Πώς να σχεδιάσετε γραφήματα στο Jupyter Notebook

Άρθρο στο Επόμενο κουμπί: 899988

Το Jupyter Notebook είναι το νούμερο ένα εργαλείο για επιστήμονες δεδομένων. Προσφέρει μια διαδραστική διεπαφή ιστού που μπορεί να χρησιμοποιηθεί για οπτικοποίηση δεδομένων, εύκολη ανάλυση και συνεργασία.

Η οπτικοποίηση δεδομένων σάς δίνει τη δυνατότητα να βρείτε το πλαίσιο για τα δεδομένα σας μέσω χαρτών ή γραφημάτων. Αυτό το σεμινάριο προσφέρει έναν διορατικό οδηγό για την αλληλεπίδραση με γραφήματα στο Jupyter Notebook.

Προαπαιτούμενα

Πρέπει να έχουν εγκαταστήσει το Jupyter στο μηχάνημά σας. Εάν δεν είναι, μπορείτε να το εγκαταστήσετε εισάγοντας τον ακόλουθο κώδικα στη γραμμή εντολών σας:

 $ pip εγκαταστήστε jupyter

Θα χρειαστείτε επίσης το pandas και matplotlib βιβλιοθήκη:

$ pip εγκατάσταση pandas

$ pip install matplotlib

Αφού ολοκληρωθούν οι εγκαταστάσεις, ξεκινήστε τον διακομιστή Jupyter Notebook. Πληκτρολογήστε την παρακάτω εντολή στο τερματικό σας για να το κάνετε. Μια προεπιλεγμένη σελίδα του υπολογιστή σας θα ανοίξει μια σελίδα Jupyter που εμφανίζει αρχεία στον τρέχοντα κατάλογο.

Σημειωματάριο $ jupyter

Σημείωση: Μην κλείσετε το παράθυρο τερματικού στο οποίο εκτελείτε αυτήν την εντολή. Ο διακομιστής σας θα σταματήσει εάν το κάνετε.

Απλή πλοκή

Σε μια νέα σελίδα Jupyter, εκτελέστε αυτόν τον κωδικό:

εισαγωγή matplotlib.pyplot ως plt
x = [1,2,3,4,5,6,7,8]
y = [2,4,6,8,10,12,14,16]
plt.plot (x, y)
plt.show ()

Ο κωδικός είναι για μια απλή γραφική παράσταση. Η πρώτη γραμμή εισάγει το pyplot βιβλιοθήκη γραφημάτων από το matplotlib API. Η τρίτη και η τέταρτη γραμμή ορίζουν τους άξονες x και y αντίστοιχα.

ο οικόπεδο() καλείται μέθοδος για να σχεδιάσει το γράφημα. ο προβολή() Στη συνέχεια χρησιμοποιείται μέθοδος για την εμφάνιση του γραφήματος.

Ας υποθέσουμε ότι θέλετε να σχεδιάσετε μια καμπύλη αντ 'αυτού. Η διαδικασία είναι η ίδια. Απλά αλλάξτε τις τιμές του λίστα python για τον άξονα y.

εισαγωγή matplotlib.pyplot ως plt
x = [3,4,5,6,7,8,9,10,11,12]
y = [9,16,25,36,49,64,81,100,121,144]
plt.plot (x, y)
plt.show ()

Παρατηρήστε κάτι σημαντικό: και στα δύο γραφήματα, δεν υπάρχει σαφής ορισμός κλίμακας. Η κλίμακα υπολογίζεται και εφαρμόζεται αυτόματα. Αυτό είναι ένα από τα πολλά ενδιαφέροντα χαρακτηριστικά που προσφέρει η Juypter που μπορεί να σας κάνει να εστιάσετε στην εργασία σας (ανάλυση δεδομένων) αντί να ανησυχείτε για τον κώδικα.

Εάν είστε επίσης προσεκτικοί, μπορεί να παρατηρήσετε ότι ο αριθμός των τιμών για τους άξονες x και y είναι οι ίδιοι. Εάν κάποιο από αυτά είναι μικρότερο από το άλλο, ένα σφάλμα θα επισημανθεί κατά την εκτέλεση του κώδικα και δεν θα εμφανιστεί γράφημα.

Διαθέσιμοι τύποι

Σε αντίθεση με το γράφημα γραμμής και την καμπύλη παραπάνω, άλλες οπτικοποιήσεις γραφήματος (π.χ. ιστόγραμμα, γράφημα ράβδων κ.λπ.) πρέπει να καθοριστούν ρητά για να εμφανιστούν.

Ραβδόγραμμα

Για να δείξετε ένα οικόπεδο θα πρέπει να χρησιμοποιήσετε το μπαρ() μέθοδος.

εισαγωγή matplotlib.pyplot ως plt
x = [3,4,5,6,7,8,9,10,11,12]
y = [9,16,25,36,49,64,81,100,121,144]
plt.bar (x, y)
plt.show ()

Διάγραμμα διασποράς

Το μόνο που χρειάζεται να κάνετε είναι να χρησιμοποιήσετε το σκορπίζω() μέθοδο στον προηγούμενο κώδικα.

εισαγωγή matplotlib.pyplot ως plt
x = [3,4,5,6,7,8,9,10,11,12]
y = [9,16,25,36,49,64,81,100,121,144]
plt.scatter (x, y)
plt.show ()

Διάγραμμα πίτας

Ένα οικόπεδο πίτας είναι λίγο διαφορετικό από τα υπόλοιπα παραπάνω. Η γραμμή 4 παρουσιάζει ιδιαίτερο ενδιαφέρον, οπότε ρίξτε μια ματιά στα χαρακτηριστικά εκεί.

σύκο χρησιμοποιείται για τον καθορισμό του λόγου διαστάσεων. Μπορείτε να το ορίσετε σε οτιδήποτε θέλετε (π.χ. (9,5)), αλλά τα επίσημα έγγραφα Pandas σας συμβουλεύουν να χρησιμοποιήσετε αναλογία διαστάσεων 1.

εισαγωγή matplotlib.pyplot ως plt
x = [4,9,16,25,36]
fig = plt.figure (figsize = (9, 5)) # γραμμή 4
plt.pie (x)
plt.show ()

Υπάρχουν ορισμένες παράμετροι που έχει το γράφημα πίτας και είναι αξιοσημείωτες:

ετικέτες - Αυτό μπορεί να χρησιμοποιηθεί για να δώσει μια ετικέτα σε κάθε φέτα στο γράφημα πίτας.

χρωματιστά - Αυτό μπορεί να χρησιμοποιηθεί για να δώσει προκαθορισμένα χρώματα σε κάθε μία από τις φέτες. Μπορείτε να καθορίσετε χρώματα τόσο σε μορφή κειμένου (π.χ. "κίτρινο") είτε σε μορφή δεκαεξαδικού (π.χ. "# ebc713").

Δείτε το παρακάτω παράδειγμα:

εισαγωγή matplotlib.pyplot ως plt
x = [4,9,16,25,36]
fig = plt.figure (figsize = (5.5, 5.5))
plt.pie (x, labels = ("Γκουάβα", "Μούρα", "Μάνγκο", "Μήλα", "Αβοκάντο"),
χρώματα = ("# a86544", "# eb5b13", "# ebc713", "# bdeb13", "# 8aeb13"))
plt.show ()

Υπάρχουν επίσης και άλλα οικόπεδα όπως ιστορικό, περιοχή και Kde ότι μπορείτε να διαβάστε περισσότερα για τα έγγραφα του Pandas.

Μορφοποίηση πλοκής

Στις παραπάνω γραφικές παραστάσεις, δεν υπάρχουν πτυχές όπως οι ετικέτες. Δείτε πώς μπορείτε να το κάνετε αυτό.

Για να προσθέσετε έναν τίτλο, συμπεριλάβετε τον παρακάτω κώδικα στο Jupyter Notebook σας:

matplotlib.pyplot.title ("Ο τίτλος του γραφήματος")

Οι άξονες x και y μπορούν να επισημανθούν αντίστοιχα ως εξής:

matplotlib.pyplot.xlabel ("ετικέτα άξονα x")
matplotlib.pyplot.ylabel ("ετικέτα άξονα y")

Μάθετε περισσότερα

Μπορείτε να εκτελέσετε το βοήθεια() εντολή στο σημειωματάριό σας για να λάβετε διαδραστική βοήθεια σχετικά με τις εντολές Jupyter. Για να λάβετε περισσότερες πληροφορίες για ένα συγκεκριμένο αντικείμενο, μπορείτε να το χρησιμοποιήσετε βοήθεια (αντικείμενο).

Θα βρείτε επίσης καλή πρακτική να σχεδιάζετε γραφήματα χρησιμοποιώντας σύνολα δεδομένων από το csvfiles. Η εκμάθηση πώς να οπτικοποιήσετε τα δεδομένα είναι ένα ισχυρό εργαλείο για την επικοινωνία και την ανάλυση των ευρημάτων σας, οπότε αξίζει να αφιερώσετε λίγο χρόνο για να δημιουργήσετε τις δεξιότητές σας.

Πώς να εισαγάγετε δεδομένα Excel σε δέσμες ενεργειών Python χρησιμοποιώντας Pandas

Για προηγμένη ανάλυση δεδομένων, το Python είναι καλύτερο από το Excel. Δείτε πώς μπορείτε να εισαγάγετε τα δεδομένα του Excel σε ένα σενάριο Python χρησιμοποιώντας το Pandas!

Διαβάστε Επόμενο

Σχετικά με τον Συγγραφέα