Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Leer Meervoudige Lijndiagrammen | Veelgebruikte Grafieken Maken
Ultieme Visualisatie Met Python

Veeg om het menu te tonen

book
Meervoudige Lijndiagrammen

Vaak is het noodzakelijk om meerdere lijndiagrammen op één Axes-object te maken om verschillende trends of patronen te vergelijken. Dit kan op twee hoofdmanieren worden gedaan. Hier volgt de eerste aanpak.

Hier is een voorbeeld van de gemiddelde jaarlijkse temperaturen (in °\degreeF) van Seattle en 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

Twee lijndiagrammen zullen worden gebruikt om gegevens van Seattle en Boston te vergelijken.

Eerste Optie

De functie plot() wordt twee keer gebruikt om twee afzonderlijke lijndiagrammen op hetzelfde Axes-object te maken. Onthoud dat de indices van de pandas Series worden gebruikt als de x-as waarden — in dit voorbeeld dienen de jaren als indices.

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

Tweede Optie

In dit voorbeeld wordt de functie plot() slechts één keer aangeroepen. Omdat markers voor beide dataseries zijn opgegeven, interpreteert matplotlib deze als twee afzonderlijke grafieken en gebruikt de Series-indices als x-as waarden.

Als markers niet worden opgegeven, maakt de functie slechts één grafiek, waarbij de eerste pandas Series voor de x-as en de tweede voor de y-as wordt gebruikt.

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

Derde optie

Een andere manier om meerdere lijndiagrammen in één keer te maken, is door de gehele DataFrame direct aan de functie plot() door te geven.

In dit geval behandelt matplotlib automatisch elke kolom in de DataFrame als een afzonderlijk lijndiagram. De index van de DataFrame wordt gebruikt voor de x-as, en de waarden van elke kolom worden geplot op de y-as.

Deze aanpak is handig wanneer je snel meerdere kenmerken wilt visualiseren over een gemeenschappelijke index (zoals tijd of categorieën), zonder handmatig plot() voor elk kenmerk aan te roepen.

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
Meer Bestuderen

Ontdek meer over lijndiagrammen met de plot() functiedocumentatie.

Taak

Swipe to start coding

  1. Gebruik de juiste functie om 2 lijndiagrammen te maken.
  2. Geef data_linear als argument mee in de eerste plotfunctie, zonder markers te gebruiken.
  3. Geef data_squared als argument mee in de tweede functie, gebruik 'o' markers met een doorgetrokken lijn.

Oplossing

Switch to desktopSchakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties
Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 2. Hoofdstuk 2

Vraag AI

expand
ChatGPT

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

book
Meervoudige Lijndiagrammen

Vaak is het noodzakelijk om meerdere lijndiagrammen op één Axes-object te maken om verschillende trends of patronen te vergelijken. Dit kan op twee hoofdmanieren worden gedaan. Hier volgt de eerste aanpak.

Hier is een voorbeeld van de gemiddelde jaarlijkse temperaturen (in °\degreeF) van Seattle en 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

Twee lijndiagrammen zullen worden gebruikt om gegevens van Seattle en Boston te vergelijken.

Eerste Optie

De functie plot() wordt twee keer gebruikt om twee afzonderlijke lijndiagrammen op hetzelfde Axes-object te maken. Onthoud dat de indices van de pandas Series worden gebruikt als de x-as waarden — in dit voorbeeld dienen de jaren als indices.

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

Tweede Optie

In dit voorbeeld wordt de functie plot() slechts één keer aangeroepen. Omdat markers voor beide dataseries zijn opgegeven, interpreteert matplotlib deze als twee afzonderlijke grafieken en gebruikt de Series-indices als x-as waarden.

Als markers niet worden opgegeven, maakt de functie slechts één grafiek, waarbij de eerste pandas Series voor de x-as en de tweede voor de y-as wordt gebruikt.

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

Derde optie

Een andere manier om meerdere lijndiagrammen in één keer te maken, is door de gehele DataFrame direct aan de functie plot() door te geven.

In dit geval behandelt matplotlib automatisch elke kolom in de DataFrame als een afzonderlijk lijndiagram. De index van de DataFrame wordt gebruikt voor de x-as, en de waarden van elke kolom worden geplot op de y-as.

Deze aanpak is handig wanneer je snel meerdere kenmerken wilt visualiseren over een gemeenschappelijke index (zoals tijd of categorieën), zonder handmatig plot() voor elk kenmerk aan te roepen.

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
Meer Bestuderen

Ontdek meer over lijndiagrammen met de plot() functiedocumentatie.

Taak

Swipe to start coding

  1. Gebruik de juiste functie om 2 lijndiagrammen te maken.
  2. Geef data_linear als argument mee in de eerste plotfunctie, zonder markers te gebruiken.
  3. Geef data_squared als argument mee in de tweede functie, gebruik 'o' markers met een doorgetrokken lijn.

Oplossing

Switch to desktopSchakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties
Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 2. Hoofdstuk 2
Switch to desktopSchakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties
Onze excuses dat er iets mis is gegaan. Wat is er gebeurd?
some-alt