Python Pandas 处理Excel数据 制图

这篇具有很好参考价值的文章主要介绍了Python Pandas 处理Excel数据 制图。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

1、饼状图 

2、条形统计图


1、饼状图 

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
#from matplotlib.ticker import MaxNLocator
# 解决中文乱码
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['font.sans-serif']='Microsoft YaHei'  # 设置中文字体为微软雅黑

# 加载excel
files="C:\\Users\\24453\\Desktop\\py 表格.xlsx"
data=pd.read_excel(files)

# 设置画布大小
plt.figure(figsize=(10,5))

x=data['摄取平均值 g/天']  # 加入数据
labels=data['类别']  # 设定标签
explode=[0.1,0.1,0.1,0.1,0.1] # 设置饼图突出程度

plt.title("肉类摄入占比",fontsize=15)
plt.pie(x,labels=labels,autopct='%3.1f%%',labeldistance=1.08,startangle=100,textprops={'fontsize':12},
        explode=explode)

# 图例
plt.legend(data['类别'],loc=(1,0.8))
# 表格
plt.table(cellText=[data['类别'],data['摄取平均值 g/天']], rowLabels=['','摄取平均值 g/天'],colLabels=None,loc='bottom')

plt.show()

Python Pandas 处理Excel数据 制图,数学建模,python,pandas,excel,数学建模,数据分析

2、条形统计图

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
#from matplotlib.ticker import MaxNLocator
# 解决中文乱码
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['font.sans-serif']='Microsoft YaHei'  # 设置中文字体为微软雅黑

# 加载excel
files="C:\\Users\\24453\\Desktop\\每日食物.xlsx"
data=pd.read_excel(files)

data.plot.bar(x="类别",y="数量",color='orange',title="每周每日统计图")

# y轴刻度设置
plt.yticks(range(0,120000,20000),["%d"%x for x in range(0,120000,20000)],size=10)

# 标签显现 紧凑型布局
plt.tight_layout()

# x轴字体旋转角度
ax=plt.gca()
ax.set_xticklabels(data['类别'],rotation=45,ha='right')

# 表格
#plt.table(cellText=[data['类别'],data['数量']], rowLabels=['','数量'],colLabels=None,loc='top')

plt.show()

Python Pandas 处理Excel数据 制图,数学建模,python,pandas,excel,数学建模,数据分析文章来源地址https://www.toymoban.com/news/detail-666619.html

到了这里,关于Python Pandas 处理Excel数据 制图的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数学建模——数据预处理

    在数学建模时,经常遇到数据的预处理,那么会有一些什么情况呢,跟着北海老师总结了他的内容~希望对大家有所帮助! 缺失值 比赛提供的数据,发现有些单元格是null或空的 缺失太多:例如调查人口信息,发现“年龄”这一项缺失了40%,就直接把该项指标删除 最简单处理

    2024年02月01日
    浏览(26)
  • 数学建模--数据预处理

    目录 一、数据统计 1、行列式的最大元素和最小元素 2、求向量的平均值和中值  3、对矩阵做排序  二、数据优化(数据残缺值和异常值的处理) 1、数据残缺 ①插值 ②拟合  ③邻近替换 ④KNN算法填充 2、数据异常 ①拉依达准则 ②替换异常值 3、数据变换 ①0-1标准化 ②z-

    2024年02月01日
    浏览(36)
  • 数学建模:数据的预处理

    🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 常见的数据变换的方式:通过某些简单的函数进行数据变换。 x ′ = x 2 x ′ = x x ′ = log ⁡ ( x ) ∇ f ( x k ) = f ( x k + 1 ) − f ( x k ) begin{aligned}x^{prime}=x^2 \\\\begin{aligned}x^{prime}=sqrt{x}end{aligned} \\\\x\\\'=log(x) \\\\nabla fleft(x_{k})right.=f

    2024年02月11日
    浏览(29)
  • Python数学建模 缺失值与异常值处理

    Github仓库:Mathematical-modeling 定义 :缺失值,即存在特征或标签为空值的样本。包含空值的数据会使建模过程陷入混乱,导致不可靠输出。缺少过多的数据也将丢失大量有效信息,使数据模型难以把握数据规律。 缺失原因 : 部分信息暂时无法获取 由于人为因素丢失部分信息

    2024年02月06日
    浏览(39)
  • 数据预处理方法整理(数学建模)

    这篇文章主要是整理了一些作者在各种建模比赛中遇到的数据预处理问题以及方法,主要针对excel或csv格式的数据,为后续进行机器学习或深度学习做前期准备 导入库和文件,这里使用的是绝对路径,可改为相对路径 传入的为csv格式的文件,如果是xlsx格式的文件,建议先使

    2024年02月14日
    浏览(42)
  • [python]问题:pandas处理excel里的多个sheet

    Pandas 可以很容易地处理 Excel 文件中的多个工作表。首先,你需要安装 pandas 和 openpyxl(用于读取 .xlsx 文件)库。你可以使用以下命令安装这两个库: 接下来,你可以使用以下代码来处理 Excel 文件中的多个工作表:

    2024年02月10日
    浏览(42)
  • 【数学建模】数据处理与可视化

    两类基本对象 ndarray(N-dimensional Array Object):存储单一数据类型的多维数组 ufunc(Universal Funciton Object):对数组进行处理的通用函数 数组创建 向array函数传入列表/元组 利用arange、linspace、empty等函数生成数组 数组属性 数组元素索引 array数组和list列表的区别:list中的元素可以不

    2024年01月18日
    浏览(32)
  • 数学建模Matlab之数据预处理方法

    本文综合代码来自文章 作者通常首先判断是否具有异常值,因为如果有异常值的话,咱们就会剔除异常值,使其变成缺失值,然后再做缺失值处理会好很多。 对于上面的异常值检验法做讲解与扩展: 1. Mean 三倍标准差法(3σ原则) 描述 :在正态分布数据中,任何一个数值如

    2024年02月08日
    浏览(36)
  • 【数学建模+数据处理类】2021数学建模国赛B题 乙醇偶合制备C4烯烃

    对附件1中每种催化剂组合,分别研究乙醇转化率、C4烯烃的选择性与温度的关系,并对附件2中350度时给定的催化剂组合在一次实验不同时间的测试结果进行分析。 step1:对实验数据进行探索性分析 数据的预处理(A11的缺失) 可视化、数据关系展示 包括画出各个因变量(不同

    2024年02月16日
    浏览(33)
  • python pandas判断excel某处存在空值,并处理该空值

    找出空值: 判断某列存在空值: 找到具体哪行为空值: (1)方法一,for循环手动遍历,以索引值为2为例。行索引:2,列名:项目及品种名称 (2)方法二(推荐) 总结: 1.判断某列为空值,用pd.isna(df[\\\'列名\\\'])方法,获得数据为True和False的series 2.series和dataframe不一样,条件判

    2024年02月05日
    浏览(28)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包