Apprendre Tracer Plusieurs Courbes

Il est souvent nécessaire de créer plusieurs graphiques linéaires sur un même objet Axes afin de comparer différentes tendances ou motifs. Cela peut être réalisé de deux manières principales. Voici la première approche.

Voici un échantillon des températures moyennes annuelles (en $\degree$ F) de Seattle et 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())

Deux graphiques linéaires seront utilisés pour comparer les données de Seattle et Boston.

Première option

Appeler plot() deux fois pour tracer deux courbes distinctes sur les mêmes Axes. Les indices des Series (années) deviennent automatiquement les valeurs de l’axe des x pour les deux courbes.


              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()

Deuxième option

Ici, plot() est appelé une seule fois. Comme les deux séries possèdent des marqueurs, matplotlib les considère comme deux tracés distincts, en utilisant à nouveau leurs indices pour l’axe des x.

Si aucun marqueur n’est spécifié, plot() trace une seule courbe, en utilisant la première Series comme x et la seconde comme y.


              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()

Troisième option

Il est également possible de passer l’ensemble du DataFrame à plot(). Chaque colonne devient une ligne distincte, et l’index du DataFrame est utilisé pour l’axe des abscisses. Cette méthode permet de visualiser rapidement plusieurs séries temporelles ou caractéristiques sans appeler plusieurs fois plot().


              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()

Approfondir

N'hésitez pas à approfondir vos connaissances sur les graphiques linéaires grâce à la documentation de la fonction plot().

Tâche

Swipe to start coding

Utiliser la fonction appropriée pour créer 2 graphiques linéaires.
Passer data_linear comme argument dans la première fonction de tracé, sans utiliser de marqueurs.
Passer data_squared comme argument dans la deuxième fonction, utiliser des marqueurs 'o' avec une ligne continue.

Solution

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 6

single

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Glissez pour afficher le menu