归的模型,最后他用 matprot 把图表画了出来,并且呈现给你看。我们先复制这张代码运行一下,看看效果如何。我们打开 jpt notebook, 粘贴这张代码, 按 shift 加回车运行中的代码。哎,他报了一个错,说你没安装单拍好,那我们来安装一下单拍,我们直接在 notebook 里面安装单拍,安装好后,我们再次运行中的代码。哎, 他又报错,说我们要安装 matprot, 那我们把 matprot 也安装一下。安装好后,我们再次运行代码。哎,发现这次没有问题了,图表被成功的画了出来。那如果说我想要保存这张图表该怎么办呢? 再次问一下交警 gpt, 他会给我们什么答案?好的,他又从头到尾给我们生成了一遍代码,那我们取我们需要的部分,我们粘贴运行一下,然后看看结果。我们打开这张图片,然后看一下效果。哎,怎么是空的?呃,我们回到代码看一下问题出现在哪里,通过对比发现我们好像多掉 用了一次 plt 点秀,那我们把这个代码注视掉,重新运行一下,看看效果。哎,你看,这一次就成功的把图表保存成了偏低的图片。那么可能很多人跟我一样有这样的疑惑,就是秀跟 cfc, 他的调用先后顺序是什么呢?那我们来问一下亲爱的 gpt 他是怎么解释的?那么他这里解释说,秀会帮我们打开一个窗口用来展示图表, 在我们调用了 p l t 点 c u f 之后,这个窗口不会立马根据最新的修改去更新,因此所保存的 p n g 图片可能就不是最新的图标。 然后他建议你说最好在秀之前去调用 cufig, 这样的话就能保存图标了。但是我总感觉他这是在胡说八道啊,因为他说在我们调用了 cufic 之后,我们所打开的窗口不会立马去更新修改数据, 因此我们所保存的图片可能就不是最新的图标。那窗口跟不更新跟我们保保存图片有什么关系,对吧?难道说我们保存的图片是依赖于这个窗口吗?我觉得肯定不是,那我们直接找到 mat prot 的官方解释是什么?他说如果你既想要保存图片,又想要打开一个交互 窗口,那么你最好在绣之前去调用这个 safik, 这一点跟切的 gbt 所给出的建议是一样的,但是这里面的原理不是像切的 gbt 说成那样,他说在绣以主色的方式调完成以后,这主色就是 blocking, 就是主色调用,那么图表被关闭的同时也从 p y prot 注销了图表,那么在之后 调用 coc 的话,就会保存一张新的空白的图标,然后官方说如果你对秀使用非主色调的话,就不会有这样的限制,那么秀的主色和非主色区别在哪里?这里文档的解释说,秀有一个参数叫做 block, 输入的话就是阻塞窗口会一直开着,直到你把它关闭了。设置为 force 的话就是非阻塞,就是窗口会打开一下,然后立马就关闭了,然后这个参数它是可选的, 不是必须的,那默认为出就是主色,那么我们本地来调一下这种代码,来看看主色和非主色的区别。我们首先通过主色调用,此时还没有图片,我们预先做代码发现,哎,有一个窗口打开了,这个窗口一直 保持着没有被关闭,此刻没有图片。我们关闭这个窗口,发现有一张新的图片产生了,我们打开这个图片,发现是一张空白的图片,这符合之前官方所讲的,我们把图片删了,然后把 blog 设置为 force, 通过非主色来调用。我们发现一个窗口被打开,但是立马又被关闭了,然后产生了一个新的图片,这个图片正是我们所需要的一个图表。然后我们通过流程图来看一下主色跟非主色的区别, 那么这种代码他前面的流程都是一样的,产生数据,然后会是图表,区别在于主色钓鱼秀的时候,他会一直卡在窗口这里,除非你主动关闭窗口,他才会执行。下一步就是保存我们的图表。非主色钓鱼秀的话,他会给你打开个窗口,然后呢他会立马往下执行,就是保存图表。 至于你什么时候关闭这个窗口,就不亏他关了。如果你想的话,你也可以在秀之后主动调用 pose, 参数为三,窗口就会在三秒之后自动关闭。最后做个总结的话,就是 下载 gbt, 他写代码可以,但是让他去解释代码的话就差点意思,因为他所学习的东西都是网上的东西,网上的东西不一定都是准确的,他的有些回答或许准确,但有些回答就有可能是胡乱拼凑起来的。那么对于使用者而言,我觉得还是需要一些基础的知识去分辨下载 gbt, 他讲的到底是合理还是不合理,然后我们才可以拿来用。

教你用拍送绘制股票数据折线图,这是一份爬曲的股票数据,里面包含日期、股票编码,开盘价,当天的收盘价。怎么使用日期和收盘价画一个折线图呢? 第一步,咱们引入依赖的库,包含潘大寺,用于处理赛文件 polotti 与会图,点击单元格运行。第二步,读取 excel 的表格数据,异地点 readysl 就可以了,查看前后行运行,下方就是表格里面的国标数据, at 日期外面的 close 是收盘价这一列。 第三步, in plurality 会图 jump pexit and land 对这个地 i for their frame 来会图, x 轴日期 wei 轴是说盘架, title 是股票 ten 图 bigger than show 可以展示爆表运行,下方展示这个图片,我们缩小一点看到图片是可以交互的,一上去可以看到这一天的盘架,实现了咱们的目标。

p i e chance 呢,是一个用于数据可视化的并且可以生成 e chance 图表的内裤。而 e chance 呢,是由百度开发的一个数据可视化开源 g s 库, 可视化类型多,效果啊,也是非常的好。但是啊,使用就是比较的麻烦,需要导入 jsq 在加 web 项目上才能运行。而 python 呢,是一门富有表达力的语言,很适合用于数据处理。 当数据分析遇上了数据可视化时, plus 就诞生了。他可以绘制的图表啊,实在是太多了,除了大家熟悉的三点图啊,重型图啊,丙图之外啊,还新增了趣日图,百度地图等等,太多了,看这张表吧!另外啊,还需要强调的是,他的绘图逻辑 完全不同于前面说到的 not bloatly 吧, seaborna bloatly 啊! p r h s 的绘图逻辑分为以下几步,一、选择图标类型。二、 声明图形类并添加数据。三、选择全局变量。四、显示并保存图表。最后啊,咱们看一波 p y e x s 的炫酷图表吧!

现在这张图我们只传入了数据,没有对它进行任何其他样式的修改。这一期来给大家分享一下如何用拍散画一个热力图。我们使用到的第三方括是 c boom, 我们先用 pro 命令将它安装好,然后导入这个库,这里给他起了别名叫 sns。 首先我们的数据是来自于 c 泵的内置数据,是一九四九年到一九六零年的航班乘客数量。我们使用 sns 点 low 的 data set, 然后里面传入一个字符串 flat, 后面跟上一个拍 vote, 里面传入我们只想要的数据就是 month year 和 passengers, 就这三列数据就可以了。我们看一下这个数据长什么样子, 这里横轴是年份,纵轴是月份,然后里面的数据呢,就是乘客数量。接下来我们先设置一下图片的字体大小,使用 s n s 点 set find scale, 这里设置为了一点二倍。第二个是设置图形的大小,使用 s n s 点 set context, 里面传入一个字典,字典里面的 key value 是 figure, 点 figure size, 下面就可以开始画图了,因为我们画的是热力图,所以就直接 s n s 点 hit map, 然后把我们的数据传进去就可以了。 我们看一下这个效果。现在这张图我们只传入了数据,没有对它进行任何其他样式的修改。我们先可以注意到每一个格子是一个小的长方形,我们可以通过 square 这个参数把格子设置为正方形,它是一个布尔值,我们设置为 two 就可以了,可以看一下这个效果。现在这里的格子就全都为正方形了。 在当前这张图里面颜色带的范围是两百到六百,我们可以通过微命和微 max 来设置颜色带的范围,这里我设置成了两百到四百,看一下效果。颜色带 的范围缩小了之后,对于里面展示的格子也会变少,可以看到现在这个颜色很不好看,我们来换一下颜色的风格,通过设置 cmp 参数就可以修改颜色,这个选项的参数来自于 meterplud libe, 这里我使用的是 red blue, 大家再看一下效果。 这种颜色风格就比上面的要好看一点了,但是这个时候大家可以注意到颜色的分界线是在三百五十左右, 我们可以通过 center 这个参数来设置颜色的分界线,比如我把它设置成了二百五,大家再看一下效果。这个时候整个热力图的分界线就比较均匀了,可以通过 a not 来显示每一个格子的数据, 把它设置为 q 即可。看到现在这张图,你可能以为他乱码了,其实并不是乱码,是因为数据默认是用科学计时法显示的,我们还要设置一个参数 fmt, 把它设置为 d, 也就是采用整数的形式来 显示。我们再看一下效果,可以注意到现在每个格子都是挨紧的,如果我们需要给格子设置间隙的话,使用的是 line waist, 并且我们可以使用 line color 来设置间隙的颜色,不设置的话默认就为白色,这里我给 line with 设置成了一,然后间隙颜色设置成了黄色。我们再看一下效果。 最后要介绍的一个参数是 seaboard courages, 在这里面我们要传入一个字典,这里我们给它的位置设置成了水平位置,我们再看一下效果,此时颜色带就放到了整个图形的下方了。 对立图的样式修改有很多参数,这里列出了一些重要的,大家可以根据自己的需要去选择,也可以参考官方文档。

好的,那我们今天给大家分享一张拍一层绘制的可视画图表,保存到一个 sail 里面,就比如说我们经常会用拍神做,可是画过如何用代码把它放到一个 sail 里面呢?我们可以用这个模块和这个模块一起,那我们假设在这里呢, 绘制 xy 组成的这个图片,那组成这个图片之后呢,我们就可以去创建一个这样的一个 style 应用,首先创建应用,然后去添加这样的工作铺, 有这个新周工作表之后,我们就可以把绘制的图表写入表格里面,主要呢就是调用这个 pictures 这个方法,然后点 at 一个呢是我们之前的这个 图片,然后呢对应的名字,然后再设置这些参数,最后就可以保存,然后呢就可以发现有这个效果,有这个效果之后呢我们就可以 来分析,如果,那我们就更改这个图片的位置,那我们就可以设置这个 left 这个参数,比如说现在是一百,我们可以改成其他的,我们可以改 top, 就可以把这个图片的位置来更改。 然后呢我们再可以看这个啊不对的参数,就这个参数设置为就那我们下次如果同样更新这个图片,我们同样叫做图片一,那么在更新的时候,他只会对这个图片来进行更改,而不会去改变位置以及其他大小。 然后这个内呢就是指定名称,我们可以自定义,然后这个 feature 是固定的写法,希望可以帮助到大家,我们可以截图保存使用。

那我想要给特殊点进行什么相关的备注说明,那这边需要用到什么呢?需要用到我们的这一个什么叫做 another pet, another pet, 那备注说明的话,第一个就是什么?第一个参数就是你的备注说明的文本是什么, 然后这个 x 什么扣的这个默认的就是一个数据比当前这个坐标系啊,然后就 xy 代表什么叫做目标点的坐标,就是你指向的是哪一个特殊点, 就备注的时候你备注的是哪一个特殊点,然后这个 offstate point 什么意思啊?叫做备注所用的坐标系,就是偏移坐标系,就不要和他进行重合。然后就是 备注的一个什么叫文本大小,以及什么叫做备注文本的那个文字大小,还有什么一个箭头的一个样式, 那箭头的样式的话,他包括了箭头的样式以及连接的样式,那这边都是他的样式。行,那我们来把这个备注加一下,就是通过 mp, 然后点 an attempt 进行设置特殊点的备注 mp n t, 然后什么括号?然后在这个括号里面我们想要什么调这个函数分别哪些参数?比如说我想要给四分之三拍这个点设置 那个叫做备注的话,我们这个备注名,首先这个备注显示的样式,那四分之 三派, 那就是叫做 f i s d 花括号,花括号上面是三杠拍,下面是四,这样的话就会显示那个叫什么四分之三拍, 然后对应的那个扇子的话,应该是那个叫做叫做酷塞,酷塞 uh cussine 十分之三排,那就是 样的。这边我们再来一个什么叫做 逗号,然后 f r s c 叫做四分之啊,姐,二分之四分之三派,那也就说我这边要再拆分, 这边里面再进行什么叫做拆分,上面是那个叫三派,这边是四,那这样的话我就会显示什么四分之三派,然后四分之三三派, 哦,这边的话应该是一个叫做酷 sign 二分之酷 sign 四分之三派, 待会再演,把这个操作一下,我们先把这个参数写好,然后看这个文本对不对?然后包括了什么叫 x, 什么扣子,那这个的话我们也可以看一下圆码,那看这个圆码的话,我们可以什么叫做 在这边点进去,在这边啊,圆码啊,圆码没有显示的话,那我们可以怎么看到这个 ppt 啊?那我们主要设置的话就是坐标走点,你这个备注到底指的是哪一个点? 那指的就是什么叫四分之三派,这边应该是个原主啊,然后二分之一三,这个这个派。 好,那现在我们有这个点了,有这个点。 好,那有这个点我们再看啊,我们看看这个备注好像写的不对啊,备注的话应该写成那叫二分之枯 sign 四分之三拍, 那这个怎么来实现呢?二,还是在最下面,前面这边我们要多一个什么叫酷赛,这边我们加个括号,那我想改的话,这边也可以啊,这边的话我们可以改成那个叫做酷赛括号, 然后运行。哎,可以了,那就四分之三嘛,然后二分之什么酷三,四分之三快,那这个文本的话随便可以瞎写,然后我们再往下看,还有什么叫做偏移 text 怎么扣的? t e x t t e x t c o o r d s 然后这边的话我们默认的就是嘛叫 of set points o f s e t of state points 运行没这个属性拼错了吗? t e x t c 二二, 哎,好,那这个我们写好之后,然后我们没有给他一些什么叫做其他的一些阐述, 哪些餐桌呢?第一个就是那个叫做 x test 文本的坐标 x test, 你光给他偏移偏移多少?我们这边没有给他 x 的 test 偏移多少。我们以像素点为单位往下偏移,那就是副食, 呃,往右偏移就是往左偏移,比如说负三十,那这样的话他就会什么往下往左偏移,那如果我们往左偏移少的话,我们可以再再写一点 啊,这是往下那负三十,三十啊,然后这个偏移设置好了之后,我们要有添加一个箭头指向这个点,那添加一个箭头指向这个点的话, 我们就是那二 low propose, 然后这个文本大小的叫 from the side, from the side 十四,这样我变大了,那变大的话我们这个片已经少了,我们再往下可以再移 好,然后他还有什么叫做 roberts, 他是一个字典形式,就是设置这个注视的一个。什么叫做, 呃,那个叫箭头样式,包括了什么? aloe style, 什么 connection style, 一个就是什么箭头样式,一个是连接样式啊,那我们来看一下啊,箭头样式就是 aloh style, 那箭头样式的话有哪些呢?箭头样式的话我们来看一下有这些有什么正常的话,我们采用的是这种方式, 他是一个字典形式, 他是一个字典形式啊,他是一个字典形式,所以说我们要这样设置 这样子,呃,字典的话我们还可以怎么写呢?还可以什么通过这样的写等于 dict 括号这样写, 那这样的话只要直接给那个负值就可以了,就是给他的 t 值负值即可,或者 用那个什么正常的 k 八六, k 八六七,还有一种什么叫做 connection, 他的连接样式 c t i v connection style, 那连接样式的话,我们这边可以吗?也是一样的箭头样式,连接样式是那个叫做 angle 还是 angle 三或者 b ar, 那我们这边随便测试一下 angle, 然后运行测试, 那这时候我们就会有什么这么一个箭头,然后样式是以这样的形式,那 n 个三我们再来测试,那这个东西随便测试啊, ang 三是一个什么叫做曲线的样子啊?然后 angle 它就是一个什么直角线, 那这个就是我们的一些什么叫做图利,来吧。还有什么叫做特殊点 skater, 备注, an attack, an attack on the tight。 啊啊,那我们的这个什么简单绘图就基本上完成了。

啊,那我们本节课来讲解剩下的那个基本绘图的一个图例,还有特殊点以及备注。 那什么叫图例呢?图例的话就是我们绘图的时候在左上角啊,或者右上角显示的那一个图形, 就是我这边会好图,然后左边有一个图例来说明这个图到底哪根线对应哪根线的,这个是图例, 然后还有什么一些特殊点的描述,以及特殊点的一个备注说明。 好,那我们现在就做这么一件事。第一个我们来看一下怎么来设置他的那个图例,那图例的设置很简单,图例的设 只是要给在我们绘图的时候给他一个什么叫做来吧,那来吧的话,他也是支持于什么叫做 letax, 就是那个特殊标注语法的那个文本, 只要加个 lego 就可以了。行,那我们来写一下啊,比如说我这边新建一个吧有机, 那这些代码我们还是复制过来 等学位。然后我们想要加徒弟的话,怎么加呢?我们可以什么在这个划线的时候给他加上一个什么叫做来吧。参数, a l, a b, e l, 那这个 a l, a b, e l 就是对应的那个叫做图, 我们可以随便给他一个,比如说给他一个一,给他个二,然后运行的时候。呃,运行的时候给一回, 那运行的时候这边会看到什么?没有这个徒弟,为什么没有这个徒弟呢?因为你没有将它显示出来。当我们那个设置好徒弟需要通过什么叫做 legend 将这个徒弟绘制到我们的当前这一个什么? 呃,图表上面,那默认的话,他的图表是在右上角,那我们可以改,可以改当什么叫做左上角,那左上角怎么改呢?叫做 lope, left, mornings, after light, left, i j, h t, osta。 哦,加这么一个参数啊,指定参数复制,如果你不指定参数复制的话,他也不知道这个参数是给谁复制。 好,那现在他就改方向了,给他一个什么 low 票,就是位置,位置在哪呢?在那个上的左边,那下面呢?就是 lower, lower left, 那这就是图例,那图例的话,我们可以来,比如说这个图是代表的是 sign, 这个图代表的是扩 sign。 好,那我们这边想加一个什么叫做括号? x, 是吧?那这个代表的是,那这个呢?这个代表的是那个二分之一 design, 那二分之一 design 的话,我们可以怎么支持?那种语法 叫做 fic? 二,语法多了多了,然后斜杠 fic 花括号,上面是酷塞,下面是二, 那这样的话他就会显示什么叫二分之一三线,那这个就是图例, 那我们再来看一下,叫做特殊点。特殊点,那特殊点的话叫什么呢?图例的话,这是方向, 可以看一下啊,对应的方向,然后对应的那个单词就是 loq, 你要复一个值,你可以给他一个什么叫做制服串的描述,也可以给个零一二三四五六七八九十的形式啊。 那特殊点呢?特殊点的话,首先我们叫做画点,就是我想要画一个点,怎么画呢?通过 stake 画, 就是我想要在一个上面画一个点,怎么画呢?通过是 k 的,然后这边有参数,怎么参数呢? x r 绿和 y r, 就是你在哪一个数据序列上面, 这 x o y 读对应的序列上面画点,然后这个是点形,这个是点的大小,这是边缘色,这是填充色,就是边缘 是,比如说黑色,然后填充的是绿色,然后这个是绘图图层的编号,图层越大呢,那个叫做图层越往上,那这就是特殊点的一些什么叫做单词? 好,那我们来开始绘制我们的这一个,什么叫做特殊点? 特殊点,那首先他有要的那个特殊点,他是一个什么叫做宿主啊?为什么呢?因为我可以创建多个特殊点,那即使是一个特殊点的话,那这边也是需要什么叫做 速度或者列表都可以。那比如说我们想要在那个叫做,我们想 想要在那个二分之一派那边,呃,画一个点,就是 nappy 点派除以二,然后我想在这个上面画一个点,那这个上面画了一个点,那个对应的歪轴的那个点应该什么呢?应该是 nappy 点塞 s, x 零。 然后我们要画点的话,通过 mp 点 skill 分别把我的 xy 和 xy 的那个点放上去, 然后我们来运行测试一下,那这时候他就会在二分之一派这一块定义这么一个点, 那第一点的话点里面有一些相关的属性,包括了大小,包括了他的那个叫做样式,比如说我们给他一个 money, 样式为 o, 样式为欧,默认就是欧,是吧?然后可以给他一个大小 s, 等于七十 啊,那他就放大了。然后比如说我想在这边画个点呢? 在四分之三派这边画个点,那这边我们就可以了吗?通过一个什么叫做四乘以 nappy 点, pi 除以三,然后他的 y 点对应的是 nappy 点 拍,我想要在这个扩散四分之三拍什么?这边画一个点,那一点嘛叫做 nappy 点扩散 n p, 然后 s x 对应的一这边,然后除以二, 然后我们再来看四分之三, 四分之三,说错了,这个是三分之四,应该是什么叫做三成以汤除以四。 好,再等啊,那想要画点的话,就可以不停的把它放到这个数组或者列表里面,然后他就会根据你的数据参数然后进行画点操作。啊,那这就是我们的一个特殊点,会叫 skater。

哈喽,大家好,今天的视频主要是分享一下呃数理统计中各种分布的上册分位数,如何在拍摄中去求解。 因为最近的课程已经上到了放假分析和回归分析,呃,课后作业的数据量都比较大,呃,用计算器太麻烦了,所以都在用编程截止。那么就遇到一个问题, 既然我已经都用边上解决了,为什么我去做假设检验的时候去找拒绝预的分位数表,我还要去书的后面去查掉,我不能在我的代码里面直接解决掉吗?当然首先用搜索已经看下有没有现成的解决方法了 啊,这边的话我是查分布表,然后呃拍摄的分布表,看到了拍摄有分享,关于分享的话就是标准正太的分布表,他这里主要用的是这个 scipy 这个, 在这个博客中,他主要分享的是关于呃正态分布的函数,然后呢,写的也比较详细,但是呢,我查遍了全网,发现他对于 t 分布和 f 分布的内容会比较少一点,所以就做一期这样的视频,这是他官方酷的给出的东西,我们以替分布来 做简介。因为我现在在做回归分析的题目嘛,他这个主要是说这个函数 ppf 呢?这个是说 ever so cdfcdf 呢?我们以这个博客来做一个例子,对照一下看, cdf 和 ppf 这个分为函数,他在这边呢,直接就使用的是 nomacdf 减负一,这样就得到了这中间的分布概率,这个 cdf 就是累积的一个分布函数, ppf 就是 cdf 的倒数,也是对应的分位来说啊。在官网里面呢,我们看到这 cf 的这个值, x 和 dfx 就是带对我们输入对应的下侧分位的一个百分比,然后 df 呢,就是我们要输入的参数,对于 t 分部是这个样子的, 在这里先介绍一下积分部如何具体运用,使用两行代码就可以实现。首先就是导入这个 sipy 的库,呃,具体的是 这样导入的,然后我们如果要查分布的话, t 零点零二五八,我们学校的数理统计教材上的分布表都是上册未分数,而这应该是下册未分数, 所以要减一个一,减去零点零二五,也就是对应的 t 零点零二五八,我们输入这样的参数就可以得到对应的值了, 不需要在编程的同时裁制查表。对应的我们可以看一下 f 分布,因为 t 分布和 f 分布都是常用的,这个是 f 分布的 api 介绍 同样的这个函数的方法啊,也是,我们也是去找 ppf pdf 啊在这里。然后这个是 fnfdq 值代表显著水平,然后那个 dnf 就是 n 一, dfd 就是 n 二, 但是为什么现在中国互联网上没有这个介绍?很简单是因为我们正常的数据分析中,我们都是调用的安排,或者说调用的刚刚那个库里面的 一些直接进行方案分析或者回归分析的函数,我们不会自己去手写一个这样的表,也就不会去查表, 一般来说谁会去查表呢?只有我们这种学生在用普通的计算器,然后来写作业的时候,或者说考试的时候才会用到,这是为什么?四 s 店包括各个博客上没有关于提分布或者还有分布的一个 介绍,然后我这边就分享一下,也就是一个屠龙记吧,没有什么用, 不过如果你在用边上写作业的话,可以考虑看一下,还是这样。