def PlotData(pd, titre, filenameFig, y, color='black', Dates=None): if len(y) == 0 or y is None: pass fig = plt.figure(facecolor='w', figsize=figsize) ax = fig.add_subplot(111, facecolor='#dddddd', axisbelow=True) # Dessin des courbes théoriques pd.plot(ax=ax, y=y, color=color, title=titre, marker='x', ls='-', lw=0.5) # ajout des dates spéciales if Dates != None: # for d in Dates.listFirstCaseDates: # drawAnnotation(ax, 'First case date\n', d, color='blue') for d in Dates.listConfDates: drawAnnotation(ax, 'Conf. date\n', d, color='red') for d in Dates.listDeconfDates: drawAnnotation(ax, 'Deconf. date\n', d, color='green') for d in Dates.listOtherDates: drawAnnotation(ax, 'Other date\n', d) # surlignage des jours de WE WE_indices = get_WE_indice(pd) i = 0 while i < len(WE_indices) - 1: ax.axvspan(pd.index[WE_indices[i]], pd.index[WE_indices[i + 1]], facecolor='gray', edgecolor='none', alpha=.15, zorder=-100) i += 2 # axes ax.grid(True, which='major', axis='both') ax.grid(True, which='minor', axis='both') ax.grid(True, which='major', c='k', lw=0.5, ls='-', alpha=0.3) ax.grid(True, which='minor', c='w', lw=0.5, ls='-') for spine in ('top', 'right', 'bottom', 'left'): ax.spines[spine].set_visible(False) plt.ticklabel_format(style='sci', axis='y', scilimits=(0, 0), useOffset=False, useLocale=False) # On enlève le label sur l'axe x x_label = ax.axes.get_xaxis().get_label().set_visible(False) # legende legend = ax.legend().get_frame().set_alpha(0.8) plt.legend(fontsize=7) plt.tight_layout() plt.savefig(filenameFig, dpi=dpi) plt.close()
def show_from_df(self, pd): ax = pd.plot(use_index=True, figsize=(12, 5), title=u"趋势情况") # ax.set_xlabel(u"日期") # xticks = range(0, len(pd), len(pd)//6) # xticklabels = [pd.index[i] for i in xticks] # ax.set_xticks(xticks) # ax.set_xticklabels(xticklabels, rotation=70) plt.legend()
def plot_composation(adata_input, clustering='leiden'): fig, axs = plt.subplots(2, 2, figsize=(12, 8)) # 1 sc.pl.umap(adata_input, color=clustering, legend_loc='on data', ax=axs[0, 0], show=False) # 2 sc.pl.umap(adata_input, color=['sample_name'], alpha=.15, size=9, ax=axs[0, 1], show=False) # 3 cell_per_cluster = adata_input.obs.groupby([ clustering, "sample_name" ]).size().reset_index(name="Cells").pivot_table(index=clustering, columns='sample_name', values='Cells', fill_value=0) pd = cell_per_cluster # .apply(lambda x: round(x / x.sum(),3)*100) pd.plot( kind='bar', stacked=True, legend=False, ax=axs[1, 0], ) axs[1, 0].set_ylabel('Cell count') # 4 pd = cell_per_cluster.apply( lambda x: round(x / x.sum(), 3) * 100, axis=1, ) pd.plot(kind='bar', stacked=True, legend=False, ax=axs[1, 1]) axs[1, 1].set_ylabel('Percentage') # patches, labels = axs[1,1].get_legend_handles_labels() # axs[1,1].legend(patches, labels, loc='upper left', bbox_to_anchor=(1,1)) plt.tight_layout() plt.show() return fig
# In[44]: Soal1 import pandas as Rifky #melakukan import pada library pandas sebagai Rifky iphone = { "Nama Iphone": ['Iphone7', 'Iphone8', 'Iphone10', 'Iphone11'] } #membuat varibel yang bernama iphone, dan mengisi dataframe nama2 iphone x = Rifky.DataFrame( laptop ) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop. print(' Rifky Punya Iphone ' + x) #print hasil dari x # In[44]: Soal2 import numpy as Rifky #melakukan import numpy sebagai Rifky matrix_x = Rifky.eye( 10) #membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #deklrasikan matrix_x yang telah dibuat print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as Rifky #import matploblib sebagai Rifky Rifky.plot([1, 1, 7, 4, 0, 2, 1]) #memberikan nilai plot atau grafik pada Rifky Rifky.xlabel('Muh Rifky Prananda') #memberikan label pada x Rifky.ylabel('1174017') #memberikan label pada y Rifky.show() #print hasil plot berbentuk grafik
# In[44]: Soal1 import pandas as fanny #melakukan import pada library pandas sebagai fanny boyband = {"Boyband" : ['EXO','SEVENTEEN','DAY6','IKON']} #membuat varibel yang bernama boyband, dan mengisi dataframe nama2 boyband x = fanny.DataFrame(boyband) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop. print (' Boyband kesukaan Fanny ' + x) #print hasil dari x # In[44]: Soal2 import numpy as fanny #melakukan import numpy sebagai fanny matrix_x = fanny.eye(10) #membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #deklrasikan matrix_x yang telah dibuat print (matrix_x) #print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as fanny #import matploblib sebagai fanny fanny.plot([1,1,7,4,0,6,9]) #memberikan nilai plot atau grafik pada fanny fanny.xlabel('Fanny Shafira Damayanti') #memberikan label pada x fanny.ylabel('1174069') #memberikan label pada y fanny.show() #print hasil plot berbentuk grafik
# In[44]: Soal1 import pandas as oni #melakukan import pada library pandas sebagai oni laptop = { "Nama Laptop": ['Asus', 'HP', 'Lenovo', 'Samsung'] } #membuat varibel yang bernama laptop, dan mengisi dataframe nama2 laptop x = oni.DataFrame( laptop ) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop. print(' Oni Punya Laptop ' + x) #print hasil dari x # In[44]: Soal2 import numpy as oni matrix_x = oni.eye( 10) #membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #deklrasikan matrix_x yang telah dibuat print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as oni #import matploblib sebagai fahmi oni.plot([1, 1, 7, 4, 0, 0, 5]) #memberikan nilai plot atau grafik pada fahmi oni.xlabel('Oniwaldus Bere Mali') #memberikan label pada x oni.ylabel('1174021') #memberikan label pada y oni.show() #print hasil plot berbentuk grafik
Created on Mon Mar 23 15:03:30 2020 @author: Tia """ # In[44]: Soal1 import pandas as tia #melakukan import pada library pandas sebagai tia makanan = {"Makanan" : ['Pizza','Batagor','Cimol','Lumpia']} #membuat varibel yang bernama boyband, dan mengisi dataframe nama2 makanan x = tia.DataFrame(makanan) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop. print (' Makanan kesukaan tia' + x) #print hasil dari x # In[44]: Soal2 import numpy as tia #melakukan import numpy sebagai tia matrix_x = tia.eye(10) #membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #deklrasikan matrix_x yang telah dibuat print (matrix_x) #print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as tia #import matploblib sebagai tia tia.plot([1,1,7,4,0,8,6]) #memberikan nilai plot atau grafik pada tia tia.xlabel('Tia Nur Candida') #memberikan label pada x tia.ylabel('1174086') #memberikan label pada y tia.show() #print hasil plot berbentuk grafik
from pyspark.sql import SparkSession from pyspark.sql.functions import explode import matplotlib as plt import matplotlib.pyplot as plt import pandas as pd spark = SparkSession \ .builder \ .appName("Player recognition in NBA") \ .getOrCreate() # spark is an existing SparkSession df = spark.read.json("C:/Users/Vamsi Draksharam/PycharmProjects/PB-Vamsi/phase2/data2.json") # Displays the content of the DataFrame to stdout # Register the DataFrame as a SQL temporary view df.createOrReplaceTempView("nba") sqlDF = spark.sql("SELECT 'Jordan Clarkson' as Player, count(*) as Count from nba where text like '%jordan%' and text like '%nba%'\ UNION\ SELECT 'Stephen Curry' as Player, count(*) as Count from nba where text like '%curry%' and text like '%nba%'\ UNION\ SELECT 'LeBron James' as Player, count(*) as Count from nba where text like '%lebron%' and text like '%nba%' UNION\ SELECT 'James Harden' as Player, count(*) as Count from nba where text like '%harden%' and text like '%nba%' UNION\ SELECT 'Anthony Davis' as Player, count(*) as Count from nba where text like '%anthony%' and text like '%nba%'") pd = sqlDF.toPandas() pd.to_csv('10.csv', index=False) pd.plot(kind="bar",x="Player",y="Count") plt.show() sqlDF.show()
buah ) # Membuat variabel x yang akan membuat DataFrame dari library pandas yang akan memanggil variabel aplikasi. print(' KK makan buah: ' + x) #print hasil dari x # In[1] import numpy as KK #Melakukan import library numpy menjadi nama sendiri yaitu KK matrix_x = KK.eye( 10) #Membuat sebuah matrix pake numpy dengan menggunakan fungsi eye matrix_x #Mendeklrasikan matrix_x yang tadi dibuat print(matrix_x) #print matrix_x yang tadi dibuat yang berbentuk 10x10 # In[2] import matplotlib.pyplot as KK #Melakukan import library numpy menjadi nama sendiri yaitu KK KK.plot([1, 1, 7, 4, 0, 6, 7]) #MemasuKKan nilai pada plot KK.xlabel('KK KMLDN') #Menambahkan label pada x KK.ylabel('1174067') #Menambahkan label pada y KK.show() #Menampilkan grafik plot # In[3]: Random Forest import pandas as pd #Melakukan import library numpy menjadi pd imgatt = pd.read_csv( "D:/OneDrive - Hybi.god/KULIAH/Semester 6/AI/KB3C/src/1174067/3/CUB_200_2011/attributes/image_attribute_labels.txt", sep='\s+', header=None, error_bad_lines=False, warn_bad_lines=False, usecols=[0, 1, 2], names=['imgid', 'attid', 'present']
""" Created on Tue Mar 17 13:19:22 2020 @author: Nico Sembiring """ # In[1]: import pandas as nico #melakukan import pada library pandas sebagai nico makanan = { "List Nama makanan Nico": ['Bakso', 'Mie Ayam', 'Batagor', 'Nasi Goreng'] } #membuat varibel yang bernama makanan , dan mengisi dataframe nama2 Makanan makan = nico.DataFrame( makanan) #membuat variabel makan untuk memanggil dataframe makanan print('Nico Suka ' + makan) #memanggil variabel makan dengan data dari dataframe makanan # In[2] : import numpy as nico #melakukan import numpy sebagai nico matrix = nico.eye( 12 ) #Membuat variabel dengan nama matrix untuk memanggil fungsi eye sebagai matrix identitas dengan jumlah kolom dan baris 12 print(matrix) #memanggil variabel matrix # In[3] : import matplotlib.pyplot as nico #melakukan import pada library matplotlib sebagai nico nico.plot([1, 4, 2, 4, 5, 2, 1]) #menentukan titik nico.ylabel('Nilainya') #mendefinisikan nilai y dengan nama Nilainya nico.show() #memunculkan grafik
import pandas as plt import numpy as np plt.plot(x, y)
import pandas as pd pd.read_csv("World firearms murders and ownership - Sheet 1.tsv", sep=",") pd.plot()
mobil = { "Nama Mobil": [ 'Ferrari', 'Lamborgini', ] } #membuat varibel yang bernama mobil x = habib.DataFrame( mobil ) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel mobil. print(' Habib Mempunyai Mobil ' + x) #print hasil dari x # In[44]: Soal2 import numpy as habib #melakukan import numpy sebagai habib matrix_x = habib.eye( 16) #membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #deklrasikan matrix_x yang telah dibuat print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as habib #import matploblib sebagai habib habib.plot([1, 3, 5, 4, 0, 6, 1]) #memberikan nilai plot atau grafik pada habib habib.xlabel('Habib Abdul Rasyid') #memberikan label pada x habib.ylabel('1174002') #memberikan label pada y habib.show() #print hasil plot berbentuk grafik
from pyspark.sql import SparkSession from pyspark.sql.functions import explode import matplotlib as plt import matplotlib.pyplot as plt import pandas as pd spark = SparkSession \ .builder \ .appName("Python Spark SQL basic example") \ .getOrCreate() # spark is an existing SparkSession df = spark.read.json("/home/siri/Downloads/project/tech_tweets.json") # Displays the content of the DataFrame to stdout # Register the DataFrame as a SQL temporary view df.createOrReplaceTempView("Technology") sqlDF = spark.sql("SELECT 'Stanford' as Colleges, count(*) as Count from Technology where text like '%Stanford%' and text like '%AI%'\ UNION\ SELECT 'MIT' as Colleges, count(*) as Count from Technology where text like '%MIT%' and text like '%AI%'\ UNION\ SELECT 'UMKC' as Colleges, count(*) as Count from Technology where text like '%UMKC%' or text like '%AI%'") plt.show() pd = sqlDF.toPandas() pd.to_csv('sixth.csv', index=False) pd.plot(kind="bar",x="Colleges",y="Count") sqlDF.show()
from pyspark.sql import SparkSession from pyspark.sql.functions import explode import matplotlib as plt import matplotlib.pyplot as plt import pandas as pd spark = SparkSession \ .builder \ .appName("Python Spark SQL basic example") \ .getOrCreate() # spark is an existing SparkSession df = spark.read.json("/home/siri/Downloads/project/tech_tweets.json") # Displays the content of the DataFrame to stdout # Register the DataFrame as a SQL temporary view df.createOrReplaceTempView("Technology") sqlDF = spark.sql( "SELECT 'Home' as Field, count(*) as Count from Technology where text like '%home%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%')\ UNION\ SELECT 'Business' as Field, count(*) as Count from Technology where text like '%business%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%')\ UNION\ SELECT 'Health' as Field, count(*) as Count from Technology where text like '%health%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%')" ) pd = sqlDF.toPandas() pd.to_csv('sixth.csv', index=False) pd.plot(kind="bar", x="Field", y="Count") plt.show() sqlDF.show()
# In[44]: Soal1 import pandas as felix #melakukan import pada library pandas sebagai felix laptop = {"Nama Laptop" : ['Asus','HP','Lenovo','Samsung']} #membuat varibel yang bernama laptop, dan mengisi dataframe nama2 laptop x = felix.DataFrame(laptop) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop. print (' felix Punya Laptop ' + x) #print hasil dari x # In[44]: Soal2 import numpy as felix #melakukan import numpy sebagai felix matrix_x = felix.eye(10) #membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #deklrasikan matrix_x yang telah dibuat print (matrix_x) #print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as felix #import matploblib sebagai felix felix.plot([1,1,7,4,0,2,1]) #memberikan nilai plot atau grafik pada felix felix.xlabel('Muhammad felix') #memberikan label pada x felix.ylabel('1174026') #memberikan label pada y felix.show() #print hasil plot berbentuk grafik
import pandas as plt import seaborn as sns import matplotlib.pyplot as plt from sklearn.datasets import make_blobs from sklearn.cluster import KMeans data = make_blobs(n_samples=200, n_features=2,centers=4, cluster_std=1.8, random_state=101) plt.scatter(data[0][:,0], data[0][:,1],c=data[1], cmap='rainbow') #plt.show() kmeans = KMeans(n_clusters=4) kmeans.fit(data[0]) print(kmeans.cluster_centers_) print(kmeans.labels_) plt.plot(kmeans.cluster_centers_) #plt.show() fig, (ax1, ax2) = plt.subplots(1,2, sharey=True, figsize = (10,6) ) ax1.set_title('K_means') ax1.scatter(data[0][:,0], data[0][:,1],c=kmeans.labels_, cmap='rainbow') ax2.set_title('Original') ax2.scatter(data[0][:,0], data[0][:,1],c=data[1], cmap='rainbow') plt.show()
# In[44]: Soal1 import pandas as ainul #melakukan import pada library pandas sebagai ainul laptop = { "Nama Laptop": ['Asus', 'HP', 'Lenovo', 'Samsung'] } #membuat varibel yang bernama laptop, dan mengisi dataframe nama2 laptop x = ainul.DataFrame( laptop ) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop. print(' ainul Punya Laptop ' + x) #print hasil dari x # In[44]: Soal2 import numpy as ainul #melakukan import numpy sebagai ainul matrix_x = ainul.eye( 10) #membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #deklrasikan matrix_x yang telah dibuat print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as ainul #import matploblib sebagai ainul ainul.plot([1, 1, 7, 4, 0, 7, 3]) #memberikan nilai plot atau grafik pada ainul ainul.xlabel('ainul filiani') #memberikan label pada x ainul.ylabel('1174073') #memberikan label pada y ainul.show() #print hasil plot berbentuk grafik
#variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop. print (' Marvel kesukaan gani ' + x) #print hasil dari x # In[44]: Soal2 import numpy as gani #melakukan import numpy sebagai gani matrix_x = gani.eye(10) #untuk membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #untuk deklrasikan matrix_x yang telah dibuat print (matrix_x) #menampilkan print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as gani #import matploblib sebagai gani gani.plot([1,1,7,4,0,7,1]) #untuk memberikan nilai plot atau grafik pada gani gani.xlabel('Muhammad Abdul Gani Wijaya') #untuk memberikan label pada x gani.ylabel('1174071') #untuk memberikan label pada y gani.show() #menampilkan print hasil plot berbentuk grafik
from pyspark.sql import SparkSession from pyspark.sql.functions import explode import matplotlib as plt import matplotlib.pyplot as plt import pandas as pd spark = SparkSession \ .builder \ .appName("List of top players and their occurrences") \ .getOrCreate() # spark is an existing SparkSession df = spark.read.json( "C:/Users/Vamsi Draksharam/PycharmProjects/PB-Vamsi/phase2/data2.json") df.createOrReplaceTempView("NBA") sqlDF = spark.sql( "SELECT 'Chris Paul' as Player, count(*) as Occurrences from nba where text like '%chris paul%' or text like '%nba%' or upper(text) like '%CHRIS PAUL%' or upper(text) like '%NBA%'\ UNION\ SELECT 'Stephen Curry' as Player, count(*) as Occurrences from nba where text like '%curry%' or upper(text) like '%CURRY%'\ UNION\ SELECT 'Kevin Durant' as Player, count(*) as Occurrences from nba where text like '%kevin durant%' or upper(text) like '%KEVIN DURANT%' or text like '%nba%' or upper(text) like '%NBA%' UNION\ SELECT 'LeBron James' as Player, count(*) as Occurrences from nba where text like '%lebron%' or upper(text) like '%LEBRON%' or text like '%LeBron James' UNION\ SELECT 'Russell Westbrook' as Player, count(*) as Occurrences from nba where text like '%westbrook%' or upper(text) like '%WESTBROOK%'" ) pd = sqlDF.toPandas() pd.to_csv('5.csv', index=False) #code of bar-graph pd.plot(kind="bar", x="Player", y="Occurrences") plt.show() sqlDF.show()
from pyspark.sql import SparkSession from pyspark.sql.functions import explode import matplotlib as plt import matplotlib.pyplot as plt import pandas as pd spark = SparkSession \ .builder \ .appName("Python Spark SQL basic example") \ .getOrCreate() # spark is an existing SparkSession df = spark.read.json("/home/siri/Downloads/project/tech_tweets.json") # Displays the content of the DataFrame to stdout # Register the DataFrame as a SQL temporary view df.createOrReplaceTempView("Technology") sqlDF = spark.sql( "SELECT 'Horror' as Movies, count(*) as Count from Technology where text like '%horror%' and text like '%vfx%'\ UNION\ SELECT 'comedy' as Movies, count(*) as Count from Technology where text like '%comedy%' and text like '%vfx%'\ UNION\ SELECT 'thriller' as Movies, count(*) as count from Technology where text like '%thriller' and text like '%vfx%'\ UNION\ SELECT 'action' as Movies, count(*) as Count from technology where text like '%action%' and text like '%vfx%'" ) plt.show() pd = sqlDF.toPandas() pd.to_csv('eight.csv', index=False) pd.plot(kind="bar", x="Movies", y="Count") sqlDF.show()
# In[44]: Soal1 import pandas as fahmi #melakukan import pada library pandas sebagai fahmi laptop = { "Nama Laptop": ['Asus', 'HP', 'Lenovo', 'Samsung'] } #membuat varibel yang bernama laptop, dan mengisi dataframe nama2 laptop x = fahmi.DataFrame( laptop ) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop. print(' Fahmi Punya Laptop ' + x) #print hasil dari x # In[44]: Soal2 import numpy as fahmi #melakukan import numpy sebagai fahmi matrix_x = fahmi.eye( 10) #membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #deklrasikan matrix_x yang telah dibuat print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as fahmi #import matploblib sebagai fahmi fahmi.plot([1, 1, 7, 4, 0, 2, 1]) #memberikan nilai plot atau grafik pada fahmi fahmi.xlabel('Muhammad Fahmi') #memberikan label pada x fahmi.ylabel('1174021') #memberikan label pada y fahmi.show() #print hasil plot berbentuk grafik
Amazonfrom pyspark.sql import SparkSession from pyspark.sql.functions import explode import matplotlib as plt import matplotlib.pyplot as plt import pandas as pd spark = SparkSession \ .builder \ .appName("Python Spark SQL basic example") \ .getOrCreate() # spark is an existing SparkSession df = spark.read.json("/home/siri/Downloads/project/tech_tweets.json") # Displays the content of the DataFrame to stdout # Register the DataFrame as a SQL temporary view df.createOrReplaceTempView("Technology") sqlDF = spark.sql("SELECT 'Microsoft' as Company, count(*) as Count from Technology where text like '%Microsoft%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%') UNION SELECT 'IBM' as Company, count(*) as Count from Technology where text like '%IBM%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%') UNION SELECT 'Amazon' as Company, count(*) as Count from Technology where text like '%Cerner%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%')") pd = sqlDF.toPandas() pd.to_csv('third.csv', index=False) pd.plot(kind="bar",x="Company",y="Count") plt.show() sqlDF.show()
# In[1] import pandas as yuli #melakukan import pada library pandas sebagai yuli sayur = { "Nama": ['Kangkung', 'Bayam', 'Sawi', 'Pokcoy'] } #membuat varibel yang bernama sayur, dan mengisi dataframe nama2 sayur x = yuli.DataFrame( sayur ) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel sayur. print(' Aku akan masak sayur ' + x) #print hasil dari x # In[44]: Soal2 import numpy as yuli #melakukan import numpy sebagai yuli matrix_x = yuli.eye( 15) #membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #deklrasikan matrix_x yang telah dibuat print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as yuli #import matploblib sebagai yuli yuli.plot([0, 2, 0, 5, 8, 1, 5, 7]) #memberikan nilai plot atau grafik pada yuli yuli.xlabel('Yuli') #memberikan label pada x yuli.ylabel('1174009') #memberikan label pada y yuli.show() #print hasil plot berbentuk grafik
if __name__ == '__main__': import pandas as pd import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False index = ['%d月' % x for x in range(1, 13)] pd = pd.DataFrame(np.random.randint(1000, size=36).reshape(12, 3), index=index, columns=['部门1', '部门2', '部门3']) pd.plot(kind='bar', ylim=[0, 1100], title='部门统计', rot=0) plt.show()
from pyspark.sql import SparkSession from pyspark.sql.functions import explode import matplotlib as plt import matplotlib.pyplot as plt import pandas as pd spark = SparkSession \ .builder \ .appName("Python Spark SQL basic example") \ .getOrCreate() # spark is an existing SparkSession df = spark.read.json("E:\PB Elections data\extractTweetsM.json") # Displays the content of the DataFrame to stdout # Register the DataFrame as a SQL temporary view df.createOrReplaceTempView("Elections") sqlDF = spark.sql( "SELECT 'BJP' as party, count(*) as votes from Elections where text like '%BJP%' and text like '%support%'\ UNION\ SELECT 'congress' as party, count(*) as votes from Elections where text like '%congress%' and text like '%support%'" ) pd = sqlDF.toPandas() pd.to_csv('fourth.csv', index=False) pd.plot(kind="bar", x="party", y="votes") plt.show() sqlDF.show()
# In[44]: Soal1 import pandas as Arjun #melakukan import pada library pandas sebagai arjun laptop = { "Nama Laptop": ['Asus', 'ROG', 'Lenovo', 'Samsung'] } #membuat varibel yang bernama laptop, dan mengisi dataframe nama2 laptop x = Arjun.DataFrame( laptop ) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop. print(' Arjun Punya Laptop ' + x) #print hasil dari x # In[44]: Soal2 import numpy as Arjun #melakukan import numpy sebagai arjun matrix_x = Arjun.eye( 10) #membuat matrix dengan numpy dengan menggunakan fungsi eye matrix_x #deklrasikan matrix_x yang telah dibuat print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10 # In[44]: Soal3 import matplotlib.pyplot as Arjun #import matploblib sebagai arjun Arjun.plot([1, 1, 7, 4, 0, 2, 1]) #memberikan nilai plot atau grafik pada arjun Arjun.xlabel('Arjun Yuda Firwanda') #memberikan label pada x Arjun.ylabel('1174008') #memberikan label pada y Arjun.show() #print hasil plot berbentuk grafik
dataset = pt.read_csv('mall.csv') x = dataset.iloc[:, [3, 4]].values #using elbow method for finding optimal no. of clusters from sklearn.cluster import KMeans wcss = [] for i in range(1, 11): kmeans = KMeans(n_clusters=i, init='k-means++', n_init=10, max_iter=300, random_state=0) kmeans.fit(x) wcss.append(kmeans.inertia_) #wcss is also called inertia pt.plot(range(1, 11), wcss) pt.title('the elbow method') pt.ylabel('wcss') pt.xlabel('Number of clusters') pt.show() #applying k-means on dataset kmeans = KMeans(n_clusters=5, init='k-means++', max_iter=300, n_init=10, random_state=0) y_km = kmeans.predict(x) #visualization pd.scatter(x[y_km == 0, 0], x[y_km == 0, 1], s=100, c='red', label='c1')
(4.9, '2011/03/09 17:57:27'), (2.5, '2011/03/09 17:02:06'), (2.5, '2011/03/09 16:12:03'), (2.8, '2011/03/09 14:30:37'), (4.8, '2011/03/09 14:24:06'), (5.3, '2011/03/09 13:57:28'), (3.2, '2011/03/09 13:55:24'), (5.1, '2011/03/09 13:51:42'), (5.0, '2011/03/09 13:24:08'), (2.8, '2011/03/09 12:56:35'), (2.6, '2011/03/09 12:14:14'), (4.7, '2011/03/09 12:03:18'), (5.1, '2011/03/09 11:27:52'), (3.5, '2011/03/09 11:05:09'), (4.7, '2011/03/09 10:13:40'), (2.6, '2011/03/09 09:45:14'), (4.8, '2011/03/09 08:55:38'), (3.3, '2011/03/09 08:37:30'), (5.3, '2011/03/09 08:02:36'), (5.1, '2011/03/09 07:56:28'), (5.0, '2011/03/09 07:13:48'), (5.1, '2011/03/09 06:25:12'), (4.9, '2011/03/09 06:12:13'), (2.9, '2011/03/09 05:33:50'), (4.7, '2011/03/09 05:27:06'), (5.3, '2011/03/09 04:45:54'), (5.7, '2011/03/09 04:37:04'), (5.2, '2011/03/09 04:32:10'), (3.0, '2011/03/09 04:17:17'), (4.8, '2011/03/09 04:15:39'), (5.2, '2011/03/09 04:05:54'), (2.5, '2011/03/09 03:51:21'), (5.0, '2011/03/09 03:19:00'), (5.2, '2011/03/09 03:08:36'), (5.6, '2011/03/09 02:57:17'), (7.2, '2011/03/09 02:45:20'), (4.6, '2011/03/09 01:47:47'), (4.7, '2011/03/09 01:30:27')] ydata = [] for t in data: ydata.append(t[0]) pd.plot(ydata) pd.title('Earthquake Magnitude in Japan from 3/9-3/12') pd.xlabel('Time') pd.ylabel('Magnitude') pd.show()
aplikasi ) # Membuat variabel x yang akan membuat DataFrame dari library pandas yang akan memanggil variabel aplikasi. print(' Dirga pake aplikasi: ' + x) #print hasil dari x # In[1] import numpy as dirga #Melakukan import library numpy menjadi nama sendiri yaitu dirga matrix_x = dirga.eye( 10) #Membuat sebuah matrix pake numpy dengan menggunakan fungsi eye matrix_x #Mendeklrasikan matrix_x yang tadi dibuat print(matrix_x) #print matrix_x yang tadi dibuat yang berbentuk 10x10 # In[2] import matplotlib.pyplot as dirga #Melakukan import library numpy menjadi nama sendiri yaitu dirga dirga.plot([1, 1, 7, 4, 0, 6, 6]) #Memasukkan nilai pada plot dirga.xlabel('Dirga Brajamusti') #Menambahkan label pada x dirga.ylabel('1174066') #Menambahkan label pada y dirga.show() #Menampilkan grafik plot # In[3]: Random Forest import pandas as pd #Melakukan import library numpy menjadi pd imgatt = pd.read_csv( "N:/Tugas/Kuliah/Semester 6/Kecerdasan Buatan/KB3C Ngerjain/src/1174066/3/CUB_200_2011/attributes/image_attribute_labels.txt", sep='\s+', header=None, error_bad_lines=False, warn_bad_lines=False, usecols=[0, 1, 2], names=['imgid', 'attid', 'present']