Open in Colab

Для этого урока используются данные о качестве воздуха (наличие оксида озота в атмосфере).

Источник данных, для получения используется модуль py-openaq.

Набор данных air_quality_no2.csv содержит значения оксида озота ($NO_2$) для измерительных станций FR04014, BETR801 и London Westminster соответственно в Париже, Антверпене и Лондоне.

В России сведения не собирают, см. карту

Использование параметров index_col и parse_dates функции read_csv для определения первого (0-го) столбца в качестве индекса DataFrame и преобразование значений индекса в объекты типа Timestamp соотвественно.

Я хочу быстро получить визуальное представление данных:

По умолчанию создается один линейный график для каждого из столбцов таблицы с числовыми данными.

Я хочу построить график только для столбцов с данными из Парижа:

Чтобы построить график для конкретного столбца таблицы, используйте методы выбора данных подмножеств в сочетании с методом plot().

plot() работает для Series и DataFrame.

Я хочу визуально сопоставить значения $NO_2$ в Лондоне и Парижа.

Помимо линейного графика по умолчанию при использовании функции plot существует ряд альтернатив.

Давайте используем стандартный Python, чтобы получить обзор доступных методов для построения графика:

В jupyter notebook используйте кнопку TAB, чтобы получить обзор доступных методов, например air_quality.plot.+ TAB.

Пример DataFrame.plot.box():

Для ознакомления с графиками, отличными от линейного, см. Раздел руководства пользователя о поддерживаемых стилях графиков.

Я хочу, чтобы каждый из столбцов отображался в отдельном графике:

Отдельные подграфики для каждого из столбцов данных поддерживаются аргументом subplots функции plot.

Некоторые дополнительные параметры форматирования описаны в разделе руководства пользователя по форматированию графиков.

Я хочу дополнительно настроить, расширить или сохранить полученный график:

Каждый из графических объектов, созданных pandas, является объектом matplotlib. Поскольку Matplotlib предоставляет множество опций для настройки графиков, прямая связь между pandas и Matplotlib позволяет использовать всю мощь matplotlib для графика.

Полный обзор представлен на страницах визуализации в pandas.