Leer Meervoudige Lijndiagrammen | Veelgebruikte Grafieken Maken

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 benadering.

Hier is een voorbeeld van de gemiddelde jaarlijkse temperaturen (in $\degree$ F) 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())

Twee lijndiagrammen 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()

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 het de indices van de Series als x-as waarden.

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


              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()

Derde optie

Een alternatieve methode om meerdere lijndiagrammen in één enkele aanroep te maken, is door de gehele DataFrame direct aan de functie plot() door te geven.

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

Deze aanpak is handig wanneer snel meerdere kenmerken over een gemeenschappelijke index (zoals tijd of categorieën) gevisualiseerd moeten worden, 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()

Meer Bestuderen

Ontdek gerust meer over lijndiagrammen met de plot() functiedocumentatie.

Taak

Swipe to start coding

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

Oplossing

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 2. Hoofdstuk 2

single

Vraag AI

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

Suggested prompts:

Can you explain the differences between the three plotting options?

How can I customize the appearance of the plots, such as colors or line styles?

What should I do if I want to add a legend or axis labels to these plots?

Awesome!

Completion rate improved to 3.85

Veeg om het menu te tonen