蟒蛇熊猫多密度地块
多密度图是比较数据中多个组分布的好方法。我们可以使用熊猫 plot.density() 功能制作多个密度图。然而，如果我们使用密度函数，我们需要转换宽格式的数据。宽数据表示不同列中的不同组。我们使用 Pandas pivot() 函数转换宽格式的数据。
让我们创建简单的数据帧，然后将其重塑为宽格式:
例 1:
这里我们使用的是 数据集 。
步骤 1: 从数据集创建数据帧。
蟒蛇 3
import pandas as pd
# creating a dataframe
df = pd.read_csv(r"gapminder1.csv")
df.head()
输出:
资料组
第二步:让我们将数据按照国家分组在不同的列中，这样我们就可以应用 density()函数绘制多个密度图。
蟒蛇 3
# converting data into wide-format
data_wide = df.pivot(columns='continent',
values='lifeExp')
data_wide.head()
输出:
第三步:现在我们使用 plot.density() 绘制多密度图
蟒蛇 3
import matplotlib.pyplot as plt
# calling density() to make
# multiple density plot
data_wide.plot.density(figsize = (7, 7),
linewidth = 4)
plt.xlabel("life_Exp")
输出:
多重密度图
例 2: 我们也可以在 dataframe 上调用 plot.kde() 函数，用 Pandas 做多密度图。
这里我们使用的是这个例子的 tips 数据集，你可以在这里找到它。
步骤 1: 从数据集创建数据帧。
蟒蛇 3
import pandas as pd
# creating a dataframe
df = pd.read_csv(r"tips.csv")
df.head()
输出:
tips_df
步骤 2: 现在应用 pivot()函数使数据帧为宽格式，然后应用 kde()得到多密度图。
蟒蛇 3
# Converting to wide dataframe
data_wide = df.pivot(columns = 'day',
values = 'total_bill')
# plotting multiple density plot
data_wide.plot.kde(figsize = (8, 6),
linewidth = 4)
输出:
提示多重付款
