1. Aprender
    2. /
  2. Cursos
    3. /
  3. Introduction à la visualisation de données avec Matplotlib
  • 1

    Introduction à Matplotlib

    Gratuito

    Ce chapitre présente la bibliothèque de visualisation Matplotlib et montre comment l'utiliser avec des données.

  • 2

    Découpage de séries temporelles

    Les données chronologiques sont des données enregistrées. La visualisation de ce type de données permet de clarifier les tendances et de mettre en évidence les relations entre les données.

  • 3

    Comparaisons quantitatives et visualisations statistiques

    Les visualisations peuvent être utilisées pour comparer des données de manière quantitative. Ce chapitre présente plusieurs méthodes de visualisation quantitative.

  • 4

    Partager des visualisations avec d'autres

    Ce chapitre vous montre comment partager vos visualisations avec d'autres personnes : comment enregistrer vos figures sous forme de fichiers, comment ajuster leur aspect et leur convivialité, et comment automatiser leur création en fonction des données saisies.

Initializing

Exercicio

Lire des données avec un index temporel

Les objets DataFrame de pandas peuvent avoir un index indiquant le temps, ce qui est reconnu par Matplotlib pour l'étiquetage des axes.

Cet exercice consiste à lire les données de climate_change.csv, contenant CO2 niveaux et températures enregistrés le 6 de chaque mois de 1958 à 2016, à l'aide de la fonction pandas read_csv. Les arguments parse_dates et index_col permettent de définir un DateTimeIndex.

N'oubliez pas de consulter l' aide-mémoire Matplotlib pour un aperçu rapide des concepts et méthodes essentiels.

Instruções

100 XP
  • Importez la bibliothèque pandas sous pd.
  • Lisez les données d'un fichier CSV appelé 'climate_change.csv' en utilisant pd.read_csv.
  • Utilisez l'argument du mot-clé parse_dates pour analyser la colonne "date" en tant que dates.
  • Utilisez l'argument du mot-clé index_col pour définir la colonne "date" comme index.