Answer

Ответ:

Person Amount  Category    Date

0    A   105  Groceries 2020-01-01

1    B   192  Groceries 2020-02-01

2    B   189  Groceries 2020-03-01

3    A   167  Groceries 2020-04-01

4    A   174  Groceries 2020-05-01

5    A   164  Groceries 2020-06-01

6    B   115  Groceries 2020-07-01

7    B   124  Groceries 2020-08-01

8    A   106  Groceries 2020-09-01

9    A   159  Groceries 2020-10-01

10   B   62 Restaurant 2020-01-01

11   B    0 Restaurant 2020-02-01

12   B   26 Restaurant 2020-03-01

13   A   43 Restaurant 2020-04-01

14   B   21 Restaurant 2020-05-01

15   B   38 Restaurant 2020-06-01

16   A   27 Restaurant 2020-07-01

17   B   45 Restaurant 2020-08-01

18   A   87 Restaurant 2020-09-01

19   A   33 Restaurant 2020-10-01

Объяснение:

Визуализация данных облегчает понимание тенденций и позволяет принимать обоснованные решения. Для оптимального представления данных важно правильно выбрать вид диаграммы. Более того, некоторые диаграммы, такие как столбиковые и многолинейные, можно дополнительно настроить для лучшего разъяснения данных. Сначала, чтобы сгенерировать образцы данных, выполните следующий код. Данные, которые мы собираемся визуализировать, будут основаны на случайно сгенерированных данных о личных расходах. Как показано выше, мы создаем данные о расходах за 10 месяцев и загружаем их в Pandas DataFrame. Приведенный выше код должен вывести 20 строк данных.

Код:

import pandas as pd

import random
expense_data = {
  "Person": random.choices(["A", "B"], k=20),
  "Amount": random.sample(range(100, 200), 10) + random.sample(range(0, 99), 10),
  "Category": ["Groceries"] * 10 + ["Restaurant"] * 10,
  "Date": pd.to_datetime(pd.date_range('2020-01-01','2020-10-01', freq='MS').tolist() * 2)
}
df = pd.DataFrame(data=expense_data)
print(df)