Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Mehrfach-Liniendiagramme | Erstellung Häufig Verwendeter Diagramme
Ultimative Visualisierung mit Python

Swipe um das Menü anzuzeigen

book
Mehrfach-Liniendiagramme

Oft ist es notwendig, mehrere Liniendiagramme auf einem einzigen Axes-Objekt zu erstellen, um verschiedene Trends oder Muster zu vergleichen. Dies kann auf zwei Hauptarten erfolgen. Hier ist der erste Ansatz.

Hier ist eine Stichprobe der durchschnittlichen Jahrestemperaturen (in °\degreeF) von Seattle und 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

Zwei Liniendiagramme werden verwendet, um die Daten von Seattle und Boston zu vergleichen.

Erste Möglichkeit

Die Funktion plot() wird zweimal verwendet, um zwei separate Liniendiagramme auf demselben Axes-Objekt zu erstellen. Beachte, dass die Indizes der pandas-Series als x-Achsenwerte verwendet werden — in diesem Beispiel dienen die Jahre als Indizes.

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

Zweite Möglichkeit

In diesem Beispiel wird die Funktion plot() nur einmal aufgerufen. Da Marker für beide Datenreihen angegeben sind, interpretiert matplotlib diese als zwei separate Plots und verwendet die Indizes der Series als x-Achsenwerte.

Wenn keine Marker angegeben werden, erstellt die Funktion nur ein einziges Diagramm, wobei die erste pandas-Series für die x-Achse und die zweite für die y-Achse verwendet wird.

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

Dritte Option

Eine weitere Möglichkeit, mehrere Liniendiagramme in einem einzigen Aufruf zu erstellen, besteht darin, das gesamte DataFrame direkt an die Funktion plot() zu übergeben.

In diesem Fall behandelt matplotlib jede Spalte im DataFrame automatisch als separates Liniendiagramm. Der Index des DataFrames wird für die x-Achse verwendet, und die Werte jeder Spalte werden auf der y-Achse dargestellt.

Dieser Ansatz ist praktisch, wenn mehrere Merkmale über einen gemeinsamen Index (wie Zeit oder Kategorien) schnell visualisiert werden sollen, ohne für jedes einzeln plot() aufrufen zu müssen.

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
Weiterführende Informationen

Weitere Informationen zu Liniendiagrammen finden Sie in der plot()-Funktionsdokumentation.

Aufgabe

Swipe to start coding

  1. Die korrekte Funktion zur Erstellung von 2 Liniendiagrammen verwenden.
  2. data_linear als Argument in der ersten Plot-Funktion übergeben, keine Marker verwenden.
  3. data_squared als Argument in der zweiten Funktion übergeben, 'o' Marker mit durchgezogener Linie verwenden.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 2. Kapitel 2

Fragen Sie AI

expand
ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

book
Mehrfach-Liniendiagramme

Oft ist es notwendig, mehrere Liniendiagramme auf einem einzigen Axes-Objekt zu erstellen, um verschiedene Trends oder Muster zu vergleichen. Dies kann auf zwei Hauptarten erfolgen. Hier ist der erste Ansatz.

Hier ist eine Stichprobe der durchschnittlichen Jahrestemperaturen (in °\degreeF) von Seattle und 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

Zwei Liniendiagramme werden verwendet, um die Daten von Seattle und Boston zu vergleichen.

Erste Möglichkeit

Die Funktion plot() wird zweimal verwendet, um zwei separate Liniendiagramme auf demselben Axes-Objekt zu erstellen. Beachte, dass die Indizes der pandas-Series als x-Achsenwerte verwendet werden — in diesem Beispiel dienen die Jahre als Indizes.

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

Zweite Möglichkeit

In diesem Beispiel wird die Funktion plot() nur einmal aufgerufen. Da Marker für beide Datenreihen angegeben sind, interpretiert matplotlib diese als zwei separate Plots und verwendet die Indizes der Series als x-Achsenwerte.

Wenn keine Marker angegeben werden, erstellt die Funktion nur ein einziges Diagramm, wobei die erste pandas-Series für die x-Achse und die zweite für die y-Achse verwendet wird.

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

Dritte Option

Eine weitere Möglichkeit, mehrere Liniendiagramme in einem einzigen Aufruf zu erstellen, besteht darin, das gesamte DataFrame direkt an die Funktion plot() zu übergeben.

In diesem Fall behandelt matplotlib jede Spalte im DataFrame automatisch als separates Liniendiagramm. Der Index des DataFrames wird für die x-Achse verwendet, und die Werte jeder Spalte werden auf der y-Achse dargestellt.

Dieser Ansatz ist praktisch, wenn mehrere Merkmale über einen gemeinsamen Index (wie Zeit oder Kategorien) schnell visualisiert werden sollen, ohne für jedes einzeln plot() aufrufen zu müssen.

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
Weiterführende Informationen

Weitere Informationen zu Liniendiagrammen finden Sie in der plot()-Funktionsdokumentation.

Aufgabe

Swipe to start coding

  1. Die korrekte Funktion zur Erstellung von 2 Liniendiagrammen verwenden.
  2. data_linear als Argument in der ersten Plot-Funktion übergeben, keine Marker verwenden.
  3. data_squared als Argument in der zweiten Funktion übergeben, 'o' Marker mit durchgezogener Linie verwenden.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 2. Kapitel 2
Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
Wir sind enttäuscht, dass etwas schief gelaufen ist. Was ist passiert?
some-alt