So zeichnen Sie Diagramme in Jupyter Notebook

Artikel in der nächsten Schaltfläche: 899988

Jupyter Notebook ist das erste Tool für Datenwissenschaftler. Es bietet eine interaktive Weboberfläche, die zur Datenvisualisierung, einfachen Analyse und Zusammenarbeit verwendet werden kann.

Mithilfe der Datenvisualisierung können Sie den Kontext für Ihre Daten mithilfe von Karten oder Grafiken finden. Dieses Tutorial bietet eine aufschlussreiche Anleitung zur Interaktion mit Grafiken in Jupyter Notebook.

Voraussetzungen

Du brauchst habe Jupyter installiert auf Ihrer Maschine. Wenn dies nicht der Fall ist, können Sie es installieren, indem Sie den folgenden Code in Ihre Befehlszeile eingeben:

 $ pip jupyter installieren

Du wirst auch das brauchen Pandas und matplotlib Bibliothek:

$ pip Pandas installieren

$ pip installiere matplotlib

Starten Sie nach Abschluss der Installation den Jupyter Notebook-Server. Geben Sie dazu den folgenden Befehl in Ihr Terminal ein. Eine Jupyter-Seite mit Dateien im aktuellen Verzeichnis wird im Standardbrowser Ihres Computers geöffnet.

$ jupyter Notizbuch

Hinweis: Schließen Sie nicht das Terminalfenster, in dem Sie diesen Befehl ausführen. Ihr Server stoppt, wenn Sie dies tun.

Einfache Handlung

Führen Sie auf einer neuen Jupyter-Seite diesen Code aus:

importiere matplotlib.pyplot als 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 ()

Der Code ist für ein einfaches Liniendiagramm. Die erste Zeile importiert die Pyplot Grafikbibliothek aus dem matplotlib API. Die dritte und vierte Zeile definieren die x- bzw. y-Achse.

Das Handlung() Methode wird aufgerufen, um den Graphen zu zeichnen. Das Show() Methode wird dann verwendet, um das Diagramm anzuzeigen.

Angenommen, Sie möchten stattdessen eine Kurve zeichnen. Der Prozess ist der gleiche. Ändern Sie einfach die Werte der Python-Liste für die y-Achse.

importiere matplotlib.pyplot als 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 ()

Beachten Sie etwas Wichtiges: In beiden Diagrammen gibt es keine explizite Skalendefinition. Die Skala wird automatisch berechnet und angewendet. Dies ist eine der vielen interessanten Funktionen von Juypter, mit denen Sie sich auf Ihre Arbeit konzentrieren können (Datenanalyse), anstatt sich um Code zu kümmern.

Wenn Sie auch wachsam sind, können Sie feststellen, dass die Anzahl der Werte für die x- und y-Achse gleich ist. Wenn einer von ihnen kleiner als der andere ist, wird beim Ausführen des Codes ein Fehler markiert und kein Diagramm angezeigt.

Verfügbare Typen

Im Gegensatz zum obigen Liniendiagramm und der obigen Kurve müssen andere Diagrammvisualisierungen (z. B. ein Histogramm, ein Balkendiagramm usw.) explizit definiert werden, um angezeigt zu werden.

Balkendiagramm

Um ein Balkendiagramm anzuzeigen, müssen Sie das verwenden Bar() Methode.

importiere matplotlib.pyplot als 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 ()

Streudiagramm

Alles was Sie tun müssen, ist die zu verwenden streuen() Methode im vorherigen Code.

importiere matplotlib.pyplot als 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 ()

Kuchendiagramm

Ein Tortendiagramm unterscheidet sich ein wenig von den anderen oben. Zeile 4 ist von besonderem Interesse. Schauen Sie sich also die Funktionen dort an.

figsize wird verwendet, um das Seitenverhältnis einzustellen. Sie können dies auf einen beliebigen Wert einstellen (z. B. (9,5)). In den offiziellen Pandas-Dokumenten wird jedoch empfohlen, ein Seitenverhältnis von 1 zu verwenden.

importiere matplotlib.pyplot als plt
x = [4,9,16,25,36]
fig = plt.figure (figsize = (9, 5)) # Zeile 4
plt.pie (x)
plt.show ()

Es gibt einige Parameter im Kreisdiagramm, die bemerkenswert sind:

Etiketten - Dies kann verwendet werden, um jedem Slice im Kreisdiagramm eine Beschriftung zu geben.

Farben - Dies kann verwendet werden, um jeder der Scheiben vordefinierte Farben zu geben. Sie können Farben sowohl in Textform (z. B. "gelb") als auch in hexadezimaler Form (z. B. "# ebc713") angeben.

Siehe das folgende Beispiel:

importiere matplotlib.pyplot als plt
x = [4,9,16,25,36]
fig = plt.figure (figsize = (5.5, 5.5))
plt.pie (x, label = ("Guaven", "Beeren", "Mangos", "Äpfel", "Avocado"),
Farben = ("# a86544", "# eb5b13", "# ebc713", "# bdeb13", "# 8aeb13"))
plt.show ()

Es gibt auch andere Grundstücke wie hist, Bereich und kde dass du kannst Lesen Sie mehr über Pandas-Dokumente.

Plot-Formatierung

In den obigen Darstellungen gibt es keine Aspekte wie Beschriftungen. Hier erfahren Sie, wie das geht.

Fügen Sie zum Hinzufügen eines Titels den folgenden Code in Ihr Jupyter-Notizbuch ein:

matplotlib.pyplot.title ("Mein Graphentitel")

Die x- und y-Achse können jeweils wie folgt beschriftet werden:

matplotlib.pyplot.xlabel ("mein x-Achsen-Label")
matplotlib.pyplot.ylabel ("mein y-Achsen-Label")

Mehr lernen

Sie können die ausführen Hilfe() Befehl in Ihrem Notizbuch, um interaktive Unterstützung für Jupyter-Befehle zu erhalten. Um weitere Informationen zu einem bestimmten Objekt zu erhalten, können Sie verwenden Hilfe (Objekt).

Es wird auch empfohlen, Diagramme mit Datensätzen aus CSV-Dateien zu zeichnen. Das Erlernen der Visualisierung von Daten ist ein leistungsstarkes Werkzeug zur Kommunikation und Analyse Ihrer Ergebnisse. Es lohnt sich daher, sich etwas Zeit zu nehmen, um Ihre Fähigkeiten zu verbessern.

So importieren Sie Excel-Daten mit Pandas in Python-Skripte

Für die erweiterte Datenanalyse ist Python besser als Excel. So importieren Sie Ihre Excel-Daten mit Pandas in ein Python-Skript!

Weiter lesen

Über den Autor