Leer Werken met Lijn- en Staafdiagrammen

Lijn- en staafdiagrammen zijn twee van de meest voorkomende en effectieve manieren om gegevens te visualiseren. Lijndiagrammen worden doorgaans gebruikt om trends in de tijd weer te geven, waardoor ze ideaal zijn voor tijdreeksgegevens zoals aandelenkoersen, temperatuurveranderingen of websiteverkeer. Elk punt op een lijndiagram vertegenwoordigt een gegevenswaarde op een specifiek tijdstip, en de punten worden met lijnen verbonden om te laten zien hoe de waarden veranderen. Staafdiagrammen daarentegen worden gebruikt om hoeveelheden tussen verschillende categorieën te vergelijken. Ze zijn vooral nuttig wanneer u verschillen of overeenkomsten tussen groepen wilt benadrukken, zoals verkoopcijfers van verschillende producten of bevolkingsaantallen van verschillende landen. Het belangrijkste verschil tussen deze diagramtypen is dat lijndiagrammen de continuïteit van gegevens benadrukken, terwijl staafdiagrammen zich richten op discrete vergelijkingen.


              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))

In de bovenstaande code voor het lijndiagram definieert u een pandas DataFrame met daarin datums en het aantal websitebezoekers per datum. De functie px.line wordt gebruikt om de gegevens te plotten, waarbij het argument x de horizontale as (datums) specificeert en het argument y de verticale as (aantallen bezoekers) aangeeft. Door markers=True toe te voegen, wordt er bij elk datapunt een markering weergegeven, waardoor individuele waarden beter zichtbaar zijn. De optie line_shape="linear" zorgt ervoor dat de lijn elk punt direct verbindt. U kunt het uiterlijk verder aanpassen met update_traces, zoals het instellen van een gestreepte lijnstijl en het wijzigen van de grootte en vorm van de markeringen. Deze flexibiliteit maakt het eenvoudig om trends en specifieke datapunten in uw visualisatie te benadrukken.


              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))

Bij het kiezen tussen een lijndiagram of een staafdiagram, is het belangrijk om te letten op de aard van de gegevens en het verhaal dat u wilt vertellen. Lijndiagrammen zijn het meest geschikt voor het tonen van veranderingen en trends over een continue interval, zoals tijd, waarbij de relatie tussen de punten van belang is. Gebruik deze wanneer u de nadruk wilt leggen op het verloop of de ontwikkeling van gegevens. Staafdiagrammen zijn geschikter voor het vergelijken van hoeveelheden tussen verschillende categorieën, vooral wanneer u verschillen tussen groepen wilt benadrukken. In de bovenstaande voorbeelden laat het lijndiagram effectief zien hoe het aantal websitebezoekers over meerdere dagen verandert, terwijl het gegroepeerde staafdiagram het eenvoudig maakt om de verkoop van verschillende producten in twee regio's te vergelijken. Het kiezen van het juiste diagramtype zorgt ervoor dat uw gegevens duidelijk en nauwkeurig worden gecommuniceerd.

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 4

Vraag AI

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

Veeg om het menu te tonen


              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))

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 4