Pandas是一个强大的数据分析和处理工具,它提供了一个高效的数据结构,称为数据帧(DataFrame),用于处理和分析结构化数据。下面是用两组绘制pandas数据帧的示例:
import pandas as pd
import matplotlib.pyplot as plt
# 第一组数据
data1 = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
'Age': [25, 30, 18, 35],
'City': ['New York', 'Paris', 'London', 'Tokyo']}
df1 = pd.DataFrame(data1)
# 第二组数据
data2 = {'Name': ['Alice', 'Bob', 'Eva', 'Sam'],
'Age': [22, 28, 20, 32],
'City': ['Berlin', 'Sydney', 'Rome', 'Toronto']}
df2 = pd.DataFrame(data2)
# 绘制第一组数据的柱状图
plt.bar(df1['Name'], df1['Age'])
plt.xlabel('Name')
plt.ylabel('Age')
plt.title('Age Distribution - Group 1')
plt.show()
# 绘制第二组数据的散点图
plt.scatter(df2['Age'], df2['City'])
plt.xlabel('Age')
plt.ylabel('City')
plt.title('City Distribution - Group 2')
plt.show()
这个例子中,我们使用了两组不同的数据来创建两个数据帧(df1和df2)。然后,我们使用Matplotlib库来绘制这两组数据的图形。第一个图形是第一组数据的柱状图,显示了每个人的年龄分布。第二个图形是第二组数据的散点图,显示了年龄和城市之间的关系。
这只是一个简单的示例,你可以根据实际需求和数据来绘制不同类型的图形,如折线图、饼图等。Pandas和Matplotlib的组合可以帮助你更好地理解和展示数据。
领取专属 10元无门槛券
手把手带您无忧上云