点击查看【bilibili】

叠加图层

matplotlib绘图，是一层一层叠加上的，如下所示：2行代码，在一个画布上，叠加出2个折线图

  1. #matplotlib绘图，是一层一层叠加上的，如下所示：2行代码，在一个画布上，叠加出2个折线图
  2. plt.plot(np.random.random_integers(-20,20,20))
  3. plt.plot(np.random.random_integers(-20,20,20))
  4. plt.show()

image.png

添加图例

  • 方法1：在plt.legend()中添加图例

    1. #添加图例方法1
    2. plt.plot(np.random.random_integers(-20,20,20))
    3. plt.plot(np.random.random_integers(-20,20,20))
    4. plt.legend(('no1','no2'))#在legend里添加图例名称
    5. plt.show()

    image.png

  • 方法2：在绘图时设置标签，并打开plt.legend()/

    1. #添加图例方法2
    2. plt.plot(np.random.random_integers(-20,20,20),label='no1',color='red')#在绘图时直接添加图例名称
    3. plt.plot(np.random.random_integers(-20,20,20),label='no2',color='blue')
    4. plt.legend()#打开图例
    5. plt.show()

    image.png

利用循环，在一个画布上叠加图层

#输出表格：学历要求、公司ID、平均薪资、招聘人数
data = df.groupby(['education','companyId']).aggregate(['mean','count']).salary.reset_index()
data

education    companyId    mean    count
0    不限    228    10.0    1
1    不限    280    10.0    2
2    不限    329    10.0    1
3    不限    347    15.0    1
4    不限    707    7.0    2
...    ...    ...    ...    ...
2626    硕士    154323    8.0    1
2627    硕士    155154    20.0    2
2628    硕士    155494    10.0    4
2629    硕士    156192    8.0    1
2630    硕士    157392    20.0    2
2631 rows × 4 columns

最终目的：按照不同学历，将每家公司的平均薪资和招聘人数，绘制在同一个散点图中。

  • 对DataFrameGroupby设置循环，第一个变量是每一组的字段名,绘图时可作为图例

    #对data重新按education分组。
for edu,grouped in data.groupby('education'):
  print(edu) 
#对DataFrameGroupby设置循环，第一个变量是每一组的字段名,绘图时可作为图例

  不限
  博士
  大专
  本科
  硕士

  • 对DateFrameGroupby设置循环，第二个变量是每一组的DataFrame ```python

    对DateFrameGroupby设置循环，第二个变量是每一组的DataFrame

    for edu,grouped in data.groupby(‘education’): print(grouped)

    education companyId mean count 0 不限 228 10.0 1 1 不限 280 10.0 2 2 不限 329 10.0 1 3 不限 347 15.0 1 4 不限 707 7.0 2 .. … … … … [199 rows x 4 columns] education companyId mean count 199 博士 16797 30.0 1 200 博士 39699 15.0 2 201 博士 61844 20.0 2 202 博士 93989 9.0 2 203 博士 131806 15.0 1 education companyId mean count 204 大专 108 15.0 1 205 大专 133 10.0 2 206 大专 147 20.0 2 207 大专 329 9.0 2 208 大专 336 9.0 2 .. … … … …

[469 rows x 4 columns] education companyId mean count 673 本科 53 12.500000 6 674 本科 62 11.225806 62 675 本科 70 20.000000 2 676 本科 91 20.727273 22 677 本科 94 5.000000 1 … … … … … [1738 rows x 4 columns] education companyId mean count 2411 硕士 43 8.0 1 2412 硕士 62 25.0 2 2413 硕士 94 20.0 1 2414 硕士 108 20.0 1 2415 硕士 133 25.0 2 … … … … …

[220 rows x 4 columns]


- 所以现在要做的是：输出不同分组下的DataFrame对应的mean和count两个值
```python
#所以现在要做的是：输出不同分组下的DataFrame对应的mean和count两个值
for edu,grouped in data.groupby('education'):
    x=grouped.query('count<100')['mean'] #将每个mean值赋给x，过滤了招聘人数>=100的情况
    y=grouped.query('count<100')['count'] #将每个count值赋给y，过滤了招聘人数>=100的情况
    plt.scatter(x,y,label=edu) #以x和y作为散点图的横纵坐标，并将分组名称作为图例
plt.legend(loc = 'upper left') #打开图例,loc可设置图例的位置
plt.xlabel('平均薪资')
plt.ylabel('招聘人数')
plt.show()

image.png