Impara Lavorare con Grafici a Linee e a Barre

I grafici a linee e a barre sono due dei modi più comuni ed efficaci per visualizzare i dati. I grafici a linee vengono tipicamente utilizzati per mostrare le tendenze nel tempo, rendendoli ideali per dati temporali come prezzi delle azioni, variazioni di temperatura o traffico di un sito web. Ogni punto su un grafico a linee rappresenta un valore di dati in un momento specifico, e i punti sono collegati da linee per mostrare come cambiano i valori. I grafici a barre, invece, vengono utilizzati per confrontare quantità tra diverse categorie. Sono particolarmente utili quando si desidera evidenziare differenze o somiglianze tra gruppi, come i dati di vendita di diversi prodotti o le popolazioni di diversi paesi. La principale differenza tra questi tipi di grafici è che i grafici a linee enfatizzano la continuità dei dati, mentre i grafici a barre si concentrano su confronti discreti.


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a simple time series dataset
data = {
    "Date": ["2024-06-01", "2024-06-02", "2024-06-03", "2024-06-04", "2024-06-05"],
    "Visitors": [120, 135, 150, 170, 160]
}
df = pd.DataFrame(data)

# Create a line chart
fig = px.line(df, x="Date", y="Visitors", title="Website Visitors Over Time",
              markers=True, line_shape="linear")
fig.update_traces(line=dict(dash="dash", color="blue"), marker=dict(size=10, symbol="circle"))

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Nel codice del grafico a linee sopra, viene definito un DataFrame di pandas che contiene le date e il numero di visitatori del sito web per ciascuna data. La funzione px.line viene utilizzata per tracciare i dati, dove l'argomento x specifica l'asse orizzontale (date) e l'argomento y specifica l'asse verticale (conteggio dei visitatori). L'aggiunta di markers=True visualizza un marcatore su ogni punto dati, facilitando l'individuazione dei singoli valori. L'opzione line_shape="linear" garantisce che la linea colleghi direttamente ogni punto. È possibile personalizzare ulteriormente l'aspetto con update_traces, ad esempio impostando lo stile della linea tratteggiata e modificando la dimensione e la forma dei marcatori. Questa flessibilità consente di evidenziare facilmente tendenze e punti dati specifici nella visualizzazione.


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a sample DataFrame for grouped bar chart
data = {
    "Product": ["A", "A", "B", "B", "C", "C"],
    "Region": ["North", "South", "North", "South", "North", "South"],
    "Sales": [100, 120, 90, 110, 80, 105]
}
df = pd.DataFrame(data)

# Create a grouped bar chart
fig = px.bar(df, x="Product", y="Sales", color="Region", barmode="group",
             title="Sales by Product and Region")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Quando si sceglie se utilizzare un grafico a linee o un grafico a barre, è importante considerare la natura dei dati e il messaggio che si desidera trasmettere. I grafici a linee sono ideali per mostrare cambiamenti e tendenze su un intervallo continuo, come il tempo, dove la relazione tra i punti è significativa. Utilizzarli quando si vuole enfatizzare il flusso o la progressione dei dati. I grafici a barre sono più adatti per confrontare quantità tra categorie distinte, soprattutto quando si desidera evidenziare le differenze tra gruppi. Negli esempi sopra, il grafico a linee mostra efficacemente come cambiano i visitatori di un sito web nel corso di diversi giorni, mentre il grafico a barre raggruppate facilita il confronto delle vendite di diversi prodotti in due regioni. La scelta del tipo di grafico corretto garantisce che i dati vengano comunicati in modo chiaro e accurato.

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 4

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Scorri per mostrare il menu


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a simple time series dataset
data = {
    "Date": ["2024-06-01", "2024-06-02", "2024-06-03", "2024-06-04", "2024-06-05"],
    "Visitors": [120, 135, 150, 170, 160]
}
df = pd.DataFrame(data)

# Create a line chart
fig = px.line(df, x="Date", y="Visitors", title="Website Visitors Over Time",
              markers=True, line_shape="linear")
fig.update_traces(line=dict(dash="dash", color="blue"), marker=dict(size=10, symbol="circle"))

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a sample DataFrame for grouped bar chart
data = {
    "Product": ["A", "A", "B", "B", "C", "C"],
    "Region": ["North", "South", "North", "South", "North", "South"],
    "Sales": [100, 120, 90, 110, 80, 105]
}
df = pd.DataFrame(data)

# Create a grouped bar chart
fig = px.bar(df, x="Product", y="Sales", color="Region", barmode="group",
             title="Sales by Product and Region")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 1. Capitolo 4