Svep för att visa menyn

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 $\degree$ F) 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())

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()

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()

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()

Studera vidare

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

Uppgift

Swipe to start coding

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

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 2

single

Fråga AI

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

Flera Linjediagram

Här är ett exempel på genomsnittliga årliga temperaturer (i $\degree$ F) 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())

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

Första alternativet


              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()

Andra alternativet

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()

Tredje alternativet

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


              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()

Studera vidare

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

Uppgift

Swipe to start coding

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

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Svep för att visa menyn

Flera Linjediagram

Första alternativet

Andra alternativet

Tredje alternativet

Lösning

Awesome!

Flera Linjediagram

Första alternativet

Andra alternativet

Tredje alternativet

Lösning

Awesome!