Hvordan tegne grafer i Jupyter Notebook

Hvordan tegne grafer i Jupyter Notebook

Jupyter Notebook er det beste verktøyet for data forskere. Det tilbyr et interaktivt webgrensesnitt som kan brukes til datavisualisering, enkel analyse og samarbeid.





Datavisualisering lar deg finne kontekst for dataene dine gjennom kart eller grafer. Denne opplæringen gir en innsiktsfull guide til hvordan du samhandler med grafer i Jupyter Notebook.



Forutsetninger

Du trenger å har Jupyter installert på maskinen din. Hvis det ikke er det, kan du installere det ved å skrive inn følgende kode på kommandolinjen:





$ pip install jupyter

Du trenger også pandaer og matplotlib bibliotek:

hva du skal gjøre hvis telefonen sitter fast på epleskjermen
$ pip install pandas $ pip install matplotlib

Etter at installasjonene er fullført, starter du Jupyter Notebook -serveren. Skriv inn kommandoen nedenfor i terminalen din for å gjøre det. En Jupyter -side som viser filer i den nåværende katalogen, åpnes i datamaskinens standardleser.



$ jupyter notebook

Merk: Ikke lukk terminalvinduet du kjører denne kommandoen i. Serveren din stopper hvis du gjør det.

Enkel tomt

Kjør denne koden på en ny Jupyter -side:



import matplotlib.pyplot as plt
x=[1,2,3,4,5,6,7,8]
y=[2,4,6,8,10,12,14,16]
plt.plot(x,y)
plt.show()

Koden er for en enkel linjeplot. Den første linjen importerer pyplot grafbibliotek fra matplotlib API. Den tredje og fjerde linjen definerer henholdsvis x- og y -aksene.

De plott() metode kalles for å plotte grafen. De forestilling() metoden brukes deretter til å vise grafen.



Anta at du ønsker å tegne en kurve i stedet. Prosessen er den samme. Bare endre verdiene til python -liste for y-aksen.

import matplotlib.pyplot as plt
x=[3,4,5,6,7,8,9,10,11,12]
y= [9,16,25,36,49,64,81,100,121,144]
plt.plot(x,y)
plt.show()

Legg merke til noe viktig: I begge grafene er det ingen eksplisitt skaladefinisjon. Skalaen blir automatisk beregnet og brukt. Dette er en av de mange interessante funksjonene som Juypter tilbyr som kan få deg til å fokusere på arbeidet ditt (dataanalyse) i stedet for å bekymre deg for kode.

Hvis du også er årvåken, kan du se at antall verdier for x- og y -aksene er det samme. Hvis noen av dem er mindre enn den andre, vil en feil bli flagget når du kjører koden, og ingen graf vil bli vist.

Typer tilgjengelig

I motsetning til linjediagrammet og kurven ovenfor, må andre grafvisualiseringer (f.eks. Et histogram, stolpediagram, etc.) defineres eksplisitt for å bli vist.

Søylediagram

For å vise et strekplott må du bruke bar () metode.

import matplotlib.pyplot as plt
x=[3,4,5,6,7,8,9,10,11,12]
y= [9,16,25,36,49,64,81,100,121,144]
plt.bar(x,y)
plt.show()

Spred plott

Alt du trenger å gjøre er å bruke spre() metoden i den forrige koden.

import matplotlib.pyplot as plt
x=[3,4,5,6,7,8,9,10,11,12]
y= [9,16,25,36,49,64,81,100,121,144]
plt.scatter(x,y)
plt.show()

Kake diagram

Et paiplot er litt annerledes enn resten ovenfor. Linje 4 er spesielt interessant, så ta en titt på funksjonene der.

finne ut brukes til å angi størrelsesforholdet. Du kan sette dette til alt du liker (f.eks. 9,5), men de offisielle Pandas -dokumentene anbefaler at du bruker et sideforhold på 1.

import matplotlib.pyplot as plt
x=[4,9,16,25,36]
fig = plt.figure(figsize =(9, 5)) # line 4
plt.pie(x)
plt.show()

Det er noen parametere kakediagrammet har som er bemerkelsesverdige:

etiketter - Denne kan brukes til å gi en etikett til hver skive i kakediagrammet.

farger - Dette kan brukes til å gi forhåndsdefinerte farger til hver av skivene. Du kan spesifisere farger både i tekstform (f.eks. Gul) eller i hexform (f.eks. '#Ebc713').

Se eksemplet nedenfor:

import matplotlib.pyplot as plt
x=[4,9,16,25,36]
fig = plt.figure(figsize =(5.5, 5.5))
plt.pie(x, labels=('Guavas', 'Berries','Mangoes','Apples', 'Avocado'),
colors = ( '#a86544', '#eb5b13', '#ebc713', '#bdeb13', '#8aeb13'))
plt.show()

Det er også andre tomter som hist , område , og hvor det kan du les mer om Pandas docs .

Plotformatering

I plottene ovenfor er det ingen aspekter som etiketter. Slik gjør du det.

For å legge til en tittel, inkluder koden nedenfor i Jupyter Notebook:

matplotlib.pyplot.title('My Graph Title')

X- og y -aksene kan henholdsvis merkes som nedenfor:

matplotlib.pyplot.xlabel('my x-axis label')
matplotlib.pyplot.ylabel('my y-axis label')

Lære mer

Du kan kjøre hjelp() kommandoen i notatblokken for å få interaktiv hjelp om Jupyter -kommandoer. For å få mer informasjon om et bestemt objekt, kan du bruke hjelp (objekt) .

Du vil også synes det er en god praksis å prøve å tegne grafer ved hjelp av datasett fra csv filer. Å lære å visualisere data er et kraftig verktøy for å kommunisere og analysere funnene dine, så det er verdt å ta litt tid å bygge opp ferdighetene dine.

Dele Dele kvitring E -post Slik importerer du Excel -data til Python -skript ved hjelp av pandaer

For avansert dataanalyse er Python bedre enn Excel. Slik importerer du Excel -dataene dine til et Python -skript ved hjelp av Pandas!

Les neste Relaterte temaer
  • Programmering
  • Python
  • Opplæringsprogrammer for koding
  • Dataanalyse
Om forfatteren Jerome Davidson(22 artikler publisert)

Jerome er personalforfatter på MakeUseOf. Han dekker artikler om programmering og Linux. Han er også en kryptoentusiast og holder alltid oversikt over kryptoindustrien.

Mer fra Jerome Davidson

Abonner på vårt nyhetsbrev

Bli med i vårt nyhetsbrev for tekniske tips, anmeldelser, gratis ebøker og eksklusive tilbud!

Klikk her for å abonnere