Pandas是Python中非常常用的数据处理工具，使用起来非常方便。它建立在NumPy数组结构之上，因此它的很多操作都是通过NumPy或Pandas自带的扩展模块编写的。这些模块都是用Cython编写并编译成C，在C上执行，所以处理速度也有保证。今天就来体验一下它的威力吧。1.创建数据使用pandas创建数据非常方便，现在让我们创建一个5列1000行的pandasDataFrame:mu1,sigma1=0,0.1mu2,sigma2=0.2,0.2n=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),})a1和a2：从正态（高斯）分布中抽取的随机样本。a3：0到4的随机整数y1：0到1的对数尺度均匀分布y2：0到1的随机整数生成如下图数据：2.绘制图像Pandas绘图函数返回一个matplotlib坐标轴(Axes)，所以我们可以自定义我们需要在上面画什么。例如，画一条垂直线和一条平行线。这对我们会有很大的好处：1.绘制均值线2.标记重点importmatplotlib.pyplotaspltax=df.y1.plot()ax.axhline(6,color="red",linestyle="--")ax.axvline(775,color="red",linestyle="--")plt.show()我们还可以自定义图表上显示的表格数量：fig,ax=plt.subplots(2,2,figsize=(14,7))df.plot(x="索引",y="y1",ax=ax[0,0])df.plot.scatter(x="索引",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.绘制直方图Pandas允许我们以非常简单的方式获取两个图形的形状比较：df[["a1","a2"]].plot(bins=30,kind="hist")plt.show()也可以允许多图绘制：df[["a1","a2"]].plot(bins=30,kind="hist",subplots=True)plt.show()当然生成的折线图是未绘制：df[['a1','a2']].plot(by=df.y2,subplots=True)plt.show()4.线性拟合也可以用pandas来拟合，我们用pandas找一条最接近下图的直线：最小二乘计算和直线的最短距离：df['ones']=pd.np。ones(len(df))m,c=pd.np.linalg.lstsq(df[['index','ones']],df['y1'],rcond=None)[0]根据最小二乘结果绘制y和拟合线：df['y']=df['index'].apply(lambdax:x*m+c)df[['y','y1']].plot()plt.show()我们的文章到这里就结束了，如果你想要今天我们的Python教程，请继续关注我们，如果你喜欢如果对你有帮助，请点个赞/关注。有什么问题可以在下方留言区留言，我们会耐心解答！Python实用书（pythondict.com）不只是一本书欢迎来到公众号：Python实用书原文来自Python实用书：PythonPandas高效数据处理图
