Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lära Flera Linjediagram | Skapa Vanligt Förekommande Diagram
Ultimat Visualisering med Python

Svep för att visa menyn

book
Flera Linjediagram

Ofta är det nödvändigt att skapa flera linjediagram på ett enda Axes-objekt för att jämföra olika trender eller mönster. Detta kan göras på två huvudsakliga sätt. Här är det första tillvägagångssättet.

Här är ett exempel på genomsnittliga årliga temperaturer (i °\degreeF) för Seattle och 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

Två linjediagram kommer att användas för att jämföra data från Seattle och Boston.

Första alternativet

Funktionen plot() används två gånger för att skapa två separata linjediagram på samma Axes-objekt. Observera att indexen i pandas Series används som x-axelns värden — i detta exempel fungerar åren som index.


              
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

Andra alternativet

I detta exempel anropas funktionen plot() endast en gång. Eftersom markörer anges för båda dataserierna tolkar matplotlib dem som två separata diagram och använder Series-indexen som x-axelns värden.

Om markörer inte anges skapar funktionen endast ett enda diagram, där den första pandas Series används för x-axeln och den andra för y-axeln.


              
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 alternativet

Ett annat sätt att skapa flera linjediagram i ett enda anrop är att skicka hela DataFrame direkt till funktionen plot().

I detta fall behandlar matplotlib automatiskt varje kolumn i DataFrame som ett separat linjediagram. Indexet för DataFrame används för x-axeln, och värdena i varje kolumn plottas på y-axeln.

Detta tillvägagångssätt är praktiskt när du snabbt vill visualisera flera egenskaper över ett gemensamt index (såsom tid eller kategorier), utan att manuellt anropa plot() för varje enskild.


              
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
Studera vidare

Utforska gärna ännu mer om linjediagram med plot() funktionsdokumentation.

Uppgift

Swipe to start coding

  1. Använd rätt funktion för att skapa 2 linjediagram.
  2. Skicka data_linear som argument i första plot-funktionen, använd inga markörer.
  3. Skicka data_squared som argument i andra funktionen, använd 'o'-markörer med heldragen linje.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 2
single

single

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

close

Awesome!

Completion rate improved to 3.85

book
Flera Linjediagram

Ofta är det nödvändigt att skapa flera linjediagram på ett enda Axes-objekt för att jämföra olika trender eller mönster. Detta kan göras på två huvudsakliga sätt. Här är det första tillvägagångssättet.

Här är ett exempel på genomsnittliga årliga temperaturer (i °\degreeF) för Seattle och 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

Två linjediagram kommer att användas för att jämföra data från Seattle och Boston.

Första alternativet

Funktionen plot() används två gånger för att skapa två separata linjediagram på samma Axes-objekt. Observera att indexen i pandas Series används som x-axelns värden — i detta exempel fungerar åren som index.


              
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

Andra alternativet

I detta exempel anropas funktionen plot() endast en gång. Eftersom markörer anges för båda dataserierna tolkar matplotlib dem som två separata diagram och använder Series-indexen som x-axelns värden.

Om markörer inte anges skapar funktionen endast ett enda diagram, där den första pandas Series används för x-axeln och den andra för y-axeln.


              
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 alternativet

Ett annat sätt att skapa flera linjediagram i ett enda anrop är att skicka hela DataFrame direkt till funktionen plot().

I detta fall behandlar matplotlib automatiskt varje kolumn i DataFrame som ett separat linjediagram. Indexet för DataFrame används för x-axeln, och värdena i varje kolumn plottas på y-axeln.

Detta tillvägagångssätt är praktiskt när du snabbt vill visualisera flera egenskaper över ett gemensamt index (såsom tid eller kategorier), utan att manuellt anropa plot() för varje enskild.


              
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
Studera vidare

Utforska gärna ännu mer om linjediagram med plot() funktionsdokumentation.

Uppgift

Swipe to start coding

  1. Använd rätt funktion för att skapa 2 linjediagram.
  2. Skicka data_linear som argument i första plot-funktionen, använd inga markörer.
  3. Skicka data_squared som argument i andra funktionen, använd 'o'-markörer med heldragen linje.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

close

Awesome!

Completion rate improved to 3.85

Svep för att visa menyn

some-alt