Привет! Я расскажу тебе о том, как использовать библиотеку `pyplot` для построения графиков зависимостей. В данной статье мы сфокусируемся на графиках, отображающих зависимости между количеством поездок/средней продолжительностью поездки и днем недели, временем суток и месяцем.Перед началом работы нам необходимо импортировать нужные библиотеки и загрузить данные из таблицы⁚
python
import pandas as pd
import matplotlib.pyplot as plt
# Загрузка данных из таблицы
data pd.read_csv(‘имя_файла.csv’)
Теперь мы можем приступить к построению графиков.**1. Количество поездок/средняя продолжительность поездки vs день недели**
Для начала, построим график, отображающий зависимость количества поездок от дня недели.python
# Группировка данных по дню недели
data_grouped_by_weekday data.groupby(‘dateday_of_week’).mean
# Построение графика
plt.plot(data_grouped_by_weekday.index, data_grouped_by_weekday[‘количество_поездок’])
plt.xlabel(‘День недели’)
plt.ylabel(‘Количество поездок’)
plt.title(‘Зависимость количества поездок от дня недели’)
plt.show
Теперь, давайте построим график, отображающий зависимость средней продолжительности поездки от дня недели.python
plt.plot(data_grouped_by_weekday.index, data_grouped_by_weekday[‘средняя_продолжительность’])
plt.xlabel(‘День недели’)
plt.ylabel(‘Средняя продолжительность поездки’)
plt.title(‘Зависимость средней продолжительности поездки от дня недели’)
plt.show
**2. Количество поездок/средняя продолжительность поездки vs время суток**
Аналогичным образом построим графики зависимости количества поездок и средней продолжительности поездки от времени суток.python
# Группировка данных по времени суток
data_grouped_by_hour data.groupby(‘hour’).mean
# Построение графика
plt.plot(data_grouped_by_hour.index, data_grouped_by_hour[‘количество_поездок’])
plt.xlabel(‘Время суток’)
plt.ylabel(‘Количество поездок’)
plt.title(‘Зависимость количества поездок от времени суток’)
plt.show
python
plt.plot(data_grouped_by_hour;index, data_grouped_by_hour[‘средняя_продолжительность’])
plt.xlabel(‘Время суток’)
plt.ylabel(‘Средняя продолжительность поездки’)
plt.title(‘Зависимость средней продолжительности поездки от времени суток’)
plt.show
**3. Средняя продолжительность поездки vs время суток для каждого дня недели**
Давайте построим графики, отображающие зависимость средней продолжительности поездки от времени суток для каждого дня недели.python
# Группировка данных по времени суток и дню недели
data_grouped_by_weekday_hour data.groupby([‘dateday_of_week’, ‘hour’]).mean
# Построение графика для каждого дня недели
for day in range(7)⁚
plt.plot(data_grouped_by_weekday_hour.loc[day].index, data_grouped_by_weekday_hour.loc[day][‘средняя_продолжительность’], label’День недели {}’.format(day))
plt.xlabel(‘Время суток’)
plt.ylabel(‘Средняя продолжительность поездки’)
plt.title(‘Зависимость средней продолжительности поездки от времени суток для каждого дня недели’)
plt.legend
plt.show
**4. Аналогичные графики, используя информацию о месяце**
Аналогично предыдущему шагу, мы построим графики, отображающие зависимость количества поездок и средней продолжительности поездки от времени суток для каждого месяца.python
# Группировка данных по времени суток и месяцу
data_grouped_by_month_hour data.groupby([‘month’, ‘hour’]).mean
# Построение графика для каждого месяца
for month in range(1, 13)⁚
plt.plot(data_grouped_by_month_hour.loc[month].index, data_grouped_by_month_hour.loc[month][‘количество_поездок’], label’Месяц {}’.format(month))
plt.xlabel(‘Время суток’)
plt.ylabel(‘Количество поездок’)
plt.title(‘Зависимость количества поездок от времени суток для каждого месяца’)
plt.legend
plt.show
python
for month in range(1٫ 13)⁚
plt.plot(data_grouped_by_month_hour.loc[month].index, data_grouped_by_month_hour.loc[month][‘средняя_продолжительность’], label’Месяц {}’.format(month))
plt.xlabel(‘Время суток’)
plt.ylabel(‘Средняя продолжительность поездки’)
plt.title(‘Зависимость средней продолжительности поездки от времени суток для каждого месяца’)
plt.legend
plt.show
**5. Ящики с усами для времени суток, дня недели и месяца**
Для отображения статистических данных, таких как медиана, выбросы и межквартильный размах, воспользуемся ящиками с усами. Мы построим их для времени суток, дня недели и месяца.python
# Построение ящиков с усами для времени суток
plt.boxplot(data[‘hour’])
plt.xlabel(‘Час’)
plt.ylabel(‘Время суток’)
plt.title(‘Ящик с усами для времени суток’)
plt.show
python
# Построение ящиков с усами для дня недели
plt.boxplot(data[‘dateday_of_week’])
plt.xlabel(‘День недели’)
plt.ylabel(‘Время суток’)
plt.title(‘Ящик с усами для дня недели’)
plt.show
python
# Построение ящиков с усами для месяца
plt.boxplot(data[‘month’])
plt.xlabel(‘Месяц’)
plt.ylabel(‘Время суток’)
plt.title(‘Ящик с усами для месяца’)
plt.show
Таким образом, в данной статье я рассказал о том, как использовать библиотеку `pyplot` для построения графиков зависимостей от дня недели, времени суток и месяца. Надеюсь, что эта информация будет полезной для тебя!