Summary  
This chapter demonstrates how to overlay multiple line plots on a single matplotlib axes by calling plot() multiple times, passing several series in one call, or plotting an entire DataFrame.

General domain of usage  
data visualization

Usein on tarpeen luoda useita viivakaavioita yhdelle `Axes`-objektille eri trendien tai mallien vertailemiseksi. Tämä voidaan tehdä kahdella pääasiallisella tavalla. Tässä ensimmäinen tapa.

Tässä on esimerkki **Seattlen** ja **Bostonin** keskimääräisistä vuotuisista lämpötiloista ($$\degree$$F):

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())

Kahta viivakaaviota käytetään vertailemaan **Seattlen** ja **Bostonin** tietoja.

## Ensimmäinen vaihtoehto

Kutsu `plot()` **kahdesti** piirtääksesi kaksi erillistä viivakuvaa samoille `Axes`-akseleille.
**Sarjojen indeksit** (vuodet) toimivat automaattisesti molempien viivojen x-akselin arvoina.

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()

## Toinen vaihtoehto

Tässä `plot()` kutsutaan **vain kerran**. Koska **molemmissa sarjoissa on merkitsimet**, `matplotlib` käsittelee ne **kahtena erillisenä kuvaajana**, käyttäen jälleen niiden indeksejä x-akselilla.

Jos merkitsimiä ei anneta, `plot()` piirtää **vain yhden viivan**, käyttäen **ensimmäistä sarjaa x-arvoina** ja **toista y-arvoina**.

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()

## Kolmas vaihtoehto

Koko DataFrame voidaan myös välittää `plot()`-funktiolle.
Jokainen **sarake** muodostaa oman viivan, ja DataFrame:n **indeksi** toimii x-akselina.
Tämä on nopea tapa visualisoida useita aikasarjoja tai ominaisuuksia ilman, että `plot()`-funktiota tarvitsee kutsua toistuvasti.


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()


Tutustu vapaasti lisää viivakaavioihin <a href="https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.plot.html" target="_blank"><svg width="1em" height="1em" viewBox="0 0 30 32" fill="none" xmlns="http://www.w3.org/2000/svg"><path fill="none" stroke="#098f67" style="stroke: var(--color1, #098f67)" stroke-linejoin="miter" stroke-linecap="round" stroke-miterlimit="4" stroke-width="2.4156" d="M17.289 17.305v0c-1.754 1.754-4.597 1.754-6.351 0l-7.76-7.759c-1.755-1.755-1.755-4.601 0-6.356v0c1.753-1.753 4.595-1.756 6.351-0.005l6.208 6.187"></path><path fill="none" stroke="#098f67" style="stroke: var(--color1, #098f67)" stroke-linejoin="miter" stroke-linecap="round" stroke-miterlimit="4" stroke-width="2.4156" d="M12.504 13.97v0c1.754-1.754 4.597-1.754 6.351 0l7.762 7.762c1.754 1.754 1.754 4.597 0 6.351v0c-1.754 1.754-4.597 1.754-6.351 0l-5.953-5.953"></path></svg> <code>plot()</code></a> -funktion dokumentaatiosta.

Lisätietoa

import unittest
from unittest.mock import patch
import importlib
import user_code  # User's solution file


# Helper for clean pass/fail messages
def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


class TestUserCode(unittest.TestCase):

    def test_plot_called_twice(self):
        with patch("matplotlib.pyplot.plot") as mock_plot:
            importlib.reload(user_code)
            condition = mock_plot.call_count == 2
            _dynamic_test(
                self,
                condition,
                "`plt.plot()` is called twice.",
                f"Expected `plt.plot()` to be called twice, but it was called {mock_plot.call_count} time(s)."
            )

    def test_first_plot_with_data_linear(self):
        with patch("matplotlib.pyplot.plot") as mock_plot:
            importlib.reload(user_code)
            args = mock_plot.call_args_list[0][0] if mock_plot.call_args_list else []
            expected = getattr(user_code, 'data_linear', None)
            condition = len(args) == 1 and (args[0] == expected).all()
            _dynamic_test(
                self,
                condition,
                "`plt.plot()` is first called with `data_linear`.",
                f"First call to `plt.plot()` was not with `data_linear`, got {args}."
            )

    def test_second_plot_with_data_squared_and_format(self):
        with patch("matplotlib.pyplot.plot") as mock_plot:
            importlib.reload(user_code)
            args = mock_plot.call_args_list[1][0] if len(mock_plot.call_args_list) > 1 else []
            expected = getattr(user_code, 'data_squared', None)
            condition = (
                len(args) == 2 and
                (args[0] == expected).all() and
                args[1] == '-o'
            )
            _dynamic_test(
                self,
                condition,
                "`plt.plot()` is second called with `data_squared` and '-o'.",
                f"Second call to `plt.plot()` did not use `data_squared` or '-o', got {args}."
            )


if __name__ == '__main__':
    unittest.main()


test_multiple_line_plots.py

Hallitse tietojen visualisoinnin perustaidot hyödyntämällä Matplotlibin olio-ohjelmointilähestymistapaa. Opettele hallitsemaan kaikkia kuvioidesi osa-alueita, kuten akseleita, selitteitä, värejä ja tyylejä. Luo ammattitasoisia staattisia kaavioita, käsittele aikasarjadataa ja vie korkearesoluutioisia grafiikoita raportteihin ja julkaisuihin.

Usean Viivan Piirtäminen

Ensimmäinen vaihtoehto

Toinen vaihtoehto

Kolmas vaihtoehto

Ratkaisu