Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Flere Linjediagrammer | Oprettelse af Almindeligt Anvendte Diagrammer
Ultimativ Visualisering med Python

Stryg for at vise menuen

book
Flere Linjediagrammer

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 °\degreeF) 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())
copy

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()
copy

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()
copy

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()
copy
Note
Studér mere

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

Opgave

Swipe to start coding

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

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 2. Kapitel 2
Vi beklager, at noget gik galt. Hvad skete der?

Spørg AI

expand
ChatGPT

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

book
Flere Linjediagrammer

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 °\degreeF) 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())
copy

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()
copy

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()
copy

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()
copy
Note
Studér mere

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

Opgave

Swipe to start coding

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

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 2. Kapitel 2
Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Vi beklager, at noget gik galt. Hvad skete der?
some-alt