Oppiskele Useita Viivakaavioita | Yleisesti Käytettyjen Kuvaajien Luominen

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

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


              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())

Kahta viivakaaviota käytetään vertailemaan Seattlen ja Bostonin tietoja.

Ensimmäinen vaihtoehto

plot()-funktiota käytetään kahdesti kahden erillisen viivakuvion luomiseen samaan Axes-objektiin. Muista, että pandas-kirjaston Series-indeksejä käytetään x-akselin arvoina — tässä esimerkissä vuodet toimivat indekseinä.


              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()

Toinen vaihtoehto

Tässä esimerkissä plot()-funktiota kutsutaan vain kerran. Koska merkitsimet on määritelty molemmille datasarjoille, matplotlib tulkitsee ne kahtena erillisenä kuvaajana ja käyttää pandas-indeksejä x-akselin arvoina.

Jos merkitsimiä ei ole määritelty, funktio luo vain yhden kuvaajan, käyttäen ensimmäistä Series-sarjaa x-akselina ja toista sarjaa y-akselina.


              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()

Kolmas vaihtoehto

Toinen tapa luoda useita viivakaavioita yhdellä kutsulla on välittää koko DataFrame suoraan plot()-funktiolle.

Tässä tapauksessa matplotlib käsittelee automaattisesti jokaisen sarakkeen DataFramessa erillisenä viivakaaviona. DataFramen indeksiä käytetään x-akselilla ja kunkin sarakkeen arvoja piirretään y-akselille.

Tämä lähestymistapa on kätevä, kun halutaan nopeasti visualisoida useita ominaisuuksia yhteisen indeksin (kuten ajan tai kategorioiden) yli ilman, että plot()-funktiota tarvitsee kutsua erikseen jokaiselle.


              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()

Lisätietoa

Tutustu lisää viivakaavioihin plot() -funktion dokumentaation avulla.

Tehtävä

Swipe to start coding

Käytä oikeaa funktiota luodaksesi 2 viivakuviota.
Anna data_linear argumenttina ensimmäisessä kuvaajafunktiossa, älä käytä merkkejä.
Anna data_squared argumenttina toisessa funktiossa, käytä 'o'-merkkejä ja yhtenäistä viivaa.

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 2. Luku 2

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Pyyhkäise näyttääksesi valikon

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


              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())

Kahta viivakaaviota käytetään vertailemaan Seattlen ja Bostonin tietoja.

Ensimmäinen vaihtoehto


              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()

Toinen vaihtoehto

Jos merkitsimiä ei ole määritelty, funktio luo vain yhden kuvaajan, käyttäen ensimmäistä Series-sarjaa x-akselina ja toista sarjaa y-akselina.


              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()

Kolmas vaihtoehto

Toinen tapa luoda useita viivakaavioita yhdellä kutsulla on välittää koko DataFrame suoraan plot()-funktiolle.


              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()

Lisätietoa

Tutustu lisää viivakaavioihin plot() -funktion dokumentaation avulla.

Tehtävä

Swipe to start coding

Käytä oikeaa funktiota luodaksesi 2 viivakuviota.
Anna data_linear argumenttina ensimmäisessä kuvaajafunktiossa, älä käytä merkkejä.
Anna data_squared argumenttina toisessa funktiossa, käytä 'o'-merkkejä ja yhtenäistä viivaa.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 2. Luku 2

single

Useita Viivakaavioita

Ensimmäinen vaihtoehto

Toinen vaihtoehto

Kolmas vaihtoehto

Ratkaisu

Awesome!

Useita Viivakaavioita

Ensimmäinen vaihtoehto

Toinen vaihtoehto

Kolmas vaihtoehto

Ratkaisu

Awesome!