En este artículo, aprenderemos cómo agrupar por múltiples valores y trazar los resultados de una sola vez. Aquí, tomamos el archivo «ejercicio.csv» de un conjunto de datos de la biblioteca de Seaborn , luego formamos diferentes datos de grupo y visualizamos el resultado.
Para este procedimiento, los pasos requeridos se detallan a continuación:
- Importación de bibliotecas para datos y su visualización.
- Cree e importe los datos con varias columnas.
- Forme un objeto grouby agrupando múltiples valores.
- Visualiza los datos agrupados.
A continuación se muestra la implementación con algunos ejemplos:
Ejemplo 1 :
En este ejemplo, tomamos el archivo «ejercicio.csv» de un conjunto de datos de la biblioteca Seaborn, luego formamos datos grupales al agrupar dos columnas «pulso» y «dieta» juntas sobre la base de una columna «tiempo» y, por último, visualizamos el resultado.
Python3
# importing packages import seaborn # load dataset and view data = seaborn.load_dataset('exercise') print(data) # multiple groupby (pulse and diet both) df = data.groupby(['pulse', 'diet']).count()['time'] print(df) # plot the result df.plot() plt.xticks(rotation=45) plt.show()
Producción :
Unnamed: 0 id diet pulse time kind 0 0 1 low fat 85 1 min rest 1 1 1 low fat 85 15 min rest 2 2 1 low fat 88 30 min rest 3 3 2 low fat 90 1 min rest 4 4 2 low fat 92 15 min rest .. ... .. ... ... ... ... 85 85 29 no fat 135 15 min running 86 86 29 no fat 130 30 min running 87 87 30 no fat 99 1 min running 88 88 30 no fat 111 15 min running 89 89 30 no fat 150 30 min running [90 rows x 6 columns] pulse diet 80 no fat NaN low fat 1.0 82 no fat NaN low fat 1.0 83 no fat 2.0 ... 140 low fat NaN 143 no fat 1.0 low fat NaN 150 no fat 1.0 low fat NaN Name: time, Length: 78, dtype: float64
Ejemplo 2: Este ejemplo es la modificación del ejemplo anterior para una mejor visualización.
Python3
# importing packages import seaborn # load dataset data = seaborn.load_dataset('exercise') # multiple groupby (pulse and diet both) df = data.groupby(['pulse', 'diet']).count()['time'] # plot the result df.unstack().plot() plt.xticks(rotation=45) plt.show()
Producción :
Ejemplo 3:
En este ejemplo, tomamos el archivo «ejercicio.csv» de un conjunto de datos de la biblioteca Seaborn y luego formamos datos grupales al agrupar tres columnas «pulso», «dieta» y «tiempo» juntas sobre la base de una columna «tipo» y en última visualización del resultado.
Python3
# importing packages import seaborn # load dataset and view data = seaborn.load_dataset('exercise') print(data) # multiple groupby (pulse, diet and time) df = data.groupby(['pulse', 'diet', 'time']).count()['kind'] print(df) # plot the result df.plot() plt.xticks(rotation=30) plt.show()
Producción :
Unnamed: 0 id diet pulse time kind 0 0 1 low fat 85 1 min rest 1 1 1 low fat 85 15 min rest 2 2 1 low fat 88 30 min rest 3 3 2 low fat 90 1 min rest 4 4 2 low fat 92 15 min rest .. ... .. ... ... ... ... 85 85 29 no fat 135 15 min running 86 86 29 no fat 130 30 min running 87 87 30 no fat 99 1 min running 88 88 30 no fat 111 15 min running 89 89 30 no fat 150 30 min running [90 rows x 6 columns] pulse diet time 80 no fat 1 min NaN 15 min NaN 30 min NaN low fat 1 min 1.0 15 min NaN ... 150 no fat 15 min NaN 30 min 1.0 low fat 1 min NaN 15 min NaN 30 min NaN Name: kind, Length: 234, dtype: float64
Ejemplo 4: Este ejemplo es la modificación del ejemplo anterior para una mejor visualización.
Python3
# importing packages import seaborn # load dataset data = seaborn.load_dataset('exercise') # multiple groupby (pulse, diet, and time) df = data.groupby(['pulse', 'diet', 'time']).count()['kind'] # plot the result df.unsatck().plot() plt.xticks(rotation=30) plt.show()
Producción :
Publicación traducida automáticamente
Artículo escrito por deepanshu_rustagi y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA