Я пытаюсь решить вопрос об edx, который, похоже, мне просто не подходит.
Несмотря на график, показывающий, что система говорит: «Вы дважды вызывали plt.show ()?»
В выводе это также показывает это:
array([<matplotlib.axes._subplots.AxesSubplot object at 0x7f86702755c0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x7f867020dbe0>,
<matplotlib.axes._subplots.AxesSubplot object at 0x7f867022c198>],
dtype=object)
Любая помощь будет с благодарностью.Спасибо
- График DataFrame.
- Очистите метки оси X с помощью функции plt.xticks ().
- Установите первый аргумент, равный np.arange (len (sal_quantiles.index)), второй аргумент, равный sal_quantiles.index, и аргумент ключевого слова вращение = 'вертикальный'.
- Показать сюжет.Теперь вызовите метод .plot () с аргументом subplots = True, чтобы построить столбцы на разных осях.Покажите также этот график.
# Plot the data
sal_quantiles.plot()
# Set xticks
plt.xticks(
np.arange(len(sal_quantiles.index)),
sal_quantiles.index,
rotation='vertical')
# Show the plot
plt.show()
# Plot with subplots
sal_quantiles.plot(subplots=True)
Основано на предыдущем упражнении .... Источник данных: https://raw.githubusercontent.com/fivethirtyeight/data/master/college-majors/recent-grads.csv
Построение квантилей зарплаты, часть 1
Теперь вам интересно построить несколько разных квантилей средней заработной платы по основным категориям, чтобы вы могли сравнивать различные распределения зарплаты.В этом упражнении вы подготовите свои данные для matplotlib.
Инструкции
Столбцы медиана, p25th и p75th в настоящее время кодируются как строки.Преобразуйте эти столбцы в числовые значения.Затем разделите значение каждого столбца на 1000, чтобы облегчить чтение шкалы окончательного графика.
Найдите каждый из трех столбцов для каждой основной категории.Сохранить как sal_quantiles
import pandas as pd
# Convert to numeric and divide by 1000
recent_grads['median'] = pd.to_numeric(recent_grads['median'])/ 1000
recent_grads['p25th'] = pd.to_numeric(recent_grads['p25th'])/ 1000
recent_grads['p75th'] = pd.to_numeric(recent_grads['p75th'])/ 1000
# Select averages by major category
columns = ['median', 'p25th', 'p75th']
sal_quantiles = recent_grads.groupby(['major_category'])['median', 'p25th', 'p75th'].mean()
print(sal_quantiles)