Come disegnare grafici in Jupyter Notebook

Articolo nel pulsante successivo: 899988

Jupyter Notebook è lo strumento numero uno per i data scientist. Offre un'interfaccia web interattiva che può essere utilizzata per la visualizzazione dei dati, una facile analisi e collaborazione.

La visualizzazione dei dati ti consente di trovare il contesto per i tuoi dati attraverso mappe o grafici. Questo tutorial offre una guida approfondita all'interazione con i grafici in Jupyter Notebook.

Prerequisiti

Devi avere Jupyter installato sulla tua macchina. In caso contrario, puoi installarlo inserendo il seguente codice nella riga di comando:

 $ pip installa jupyter

Avrai anche bisogno del file panda e matplotlib biblioteca:

$ pip install panda

$ pip install matplotlib

Al termine delle installazioni, avviare il server Jupyter Notebook. Digita il comando di seguito nel tuo terminale per farlo. Una pagina Jupyter che mostra i file nella directory corrente si aprirà nel browser predefinito del tuo computer.

$ jupyter notebook

Nota: Non chiudere la finestra del terminale in cui esegui questo comando. Il tuo server si fermerà se lo fai.

Trama semplice

In una nuova pagina Jupyter, esegui questo codice:

importa matplotlib.pyplot come 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 ()

Il codice è per un semplice grafico a linee. La prima riga importa il file pyplot libreria grafica dal matplotlib API. La terza e la quarta riga definiscono rispettivamente gli assi x e y.

Il tracciare() viene chiamato il metodo per tracciare il grafico. Il mostrare() viene quindi utilizzato il metodo per visualizzare il grafico.

Supponi invece di voler disegnare una curva. Il processo è lo stesso. Basta cambiare i valori di elenco di python per l'asse y.

importa matplotlib.pyplot come 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 ()

Notare una cosa importante: in entrambi i grafici non esiste una definizione di scala esplicita. La scala viene calcolata e applicata automaticamente. Questa è una delle tante funzionalità interessanti che Juypter offre che può farti concentrare sul tuo lavoro (analisi dei dati) invece di preoccuparti del codice.

Se sei anche vigile, potresti osservare che il numero di valori per gli assi x e y è lo stesso. Se uno di questi è inferiore all'altro, verrà segnalato un errore quando si esegue il codice e non verrà visualizzato alcun grafico.

Tipi disponibili

A differenza del grafico a linee e della curva sopra, altre visualizzazioni del grafico (ad esempio un istogramma, un grafico a barre, ecc.) Devono essere definite esplicitamente per essere mostrate.

Istogramma

Per mostrare un grafico a barre dovrai usare il bar() metodo.

importa matplotlib.pyplot come 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 ()

Grafico a dispersione

Tutto quello che devi fare è usare il file dispersione () metodo nel codice precedente.

importa matplotlib.pyplot come 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 ()

Grafico a torta

Un grafico a torta è leggermente diverso dal resto sopra. La linea 4 è di particolare interesse, quindi dai un'occhiata alle caratteristiche lì.

figsize viene utilizzato per impostare le proporzioni. Puoi impostarlo su qualsiasi cosa ti piaccia (ad esempio (9,5)), ma i documenti ufficiali di Pandas consigliano di utilizzare un rapporto di aspetto di 1.

importa matplotlib.pyplot come plt
x = [4,9,16,25,36]
fig = plt. figure (figsize = (9, 5)) # line 4
plt. torta (x)
plt.show ()

Ci sono alcuni parametri del grafico a torta che sono degni di nota:

etichette - Può essere utilizzato per assegnare un'etichetta a ciascuna fetta del grafico a torta.

colori - Questo può essere utilizzato per dare colori predefiniti a ciascuna delle fette. Puoi specificare i colori sia in forma di testo (ad es. "Giallo") o in forma esadecimale (ad es. "# Ebc713").

Guarda l'esempio di seguito:

importa matplotlib.pyplot come plt
x = [4,9,16,25,36]
fig = plt. figure (figsize = (5.5, 5.5))
plt.pie (x, labels = ("Guaiave", "Berries", "Mangoes", "Apples", "Avocado"),
colori = ("# a86544", "# eb5b13", "# ebc713", "# bdeb13", "# 8aeb13"))
plt.show ()

Ci sono anche altre trame come hist, la zona e kde che tu puoi leggi di più sui documenti di Pandas.

Formattazione del grafico

Nelle trame sopra, non ci sono aspetti come le etichette. Ecco come farlo.

Per aggiungere un titolo, includi il codice seguente nel tuo Jupyter Notebook:

matplotlib.pyplot.title ("Titolo del mio grafico")

Gli assi x e y possono essere rispettivamente etichettati come di seguito:

matplotlib.pyplot.xlabel ("la mia etichetta dell'asse x")
matplotlib.pyplot.ylabel ("la mia etichetta dell'asse y")

Imparare di più

Puoi eseguire il file Aiuto() comando nel tuo notebook per ottenere assistenza interattiva sui comandi di Jupyter. Per ottenere maggiori informazioni su un oggetto particolare, puoi usare aiuto (oggetto).

Troverai anche una buona pratica provare a disegnare grafici usando set di dati da file csv. Imparare a visualizzare i dati è uno strumento potente per comunicare e analizzare i risultati, quindi vale la pena dedicare del tempo per sviluppare le proprie capacità.

Come importare dati Excel in script Python usando Pandas

Per l'analisi avanzata dei dati, Python è migliore di Excel. Ecco come importare i tuoi dati Excel in uno script Python usando Pandas!

Leggi Avanti

Circa l'autore