Lære Flere Linjediagrammer | Oprettelse af Almindeligt Anvendte Diagrammer

Ofte er det nødvendigt at oprette flere linjediagrammer på et enkelt Axes-objekt for at sammenligne forskellige tendenser eller mønstre. Dette kan gøres på to hovedmåder. Her er den første metode.

Her er et eksempel på gennemsnitlige årlige temperaturer (i $\degree$ F) for Seattle og Boston:


              12345
            
import pandas as pd
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
# Loading the dataset with the average yearly temperatures in Boston and Seattle
weather_df = pd.read_csv(url, index_col=0)
print(weather_df.head())

To linjediagrammer vil blive brugt til at sammenligne data fra Seattle og Boston.

Første mulighed

Funktionen plot() bruges to gange til at oprette to separate linjediagrammer på det samme Axes-objekt. Bemærk, at indeksene for pandas Series anvendes som x-akse værdier — i dette eksempel fungerer årene som indeks.


              1234567
            
import matplotlib.pyplot as plt
import pandas as pd
weather_df = pd.read_csv('https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv', index_col=0)
# Calling the plot() function for each of the line plots
plt.plot(weather_df['Boston'], '-o')
plt.plot(weather_df['Seattle'], '-o')
plt.show()

Anden mulighed

I dette eksempel kaldes funktionen plot() kun én gang. Da markører er angivet for begge dataserier, tolker matplotlib dem som to separate plots og bruger Series-indeksene som x-akse værdier.

Hvis markører ikke er angivet, opretter funktionen kun et enkelt plot, hvor den første pandas Series anvendes til x-aksen og den anden til y-aksen.


              123456
            
import matplotlib.pyplot as plt
import pandas as pd
weather_df = pd.read_csv('https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv', index_col=0)
# Calling the plot() function once for two line plots
plt.plot(weather_df['Boston'], '-o', weather_df['Seattle'], '-o')
plt.show()

Tredje mulighed

En anden metode til at oprette flere linjediagrammer i ét enkelt kald er at sende hele DataFrame direkte til plot()-funktionen.

I dette tilfælde behandler matplotlib automatisk hver kolonne i DataFrame som et separat linjediagram. Indekset for DataFrame bruges til x-aksen, og værdierne for hver kolonne plottes på y-aksen.

Denne tilgang er praktisk, når du hurtigt vil visualisere flere egenskaber på tværs af et fælles indeks (såsom tid eller kategorier), uden manuelt at kalde plot() for hver enkelt.


              123456
            
import matplotlib.pyplot as plt
import pandas as pd
weather_df = pd.read_csv('https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv', index_col=0)
# Calling the plot() function for whole DataFrame
plt.plot(weather_df, '-o')
plt.show()

Studér mere

Udforsk gerne endnu mere om linjediagrammer med plot() funktionsdokumentationen.

Opgave

Swipe to start coding

Brug den korrekte funktion til at oprette 2 linjediagrammer.
Angiv data_linear som argument i den første plotfunktion, uden at bruge markører.
Angiv data_squared som argument i den anden funktion, brug 'o' markører med fuldt optrukket linje.

Løsning

Var alt klart?

Tak for dine kommentarer!

Sektion 2. Kapitel 2

single

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Stryg for at vise menuen

Her er et eksempel på gennemsnitlige årlige temperaturer (i $\degree$ F) for Seattle og Boston:


              12345
            
import pandas as pd
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
# Loading the dataset with the average yearly temperatures in Boston and Seattle
weather_df = pd.read_csv(url, index_col=0)
print(weather_df.head())

To linjediagrammer vil blive brugt til at sammenligne data fra Seattle og Boston.

Første mulighed


              1234567
            
import matplotlib.pyplot as plt
import pandas as pd
weather_df = pd.read_csv('https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv', index_col=0)
# Calling the plot() function for each of the line plots
plt.plot(weather_df['Boston'], '-o')
plt.plot(weather_df['Seattle'], '-o')
plt.show()

Anden mulighed

Hvis markører ikke er angivet, opretter funktionen kun et enkelt plot, hvor den første pandas Series anvendes til x-aksen og den anden til y-aksen.


              123456
            
import matplotlib.pyplot as plt
import pandas as pd
weather_df = pd.read_csv('https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv', index_col=0)
# Calling the plot() function once for two line plots
plt.plot(weather_df['Boston'], '-o', weather_df['Seattle'], '-o')
plt.show()

Tredje mulighed

En anden metode til at oprette flere linjediagrammer i ét enkelt kald er at sende hele DataFrame direkte til plot()-funktionen.

Denne tilgang er praktisk, når du hurtigt vil visualisere flere egenskaber på tværs af et fælles indeks (såsom tid eller kategorier), uden manuelt at kalde plot() for hver enkelt.


              123456
            
import matplotlib.pyplot as plt
import pandas as pd
weather_df = pd.read_csv('https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv', index_col=0)
# Calling the plot() function for whole DataFrame
plt.plot(weather_df, '-o')
plt.show()

Studér mere

Udforsk gerne endnu mere om linjediagrammer med plot() funktionsdokumentationen.

Opgave

Swipe to start coding

Brug den korrekte funktion til at oprette 2 linjediagrammer.
Angiv data_linear som argument i den første plotfunktion, uden at bruge markører.
Angiv data_squared som argument i den anden funktion, brug 'o' markører med fuldt optrukket linje.

Løsning

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder

Var alt klart?

Tak for dine kommentarer!

Sektion 2. Kapitel 2

single

Flere Linjediagrammer

Første mulighed

Anden mulighed

Tredje mulighed

Løsning

Awesome!

Flere Linjediagrammer

Første mulighed

Anden mulighed

Tredje mulighed

Løsning

Awesome!