在归一化图中可视化值
Visualizing values in a normalized plot
我有一些数据想要绘制,在标准化图表中可视化。
数据集:
Gini
var1 0.000223
var2 0.000047
var3 0.000933
var4 0.000081
var5 0.000014
df.sort_values(by='Gini', ascending=False).plot(kind='bar')
我试过 plt.yticks(np.arange(0, 1))
但这只是改变了比例。
如果您只有一列并且仅绘制 "Gini"
列,您可以 select 该列并在绘制之前对其进行归一化,例如:
((df['Gini']-df['Gini'].min())/(df['Gini'].max()-df['Gini'].min())).sort_values().plot(kind='bar')
一般来说,您可以将整个数据帧归一化并绘制出来:
df_normalized = (df-df.min())/(df.max()-df.min())
df_normalized.sort_values(by='Gini', ascending=False).plot(kind='bar')
我有一些数据想要绘制,在标准化图表中可视化。 数据集:
Gini
var1 0.000223
var2 0.000047
var3 0.000933
var4 0.000081
var5 0.000014
df.sort_values(by='Gini', ascending=False).plot(kind='bar')
我试过 plt.yticks(np.arange(0, 1))
但这只是改变了比例。
如果您只有一列并且仅绘制 "Gini"
列,您可以 select 该列并在绘制之前对其进行归一化,例如:
((df['Gini']-df['Gini'].min())/(df['Gini'].max()-df['Gini'].min())).sort_values().plot(kind='bar')
一般来说,您可以将整个数据帧归一化并绘制出来:
df_normalized = (df-df.min())/(df.max()-df.min())
df_normalized.sort_values(by='Gini', ascending=False).plot(kind='bar')