Jak używać linii trendu MATPlotlib

Linia trendów to linia utworzona na lub tuż poniżej kluczowych pików lub niskich punktów, aby zilustrować bieżący kierunek wyceny. Dla analityków technicznych linia trendu jest skutecznym elementem. Analitycy mogą zidentyfikować reprezentacje linii trendów w celu określenia kierunku trendu, a następnie odbijania tendencji. W rozważanym przedziale czasowym analitycy wybierają dowolne dwa punkty na wykresie i podłącz je, tworząc wykres liniowy.

Kiedy akceptujemy mniejszy punkt w trendzie, działa on jako linia wsparcia. A kiedy wybieramy wyższe punkty, służy jako linia oporowa. W rezultacie zostanie użyty do ustalenia tych dwóch miejsc na wykresie. Omówmy metodę dodania linii trendu do wykresu za pomocą matplotlib w Pythonie.

Użyj matplotlib, aby utworzyć linię trendu na wykresie rozproszenia:

Wykorzystamy funkcje PolyFit () i Poly1d (), aby uzyskać wartości linii trendu w MATPlotlib, aby skonstruować linię trendu na wykresie rozproszenia. Poniższy kod to szkic wkładania linii trendu do wykresu rozproszenia z grupami:

importować matplotlib.Pyplot as Plt
importować Numpy jako NP
plt.rcparams ["rysunek.rysunek ”] = [8.50, 2.50]
plt.rcparams ["rysunek.autolayout "] = true
A = NP.losowy.Rand (200)
B = NP.losowy.Rand (200)
Ryc, ax = plt.wątki ()
_ = AX.rozproszenie (a, b, c = a, cmap = „tęcz”)
D = NP.PolyFit (A, B, 1)
P = NP.poli1d (d)
plt.fabuła (a, p (a), „m:*”)
plt.pokazywać()

Tutaj dołączamy Numpy i Matplotlib.Biblioteki Pyplot. Matplotlib.Pyplot to pakiet graficzny używany do rysowania wizualizacji w Pythonie. Możemy używać go w aplikacjach i różnych graficznych interfejsach użytkownika. Biblioteka Numpy zapewnia dużą liczbę liczbowych typów danych, których możemy wykorzystać do deklarowania tablic.

W następnym wierszu dostosowujemy rozmiar figury, wywołując funkcję PLT.rcparams (). Figura.Rysunek jest przekazywany jako parametr tej funkcji. Ustawiamy wartość „True”, aby dostosować odstępy między wątkami. Teraz bierzemy dwie zmienne. A potem tworzymy zestawy danych osi X i osi Y. Punkty danych osi x są przechowywane w zmiennej „A”, a punkty danych osi Y są przechowywane w zmiennej „B”. Można to zakończyć za pomocą biblioteki Numpy. Stworzymy nowy obiekt figury. A wykres jest tworzony przez zastosowanie PLT.Funkcja wątka ().

Ponadto stosuje się funkcję rozproszenia (). Ta funkcja zawiera cztery parametry. Kolorystyka wykresu jest również określona przez dostarczanie „CMAP” jako argumentu dla tej funkcji. Teraz wykreślamy zestawy danych osi x i osi y. Tutaj dostosowujemy linię trendów zestawów danych za pomocą funkcji PolyFit () i Poly1d (). Korzystamy z funkcji PTOT () do narysowania linii trendów.

Tutaj ustawiamy styl linii, kolor linii i marker linii trendów. Ostatecznie wyświetlimy następujący wykres za pomocą PLT.show () funkcja:

Dodaj złącza graficzne:

Ilekroć obserwujemy wykres rozproszenia, możemy chcieć zidentyfikować ogólny kierunek, w którym zestaw danych zmierza w niektórych sytuacjach. Chociaż jeśli uzyskamy jasną reprezentację podgrup, ogólny kierunek dostępnych informacji nie będzie widoczny. W tym scenariuszu wstawiamy linię trendu do wyniku. Na tym etapie obserwujemy, jak dodajemy złącza do wykresu.

importować matplotlib.Pyplot as Plt
importować Numpy jako NP
import pylab jako PLB
A1 = 25 * NP.losowy.Rand (60)
A2 = 25 * np.losowy.Rand (60) + 25
A3 = 20 * NP.losowy.Rand (20)
x = np.Conatenate ((A1, A2, A3))
B1 = 25 * np.losowy.Rand (50)
B2 = 25 * np.losowy.Rand (60) + 25
B3 = 20 * np.losowy.Rand (20)
y = np.Conatenate ((A1, B2, B3))
plt.rozproszenie (x, y, s = [200], marker = „o”)
Z = NP.Polyfit (x, y, 2)
P = NP.poli1d (z)
plb.Wykres (x, p (x), 'r-.')
plt.pokazywać()

Na początku programu importujemy trzy biblioteki. Należą do nich Numpy, Matplotlib.Pyplot i matplotlib.pylab. Matplotlib to biblioteka Python, która pozwala użytkownikom tworzyć dynamiczne i innowacyjne reprezentacje graficzne. Matplotlib generuje wysokiej jakości wykresy z możliwością zmiany elementów i stylu wizualnego.

Pakiet pylab integruje biblioteki Pyplot i Numpy w określoną domenę źródłową. Teraz bierzemy trzy zmienne do tworzenia zestawów danych osi x, która jest realizowana za pomocą funkcji Random () biblioteki Numpy.

Najpierw przechowyliśmy punkty danych w zmiennej „A1”. A następnie dane są przechowywane odpowiednio w zmiennych „A2” i „A3”. Teraz tworzymy nową zmienną, która przechowuje wszystkie zestawy danych osi x. Wykorzystuje funkcję conatenate () biblioteki Numpy.

Podobnie przechowujemy zestawy danych osi Y w pozostałych trzech zmiennych. Tworzymy zestawy danych osi Y za pomocą metody landom (). Ponadto, łączymy wszystkie te zestawy danych w nowej zmiennej. Tutaj narysujemy wykres rozproszenia, więc zastosujemy PLT.Metoda rozproszenia (). Ta funkcja zawiera cztery różne parametry. W tej funkcji przekazujemy zestawy danych osi x i osi y. I określamy również symbol markera, który chcemy rysować na wykresie rozproszenia za pomocą parametru „Marker”.

Dostarczamy dane do metody Numpy PolyFit (), która zapewnia szereg parametrów „P”. Tutaj optymalizuje błąd różnicy skończonej. Stąd można stworzyć linię trendu. Analiza regresji jest techniką statystyczną do określania linii uwzględnionej w zakresie zmiennej pouczającej x. I reprezentuje korelację między dwiema zmiennymi, w przypadku osi x i osi y. Intensywność zgodności wielomianowej jest wskazywana przez trzeci argument PolyFit ().

PolyFit () zwraca tablicę, przekazaną do funkcji poli1d () i określa oryginalne zestawy danych osi y. Rysujemy linię trendu na wykresie rozproszenia, wykorzystując funkcję PTOT (). Możemy dostosować styl i kolor linii trendów. Na koniec stosujemy PLT.show () metoda reprezentowania wykresu.

Wniosek:

W tym artykule rozmawialiśmy o liniach trendów MATPlotlib z różnymi przykładami. Omówiliśmy także, jak utworzyć linię trendu na wykresie rozproszenia za pomocą funkcji poliFit () i poli1d (). Ostatecznie ilustrujemy korelacje w grupach danych. Mamy nadzieję, że ten artykuł jest pomocny. Sprawdź inne artykuły z Linux, aby uzyskać więcej wskazówek i samouczków.