Ответы на тесты Библиотеки Python.sa_ИМО

Использование ключевого слова params

Requests

import json

˂head˃˂/head˃

404;;404 Not Found

GET = Используется для запроса данных с сервера. ; POST = Используется для создания нового ресурса. ; PUT = Используется для обновления существующего ресурса. ; DELETE = Используется для удаления указанного ресурса.

title ; plt.title ; title() ; plt.title()

scatter ; scatter() ; plt.scatter() ; plt.scatter

text ; text() ; plt.text ; plt.text()

plt.xlabel() и plt.ylabel()

plt.plot() (используя параметр 'linestyle')

plt.savefig('filename.png')

plt.pie(sales.values(), labels=sales.keys())

relplot

heatmap

import seaborn as sns import matplotlib.pyplot as plt ; Загрузка примера набора данных data = sns.load_dataset('tips') ; Установка стиля для всех графиков sns.set_style('whitegrid') ; Построение графика распределения sns.histplot(data['tip'], kde=True) ; Отображение графика plt.show()

Для построения гистограмм с оценкой плотности

Визуализация линейной регрессии для двух переменных

Идеальный выбор для такого анализа — это heatmap, который даст общее представление об активности пользователей распределенной по времени. С помощью метода choose_light_palette() можно создать светлую цветовую палитру, которая подчеркнет активные периоды. Функция mark_peaks() будет полезна для визуального выделения дней с наивысшей активностью.

Opacity

Restyle

JS ; Java Script

go.Histogram()

fig.update_layout(xaxis_range=[0,10])

maxpoints

matplotlib

pie ; plt.pie ; pie() ; plt.pie()

plt.pie() = Визуализация данных в виде круговой диаграммы. ; plt.plot() = Создание линейного графика или временного ряда. ; set_xlim() = Настройка уровня зума или отображаемого интервала на оси X. ; plt.bar() = Отображение данных в виде столбцов на графике.

plt.errorbar()

fontsize

Я бы выбрал столбчатые графики, использовал функцию plt.annotate() для обозначения района и применил разноцветную схему для каждого набора данных.

Загрузить каждый CSV-файл в отдельный DataFrame и проверить, что столбцы в каждом из них идентичны и имеют тот же порядок.

.to_csv();;to_csv();;to_csv;;методом to_csv();;методом to_csv

df.unique()

.read_excel();;read_excel();;read_excel;;метод read_excel();;метод read_excel

t ; /t ; t ; sep=’t’

`head()` показывает верхние строки, `tail()` - нижние

sns.set_style() ; sns.set_theme()

sns.diverging_palette()

lineplot

kdeplot

catplot - универсальный метод для работы с категориальными данными. ; boxplot - метод для создания ящиков с усами, визуализирующих распределение категориальных данных. ; kdeplot - метод для создания сглаженных гистограмм непрерывных распределений. ; FacetGrid - класс для построения сетки графиков на основе фасетирования по различным категориям и переменным.

Точечный график

FacetGrid

color_palette

.len() ; len() ; len ; len(matrix) ; np.len() ; numpy.len() ; np.len ; numpy.len

np.array

matrix ; матрица

.arange();;np.arange;;np.arange();;numpy.arange;;numpy.arange();;arange;;arange()

np.zeros

.array();;.np.array();;np.array;;numpy.array;;array;;array();;np.array();;numpy.array()

JS;;javascript;;java script

express;;plotly.express

Update

fig.show() = Отображение сформированной фигуры с графиками на экране. ; import plotly.graph_objects as go = Импортирование функционала для создания объектов графиков. ; fig = go.Figure() = Инициализация новой фигуры для последующего добавления графиков. ; fig.add_trace(go.Scatter(x=[1, 2, 3], y=[3, 2, 1], mode='markers')) = Добавление графика с точками на фигуру.

Добавляет новый график на фигуру

Для настройки внешнего вида графика, такого как размеры и шрифт

Для начала мне необходимо установить Plotly отдельно, используя пакетный менеджер типа pip. Модуль plotly.express лучше всего подойдет для создания интуитивно понятных интерактивных графиков, в то время как для добавления кнопок с анимацией я буду использовать виджеты в модуле plotly.graph_objects с помощью атрибута updatemenus в layout.

Загрузить каждый CSV-файл в отдельный DataFrame и проверить, что столбцы в каждом из них идентичны и имеют тот же порядок.

Создать первую матрицу: mat1 = np.array([[1, 2, 3], [4, 5, 6]]) ; Создать вторую матрицу: mat2 = np.array([[7, 8], [9, 10], [11, 12]]) ; Проверить размерности матриц перед сложением: mat1.shape, mat2_t.shape ; Транспонировать вторую матрицу: mat2_t = mat2.transpose() ; Сложить первую матрицу с транспонированной второй: mat3 = mat1 + mat2_t ; Вывести результат сложения на экран: print(mat3)

np.flip

info

regplot