Язык Python в медицинских системах искусственного интеллекта. Ч.1. Введение в программирование на языке Python. Учебное пособие

●df.loc[0:3, ['col1', 'col2']] — выбор строк и столбцов по метке.

●df.iloc[0:3, 0:2] — выбор строк и столбцов по индексу.

5.фильтрация данных

●df[df['column'] > value] — выбор строк, где значения в колонке больше value.

●df[(df['col1'] > value1) & (df['col2'] < value2)] —

фильтрация по нескольким условиям.

●df[df['column'].isin([val1, val2])] — выбор строк, где значения в колонке равны val1 или val2.

6.работа с отсутствующими данными

●df.isna() — возвращает DataFrame с булевыми значениями, где True — отсутствующие значения.

●df.dropna() — удаляет строки с отсутствующими значениями.

●df.fillna(value) — заполняет отсутствующие значения указанным значением.

●df.dropna(axis=1) — удаляет столбцы с отсутствующими значениями.

7.изменение данных

●df['new_column'] = df['column1'] + df['column2'] —

создание нового столбца.

●df.rename(columns={'old_name': 'new_name'}) — пере-

именование столбцов.

●df.replace({'old_value': 'new_value'}) — замена значе-

ний в DataFrame.

●df.apply(func) — применяет функцию func ко всем элементам (или по строкам/столбцам).

8.группировка данных и агрегация

●df.groupby('column').mean() — группировка по столбцу и вычисление среднего значения для каждой группы.

●df.groupby('column').agg(['min', 'max', 'mean']) —

вычисление нескольких статистик для каждой группы.

71

●df.pivot_table(values='val_col', index='row_col', columns='col_col', aggfunc='mean') — создание сводной таблицы.

9.объединение и соединение данных

●pd.concat([df1, df2]) — конкатенация по строкам (по умолчанию) или столбцам (axis=1).

●pd.merge(df1, df2, on='column') — объединение DataFrame

по указанному столбцу.

●df1.join(df2, on='key') — соединение двух DataFrame по ин-

дексу или ключу.

10.сортировка данных

●df.sort_values(by='column') — сортировка по столбцу.

●df.sort_values(by=['col1', 'col2'], ascending=[True, False]) — сортировка по нескольким столбцам с указанием порядка.

11.временные ряды

●pd.to_datetime(df['date_column']) — преобразование строки в дату.

●df.set_index('date_column') — установка столбца даты как индекса.

●df.resample('M').mean() — ресемплирование данных (например, среднее значение по месяцам).

●df['date_column'].dt.year — извлечение года из даты.

●df['date_column'].dt.month — извлечение месяца.

12.визуализация данных

●df.plot() — базовый график.

●df.plot(kind='bar') — столбчатая диаграмма.

●df.plot(kind='hist') — гистограмма.

●df.plot(kind='box') — ящик с усами.

●df.plot(kind='scatter', x='col1', y='col2') — диа-

грамма рассеяния.

13.работа с категориальными данными

72

●df['column'] = df['column'].astype('category') — пре-

образование столбца в категориальный тип.

●df['column'].cat.categories — получение категорий.

●df['column'].cat.codes — преобразование категорий в числовые коды.

14. вычисления и статистика

●df.corr() — корреляция между столбцами.

●df.cov() — ковариация между столбцами.

●df.mean() — среднее значение по столбцам.

●df.median() — медиана.

●df.std() — стандартное отклонение.

4.8. Mathplotlib

Библиотека Matplotlib является одним из самых популярных и мощных инструментов для визуализации данных в Python. Она предоставляет широкий спектр возможностей для создания статических, а также анимационных графиков, что делает её важным инструментом как для научных исследований, так и для бизнес-анализа. Одной из её основных особенностей является гибкость в настройке графиков. Matplotlib позволяет создавать различные типы графиков, включая линейные, гистограммы, диаграммы рассеяния, круговые диаграммы и многие другие. Каждый график можно тонко настроить, изменяя оси, метки, легенды и другие элементы, что даёт пользователю полный контроль над визуализацией данных.

Одним из значимых преимуществ Matplotlib является её интеграция с другими популярными библиотеками Python, такими как NumPy и pandas, что делает её особенно удобной при работе с большими наборами данных. Благодаря этому пользователи могут легко преобразовывать и визуализировать данные, используя функциональность этих библиотек для манипулирования массивами и датафреймами. Кроме того, Matplotlib поддерживает работу с несколькими фигурами и подграфиками, что позволяет строить сложные композиции и отображать несколько графиков в одном окне.

73

Ещё одной важной особенностью является способность Matplotlib работать с различными форматами вывода. Библиотека поддерживает экспорт графиков в разнообразные форматы, такие как PNG, PDF, SVG, EPS и другие, что позволяет легко интегрировать графику в отчёты, научные статьи и веб-приложения. Также стоит отметить богатую документацию и активное сообщество, что делает Matplotlib доступной для пользователей с разным уровнем подготовки.

В Matplotlib присутствует также поддержка анимаций, что расширяет её функциональные возможности, позволяя создавать динамичные графики и визуализировать изменения данных во времени. Это особенно полезно в задачах, связанных с анализом временных рядов или симуляциями.

import matplotlib.pyplot as plt

Основные часто используемые функции:

1.базовая настройка

●plt.show() — вывод графика на экран.

●plt.figure() — создание нового окна для графика с возможностью настройки размера и DPI.

plt.figure(figsize=(10, 5), dpi=100)

2.линейные графики

●plt.plot(x, y) — создание линейного графика, где x и y — это данные по осям.

●plt.plot(x, y, linestyle='--', color='r', marker='o') — параметры линии:

○linestyle — стиль линии ('-', '--', ':' и др.).

○color — цвет ('r' для красного, '#ff5733' для кастомных).

○marker — маркер точек ('o', 's', 'x', и т.д.).

Пример и результат работы программы рис. 4.8.1:

x = [1, 2, 3, 4]

y = [10, 20, 25, 30] plt.plot(x, y, linestyle='--', color='b', marker='o') plt.show()

74

Рис. 4.8.1 – Линейный график

3.подписи и заголовки рис. 4.8.2:

●plt.title("Title") — заголовок графика.

●plt.xlabel("X-axis Label") — подпись оси X.

●plt.ylabel("Y-axis Label") — подпись оси Y.

●plt.legend() — легенда для обозначения линий (всегда указы-

вайте label в plot()).

plt.plot(x, y, label='Line 1') plt.legend(loc='upper left')

Рис. 4.8.2 – Линейный график с подписью

75

4.гистограммы

●plt.hist(data, bins=10, color='g', alpha=0.7) — созда-

ние гистограммы:

○data — данные для распределения.

○bins — количество интервалов.

○color — цвет.

○alpha — прозрачность.

Пример и результат работы программы рис. 4.8.3: data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]

plt.hist(data, bins=4, color='purple', alpha=0.7) plt.show()

Рис. 4.8.3 – Гистограмма

5.столбчатые диаграммы

●plt.bar(x, height, color='b', width=0.5) — столбчатая диаграмма:

○x — метки или категории.

○height — высота столбцов.

○width — ширина столбцов.

○color — цвет.

76

Пример и результат работы программы рис. 4.8.4: categories = ['A', 'B', 'C'] values = [5, 10, 15]

plt.bar(categories, values, color='orange', width=0.4)

plt.show()

Рис. 4.8.4 – Столбчатая диаграмма

6.диаграммы рассеяния

●plt.scatter(x, y, color='r', marker='o', s=30) — диа-

грамма рассеяния:

○x, y — координаты точек.

○marker — тип маркера.

○s — размер точек.

○color — цвет.

Пример и результат работы программы рис. 4.8.5:

x = [1, 2, 3, 4, 7, 10]

y = [10, 15, 13, 18, 14, 20]

plt.scatter(x, y, color='green', marker='x', s=100) plt.show()

77

Рис. 4.8.5 – Диаграмма рассеяния

7.круговые диаграммы

●plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90) — создание круговой диа-

граммы:

○sizes — значения (доли) для каждой части.

○labels — подписи частей.

○colors — цвета.

○autopct — формат отображения процентов.

○startangle — начальный угол диаграммы.

Пример и результат работы программы рис. 4.8.6: sizes = [15, 30, 45, 10]

labels = ['A', 'B', 'C', 'D']

colors = ['yellow', 'blue', 'green', 'red'] plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=140) plt.show()

78

10.0 %

45.0 %

15.0 %

30.0 %

Рис. 4.8.6 – Круговая диаграмма

8.диаграмма с областями

●plt.fill_between(x, y1, y2, color='skyblue', alpha=0.4) — заполнение области между линиями y1 и y2 на за-

данных значениях x.

Пример и результат работы программы рис. 4.8.7:

x = [1, 2, 3, 4] y1 = [1, 4, 6, 9] y2 = [2, 11, 5, 7]

plt.fill_between(x, y1, y2, color="skyblue", alpha=0.4) plt.show()

79

Рис. 4.8.7 – Диаграмма с областями

9.настройка осей

●plt.xlim([min, max]) — установка диапазона для оси X.

●plt.ylim([min, max]) — установка диапазона для оси Y.

●plt.xticks(rotation=45) — поворот меток на оси X на 45 гра-

дусов.

●plt.yticks([1, 2, 3, 4]) — установка пользовательских ме-

ток для оси Y.

Пример и результат работы программы рис. 4.8.8: plt.plot([1, 2, 3, 4], [2, 20, 10, 30]) plt.xlim(0, 5)

plt.ylim(0, 40)

plt.xticks([1, 2, 3, 4], rotation=45) plt.show()

80