Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Flere Linjediagrammer | Lage Ofte Brukte Diagrammer
Ultimate Visualisering med Python

Sveip for å vise menyen

book
Flere Linjediagrammer

Ofte er det nødvendig å lage flere linjediagrammer på et enkelt Axes-objekt for å sammenligne ulike trender eller mønstre. Dette kan gjøres på to hovedmåter. Her er den første tilnærmingen.

Her er et utvalg av gjennomsnittlige årlige temperaturer (i °\degreeF) for Seattle og 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

To linjediagrammer vil bli brukt for å sammenligne data fra Seattle og Boston.

Første alternativ

Funksjonen plot() brukes to ganger for å lage to separate linjediagrammer på det samme Axes-objektet. Husk at indeksene til pandas-Series brukes som x-akse-verdier — i dette eksempelet fungerer årene som indekser.

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

Andre alternativ

I dette eksempelet kalles plot()-funksjonen kun én gang. Siden markører er spesifisert for begge dataseriene, tolker matplotlib dem som to separate diagrammer og bruker Series-indeksene som x-akse-verdier.

Hvis markører ikke er spesifisert, lager funksjonen kun et enkelt diagram, der den bruker den første pandas-Series for x-aksen og den andre for y-aksen.

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

Tredje alternativ

En annen måte å lage flere linjediagrammer i én enkelt funksjonskall, er å sende hele DataFrame direkte til plot()-funksjonen.

I dette tilfellet behandler matplotlib automatisk hver kolonne i DataFrame som et eget linjediagram. Indeksen til DataFrame brukes for x-aksen, og verdiene i hver kolonne plottes på y-aksen.

Denne tilnærmingen er praktisk når du raskt vil visualisere flere egenskaper over en felles indeks (for eksempel tid eller kategorier), uten å måtte kalle plot() manuelt for hver enkelt.

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
Studer mer

Utforsk gjerne mer om linjediagrammer med plot() funksjonsdokumentasjon.

Oppgave

Swipe to start coding

  1. Bruk riktig funksjon for å lage 2 linjediagrammer.
  2. Send inn data_linear som argument i første plot-funksjon, ikke bruk markører.
  3. Send inn data_squared som argument i andre funksjon, bruk 'o'-markører med heltrukket linje.

Løsning

Switch to desktopBytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor
Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 2
Vi beklager at noe gikk galt. Hva skjedde?

Spør AI

expand
ChatGPT

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

book
Flere Linjediagrammer

Ofte er det nødvendig å lage flere linjediagrammer på et enkelt Axes-objekt for å sammenligne ulike trender eller mønstre. Dette kan gjøres på to hovedmåter. Her er den første tilnærmingen.

Her er et utvalg av gjennomsnittlige årlige temperaturer (i °\degreeF) for Seattle og 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

To linjediagrammer vil bli brukt for å sammenligne data fra Seattle og Boston.

Første alternativ

Funksjonen plot() brukes to ganger for å lage to separate linjediagrammer på det samme Axes-objektet. Husk at indeksene til pandas-Series brukes som x-akse-verdier — i dette eksempelet fungerer årene som indekser.

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

Andre alternativ

I dette eksempelet kalles plot()-funksjonen kun én gang. Siden markører er spesifisert for begge dataseriene, tolker matplotlib dem som to separate diagrammer og bruker Series-indeksene som x-akse-verdier.

Hvis markører ikke er spesifisert, lager funksjonen kun et enkelt diagram, der den bruker den første pandas-Series for x-aksen og den andre for y-aksen.

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

Tredje alternativ

En annen måte å lage flere linjediagrammer i én enkelt funksjonskall, er å sende hele DataFrame direkte til plot()-funksjonen.

I dette tilfellet behandler matplotlib automatisk hver kolonne i DataFrame som et eget linjediagram. Indeksen til DataFrame brukes for x-aksen, og verdiene i hver kolonne plottes på y-aksen.

Denne tilnærmingen er praktisk når du raskt vil visualisere flere egenskaper over en felles indeks (for eksempel tid eller kategorier), uten å måtte kalle plot() manuelt for hver enkelt.

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
Studer mer

Utforsk gjerne mer om linjediagrammer med plot() funksjonsdokumentasjon.

Oppgave

Swipe to start coding

  1. Bruk riktig funksjon for å lage 2 linjediagrammer.
  2. Send inn data_linear som argument i første plot-funksjon, ikke bruk markører.
  3. Send inn data_squared som argument i andre funksjon, bruk 'o'-markører med heltrukket linje.

Løsning

Switch to desktopBytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor
Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 2
Switch to desktopBytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor
Vi beklager at noe gikk galt. Hva skjedde?
some-alt