我有两个数据:
第一个dataframe df1
Name Group
Abc A
Bcd A
Cde B
Def C
第二个数据帧df2
Name Group
Efg A
Fgh B
Ghi C
Hij C
第一步
我所做的是创建一个新的dataframe df_new,其中包含Group作为列,df1和df2的长度作为另一列:
df_new = pd.DataFrame({
'name': ['1', '2'],
'length': map(len, [df1, df2])
})
第二步
然后使用以下代码将df
希望这是一个简单的问题--在使用Pandas绘图时,如何控制条形宽度和间距?
,转载如下:
df = pd.DataFrame({
'person':[x*3 for x in list('ABCDEF')],
'score1':np.random.randn(6),
'score2':np.random.randn(6),
'score3':np.random.randn(6),
'score4':np.random.
我正在尝试使用matplotlib绘制以下数据帧: df = pd.DataFrame({'X': ["A", "A", "B", "B"], 'Z': ["a", "b", "a", "b"], 'Y': [5, 1, 10, 5]})
df
X Z Y
0 A a 5
1 A b 1
2 B a 10
3 B b 5 我想要的是两个条形图,其中条形图
我有一个多索引熊猫DataFrame,如下所示:
Number of Vulnerabilities
Name Severity
moderate 2167
Person 1 high 1421
critical 2464
moderate 5841
Person 2 high 3687
critical 10267
我的目标是创建一个水平堆叠的条形图,代表严重程度,从左到右顺序为:中度,高度,临界性。为
我试图在每个饼图的底部添加一个水平条形图。我正在使用子图来实现这一点,但是我不知道如何使用水平条来定制子图。
import matplotlib.pyplot as plt
fig, axes = plt.subplots(28, 11)
countery=0
for y in range(1,15):
counterx=0
for x in range(1,12):
axes[countery,counterx].pie([70,20])
axes[countery+1,counterx].barh('a',40
所以我的df看起来像这样: Model Price
1 Series £42000
1 Series £45000
2 Series £32000
2 Series £25000 我想得到每个模型的平均价格,并将其映射为条形图。我尝试过df.groupby(' model ','MSRP').mean();然而,它没有显示每个型号的平均价格,它只是将其分组,如下所示: Model Price
1 Series £42000
我摆弄了pd.count,但似乎无法以一种可以绘制的方式获得带有降序列和计数的数据。
例如:
A B C D
1 1 1 1
NaN NaN 1 1
NaN NaN NaN 1
我想把它按所有值减去NaNs的计数排序:
A 1
B 1
C 2
D 3
然后画成一张描绘计数的线状图。我环顾四周,似乎没有任何明确的方法。任何帮助都是非常感谢的。
我想要创建一个能显示国家价值的饼图。我有一个单栏csv文件,其中列出了用户来自哪些国家,我从那里读到了熊猫的数据。我在网络上尝试过各种各样的饼图教程,但是无法绘制这个单列数据。
fig = plt.pyplot.figure()
ax = fig.add_subplot(111)
ax.hist(country)
数据示例:
country
0 BRAZIL
1 INDIA
2 INDIA
3 CHINA
4 RUSSIA
5 BRAZIL
我有以下熊猫数据框架:
a b
bob 23 25
john 13 21
paul 20 19
david 17 14
michael 14 24
neil 22 11
df.plot(kind='barh')
我使用了pandas的绘图功能。我想制作一个barh图,所有的行(名称)都有不同的颜色,有什么方法可以做到吗?
我需要所有人都有不同的颜色条。
我有一个数据集,其中有一些关于每年农作物产量的记录。因此,我在一个堆叠的条形图中想象出每年产量最高的作物。我使用过的数据集可以在中找到。
这是我的密码。
# Top Crop by year
plt.figure(figsize=(12, 6))
df_crg_[df_crg_.year==2018].groupby('cropName').size().nlargest(5).plot(kind='barh', color='red', label='2018')
df_crg_[df_crg_.year==2019].gro