Lære Flere Linjediagrammer | Oprettelse af Almindeligt Anvendte Diagrammer

Ofte er det nødvendigt at oprette flere linjediagrammer på et enkelt Axes-objekt for at sammenligne forskellige tendenser eller mønstre. Dette kan gøres på to hovedmåder. Her er den første metode.

Her er et eksempel på gennemsnitlige årlige temperaturer (i $\degree$ F) for Seattle og Boston:


              12345
            
import pandas as pd
url = 'https://staging-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())

To linjediagrammer vil blive brugt til at sammenligne data fra Seattle og Boston.

Første mulighed

Funktionen plot() anvendes to gange for at oprette to separate linjediagrammer på det samme Axes-objekt. Bemærk, at indeksene i pandas Series bruges som x-akse værdier — i dette eksempel fungerer årene som indeks.


              1234567
            
import matplotlib.pyplot as plt
import pandas as pd
weather_df = pd.read_csv('https://staging-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()

Anden mulighed

I dette eksempel kaldes funktionen plot() kun én gang. Da markører er angivet for begge dataserier, tolker matplotlib dem som to separate plots og bruger Series-indeksene som x-akse værdier.

Hvis markører ikke er angivet, opretter funktionen kun et enkelt plot, hvor den første pandas Series bruges til x-aksen og den anden til y-aksen.


              123456
            
import matplotlib.pyplot as plt
import pandas as pd
weather_df = pd.read_csv('https://staging-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 mulighed

En anden metode til at oprette flere linjediagrammer med ét enkelt kald er at sende hele DataFrame direkte til plot()-funktionen.

I dette tilfælde behandler matplotlib automatisk hver kolonne i DataFrame som et separat linjediagram. Indekset for DataFrame bruges til x-aksen, og værdierne i hver kolonne plottes på y-aksen.

Denne tilgang er praktisk, når du hurtigt vil visualisere flere egenskaber på tværs af et fælles indeks (såsom tid eller kategorier), uden manuelt at kalde plot() for hver enkelt.


              123456
            
import matplotlib.pyplot as plt
import pandas as pd
weather_df = pd.read_csv('https://staging-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()

Studér Mere

Udforsk gerne endnu mere om linjediagrammer med plot() funktionsdokumentationen.

Opgave

Swipe to start coding

Brug den korrekte funktion til at oprette 2 linjediagrammer.
Angiv data_linear som argument i første plot-funktion, uden at bruge markører.
Angiv data_squared som argument i anden funktion, brug 'o' markører med fuldt optrukket linje.

Løsning

Var alt klart?

Tak for dine kommentarer!

Sektion 2. Kapitel 2

single

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

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

Stryg for at vise menuen