Seborn Line Clot
Searorn oferuje lepszy interfejs niż Matplotlib. Zatem umożliwienie użytkownikom uproszczenia wielu modyfikacji. Niektóre operacje, które w innym przypadku byłyby wymagane do utworzenia wykresów MATPlotlib jako czujących. Działa również dobrze z typami danych pandy, tworząc dane wstępne i wizualizując proste. Zawiera także kilka wykresów o przydatnych parametrach i atrakcyjny układ.
Utwórz wykres liniowy, który pozwala na wiele kategorii semantycznych. Atrybuty palety, rozmiaru i układu zostaną użyte do wyświetlania korelacji między zmiennymi dla określonych zestawów danych. Kilka atrybutów określa, która semantyka graficzna została użyta do rozróżnienia różnych kategorii. Korzystając z tych odmian semantycznych, można osiągnąć osobno przedstawienie elementów. Jednak ten sposób fabuły może być trudny do zrozumienia i jest zwykle nieefektywny.
Ale produkcja wizualizacji bardziej użytecznych i zapewniania wielu semantyków (takich jak odcień i projekt dla prawie podobnego elementu) może być preferowane. Wyprowadzimy wykresy linii za pomocą różnych metodologii.
Użyj funkcji LinePlot ()
W tym przypadku zastosowaliśmy metodę LinePlot (), aby utworzyć wykres liniowy. Biblioteka Seaborn zawiera funkcję LinePlot (). Będziemy używać losowych danych, aby narysować wykres liniowy:
importować pandy jako PDImportuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
Rok = [2011, 2013, 2015, 2017, 2019, 2021, 2022]
Zysk = [90, 85.8, 60, 55, 77.5, 29, 45.6]
data_plot = pd.DataFrame („rok”: rok, „zysk”: zysk)
Sns.LinePlot (x = „rok”, y = „zysk”, data = data_plot)
plt.pokazywać()
Na początku programu musimy zintegrować niektóre biblioteki. Biblioteka będą zintegrowane jako „PD”, Searorn będzie zintegrowany jako „SNS” i Matplotlib.Pyplot zostanie zintegrowany jako „PLT”. Pandy jest jednym z pakietów wbudowanych przeznaczonych do uczynienia i instynktownego działania z danymi liniowymi lub skategoryzowanymi. Zawiera niektóre modele danych i metody pracy z informacjami statystycznymi i uogólnionymi danymi liniowymi. Searorn to moduł Python do tworzenia liczbowych wizualizacji. Opiera się na matplotlib i skutecznie koreluje z biblioteką pand.
Biblioteka Seaborn pomaga użytkownikom w dostępie do i oceny danych. Wśród najczęściej używanych modułów do analizy danych jest matplotlib. Ta biblioteka będzie pakietem międzyplatformowym, który tworzy dwa wykresy wymiarowe przy użyciu zakresu danych. Zawiera interfejs do integracji wykresów w Python Graphical Framework na podstawie aplikacji.
W następnym wierszu zainicjowaliśmy zmienną o nazwie „Rok” i przypisaliśmy kilka przypadkowych lat od 2011 r. I kończące się w 2022 roku. Następnie określamy zestaw danych zysku i definiujemy wartości. Wykorzystaliśmy funkcję Data Frame (). Aby uzyskać krótki przegląd nowego zestawu danych, zastosuj metodę DataFrame (). Jest to szczególnie przydatne w wykonywaniu oceny danych eksploracyjnych. Korzystamy z metody DataFrame (), aby uzyskać dostęp do dynamicznego wglądu oryginalnych danych. Ta funkcja zawiera zmienne „rok” i „zysk” jako jej parametry. Te dane są przechowywane w zmiennej „Data_plot”.
Teraz narysuj wykres liniowy. Zastosowaliśmy to do metody LinePlot () biblioteki Seaorn. Tutaj. Zapewniliśmy etykiety osi x i y. Oś X będzie oznaczona jako „rok”, a oś Y będzie oznaczony jako „zysk”. Ostatecznie ilustrujemy wykres liniowy, aby zastosowana jest metoda show ().
Proporcjonalna korelacja między dwoma różnymi elementami zestawu danych pokazano na powyższym wykresie.
Użyj ramy danych „Iris”
Tutaj wywołaliśmy funkcję LinePlot (), aby zilustrować ramkę danych Blossom Iris:
Importuj Seaorn jako SNSimportować matplotlib.Pyplot as Plt
Data = SNS.Load_Dataset („Iris”)
Sns.LinePlot (x = "sepal_length", y = "sepal_width", data = data)
plt.pokazywać()
Po wprowadzeniu wymaganych plików nagłówkowych Searn i Matplotlib.Pyplot, załadujemy ramkę danych Blossom Iris. Tak więc zostanie użyta funkcja ładowania_dataset (). Ta funkcja jest związana z pakietem Seaorn. Daliśmy „tęczówki” jako atrybut tej funkcji. Teraz rysujemy określony wykres liniowy, który zastosowaliśmy do metody LinePlot (). Ta funkcja zawiera różne parametry.
Długość i szerokość działań są podawane jako atrybuty. Oś x wykresu pokazuje długość sepal, podczas gdy oś y pokazuje szerokość sepal. Po tym wszystkim zastosowaliśmy metodę show (), aby po prostu wyświetlić wykres liniowy na ekranie.
Użyj parametru „odcienia” funkcji LinePlot ()
Argument „Odcień” można zastosować do kategoryzacji wielu parametrów ramki danych i może być użyty do wykazania korelacji między pólami danych obu osi, gdy dane są określone jako parametr do funkcji.
Importuj Seaorn jako SNSimportować matplotlib.Pyplot as Plt
Data = SNS.load_dataset („końcówki”)
Sns.LinePlot (x = "total_bill", y = "rozmiar",
hue = „seks”,,
dane = dane)
plt.pokazywać()
Najpierw importujemy pliki nagłówkowe Searborn i Matplotlib.Pyplot. Uzyskamy dostęp do ramy danych wskazówek. W rezultacie wywołana byłaby metoda obciążenia (). Przydzieliliśmy metodę parametru „TIPS”. Używamy metody LinePlot () do budowy konkretnego wykresu liniowego. Ta metoda ma zestaw parametrów. Podano atrybuty, całkowity rachunek, rozmiar, odcień i styl. Całkowity rachunek jest wykreślany na osi x, podczas gdy rozmiar jest wykreślany na osi y.
Ustawiliśmy wartość „odcienia” na „seks” i styl do „seksu”. Następnie zastosowaliśmy funkcję show (), aby po prostu przedstawić wykres liniowy na terminalu.
Wniosek
W tym artykule zbadaliśmy, jak narysować wykresy liniowe za pomocą funkcyjnego modułu liniowego () modułu morskiego w Python. Stworzyliśmy również wykresy liniowe za pomocą kilku przykładów i przekazując różne parametry do tej funkcji. Można narysować wiele linii, aby wyświetlić dane w identycznych lokalizacjach lub wykresach. Możemy reprezentować interakcję między kilkoma wierszami danych lub elementami danych za pomocą podobnych lub asortowanych zestawów danych lub parametrów danych. Aby narysować gradienty kolorów dla wielu zestawów danych, użyliśmy argumentu „odcień”.