ホームページ >バックエンド開発 >Python チュートリアル >Python での効率的なデータ処理は一見の価値があります
一見の価値のある Python の効率的なデータ処理
Pandas は Python で非常に一般的に使用されるデータ処理ツールであり、非常に使いやすいです。 NumPy の配列構造上に構築されているため、演算の多くは NumPy や Pandas に付属する拡張モジュールを介して記述されており、これらのモジュールは Cython で記述されて C にコンパイルされ、C 上で実行されるため、処理速度が確保されています。 今日私たちはその力を体験します。mu1, sigma1 = 0, 0.1 mu2, sigma2 = 0.2, 0.2 n = 1000df = pd.DataFrame( { "a1": pd.np.random.normal(mu1, sigma1, n), "a2": pd.np.random.normal(mu2, sigma2, n), "a3": pd.np.random.randint(0, 5, n), "y1": pd.np.logspace(0, 1, num=n), "y2": pd.np.random.randint(0, 2, n), } )
1. 平均線を描きます
2. 重要な点をマークします
import matplotlib.pyplot as plt ax = df.y1.plot() ax.axhline(6, color="red", linestyle="--") ax.axvline(775, color="red", linestyle="--") plt.show()グラフに表示するテーブルの数をカスタマイズすることもできます:
fig, ax = plt.subplots(2, 2, figsize=(14,7)) df.plot(x="index", y="y1", ax=ax[0, 0]) df.plot.scatter(x="index", y="y2", ax=ax[0, 1]) df.plot.scatter(x="index", y="a3", ax=ax[1, 0]) df.plot(x="index", y="a1", ax=ax[1, 1]) plt.show()#3. ヒストグラムを描画します
df[["a1", "a2"]].plot(bins=30, kind="hist") plt.show()
また、複数のグラフィックを描画することもできます:
df[["a1", "a2"]].plot(bins=30, kind="hist", subplots=True) plt.show()
もちろん、折れ線グラフの生成も簡単ではありません:
df[['a1', 'a2']].plot(by=df.y2, subplots=True) plt.show()4. 線形フィッティング
最小二乗法メソッドは最短直線距離を計算します:
df['ones'] = pd.np.ones(len(df)) m, c = pd.np.linalg.lstsq(df[['index', 'ones']], df['y1'], rcond=None)[0]
最小二乗結果に基づいて y と近似直線を描画します:
df['y'] = df['index'].apply(lambda x: x * m + c) df[['y', 'y1']].plot() plt.show()
読んでいただきありがとうございます。多くの恩恵を受けることを願っています。
この記事は、https://blog.csdn.net/u010751000/article/details/106735872
」以上がPython での効率的なデータ処理は一見の価値がありますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。