Anwendung von Python: Datenvisualisierung Teil 3: Verschiedene Grafiken

Liniendiagramm

Stellen Sie den Markertyp und die Farbe ein

matplotlib.pyplot.plot(x, y, marker="Markertyp", markerfacecolor="Markierungsfarbe") 
#Daten x auf der horizontalen Achse, Daten y auf der vertikalen Achse
# marker="Spezifizierer"Wenn Sie angeben, wird der Markertyp (Form) festgelegt.
# markerfacecolor="Spezifizierer"Wird angegeben, um die Markierungsfarbe festzulegen

Stellen Sie Linienstil und Farbe ein

matplotlib.pyplot.plot(x, y, linestyle="Linienstil", color="Linienfarbe")

Die Behandlung von Farben entspricht der Art des Markers.

Balkendiagramm

Erstellen eines Balkendiagramms

matplotlib.pyplot.bar(x, y)

Legen Sie eine Beschriftung auf der horizontalen Achse fest

matplotlib.pyplot.bar(x, y, tick_label=[Liste der Etiketten])

Erstellen Sie ein gestapeltes Balkendiagramm

Ein Diagramm, das zwei oder mehr Datenreihen darstellt, die für dasselbe Element gestapelt sind Es wird als gestapeltes Balkendiagramm bezeichnet.

matplotlib.pyplot.bar(x, y, bottom=[Liste der Datenspalten])
#Falls angegeben, kann der untere Rand für den entsprechenden Index festgelegt werden.

#Die Serie, die Sie unten beim Zeichnen der zweiten und der folgenden Serie anzeigen möchten
#Sie können ein gestapeltes Balkendiagramm erstellen, indem Sie es als unten angeben.

plt.legend("Serie 1 Etikett", "Etikett der Serie 2") 
#Wenn angegeben, kann die Legende festgelegt werden.

Histogramm

Erstellen Sie ein Histogramm

matplotlib.pyplot.hist(Listentyp-Datenarray)

Zählen der Anzahl der Daten, die in jeden Abschnitt passen

Es wird eine Häufigkeitsverteilung genannt.

Bei der Visualisierung der Häufigkeitsverteilung wird dies als Histogramm bezeichnet Häufig werden statistische Diagramme mit Häufigkeit (Häufigkeit) auf der vertikalen Achse und Klasse (Bereich) auf der horizontalen Achse verwendet.

Stellen Sie die Anzahl der Fächer ein

matplotlib.pyplot.hist(Listentyp-Datenspalte, bins=Anzahl der Behälter)
#Wenn Sie Bins angeben, können Sie in Klassen mit einer beliebigen Anzahl von Bins unterteilen.
# bins="auto"Wenn Sie angeben, wird die Anzahl der Fächer automatisch festgelegt.

Bei der Erstellung eines Histogramms ist es wichtig, in wie viele Klassen die Daten unterteilt sind. Die Nummer dieser Klasse

Es wird die Anzahl der Behälter genannt.

Normalisierung durchführen

matplotlib.pyplot.hist(Listentyp-Datenspalte, density=True)
# density=Wenn True angegeben ist, kann das Histogramm normalisiert werden.

Wenn angenommen wird, dass die Verteilung des Histogramms eine Normalverteilung ist Das Manipulieren des Histogramms, so dass die Summe 1 ist, wird als Normalisierung oder Standardisierung bezeichnet.

Erstellen Sie ein kumulatives Histogramm

matplotlib.pyplot.hist(Listentyp-Datenspalte, cumulative=True)
# cumulative=Wenn Sie True angeben, können Sie ein kumulatives Histogramm erstellen.

Relative Frequenz
Die Häufigkeit, ausgedrückt als Prozentsatz des Ganzen

Kumulative relative Häufigkeit
Summe der relativen Häufigkeiten bis zu dieser Klasse
Die kumulative relative Häufigkeit wird schließlich 1 sein.

Kumulatives Histogramm
Ein Histogramm der kumulativen relativen Häufigkeit
Sie können feststellen, ob dies fair ist, indem Sie die Zunahme oder Abnahme des kumulativen Histogramms untersuchen.

Streudiagramm

Erstellen Sie ein Streudiagramm

matplotlib.pyplot.scatter(x, y)
#Geben Sie die Daten x auf der horizontalen Achse und die entsprechenden Daten y auf der vertikalen Achse an.

Markertyp und Farbe einstellen

matplotlib.pyplot.scatter(x, y, marker="Markertyp", color="Markierungsfarbe")
#Die Typen und Farben werden in einem Faltliniendiagramm angezeigt.

Stellen Sie die Größe des Markers entsprechend dem Wert ein

matplotlib.pyplot.scatter(x, y, s=Markergröße)
#Der Standardwert ist 20.

Stellen Sie die Markierungsdichte entsprechend dem Wert ein

matplotlib.pyplot.scatter(x, y, c=Listet Typdaten auf, die der Markierungsfarbe oder den Plotdaten entsprechen, cmap="Farbsystemspezifizierer")
# c=Sie können die Markierungsfarbe festlegen, indem Sie die Markierungsfarbe angeben

#Geben Sie die Listentypdaten an, die den Chargendaten in c entsprechen
#Weitere cmap="Farbsystemspezifizierer"Wenn Sie angeben, können Sie den Marker in Abstufung mit der Dunkelheit entsprechend dem Wert von c anzeigen.

Achten Sie auf mehrere Systeme.

Farbbalken anzeigen

matplotlib.pyplot.colorbar()
#Wenn Sie den Farbbalken anzeigen, können Sie den ungefähren Wert an der Dunkelheit des Markers erkennen.

Es entspricht der rechten Seite der Abbildung unten.

Kuchendiagramm

Erstellen eines Kreisdiagramms

matplotlib.pyplot.pie() 
#Verwenden Sie dies, um einen Kreis zu zeichnen.

matplotlib.pyplot.axis("equal") 
#Hier erfahren Sie, wie Sie den Graphen kreisförmig machen. Ohne diesen Code wäre er elliptisch.

Legen Sie eine Beschriftung im Kreisdiagramm fest

matplotlib.pyplot.pie(Daten, labels=[Liste der Etiketten])

Stellen Sie sicher, dass bestimmte Elemente hervorstechen

matplotlib.pyplot.pie(Daten, explode=[Liste der Prominenz])
#Jedes Element kann separat angezeigt werden.
#Geben Sie für "Auffälligkeit" einen Wert von 0 bis 1 als Listentypdaten an.

3D-Grafik

Erstellen Sie 3D-Achsen

import matplotlib
matplotlib.pyplot.figure().add_subplot(1, 1, 1, projection="3d")

Um ein 3D-Diagramm zu zeichnen, müssen Sie ein Unterdiagramm mit 3D-Zeichenfunktionen erstellen Geben Sie beim Erstellen des Unterplots projection = "3d" an.

Erstellen Sie eine gekrümmte Oberfläche

#Unterzeichnung ist eine Variable`ax`Im Falle von
ax.plot_surface(X, Y, Z)

matplotlib.pyplot.show()#Das gezeichnete Diagramm wird auf diese Weise auf dem Bildschirm ausgegeben.

Wenn Sie ein Diagramm zeichnen möchten, das so nah wie möglich an true liegt Zeichnen Sie eine gekrümmte Oberfläche, indem Sie die Daten angeben, die der x-Achse, der y-Achse und der z-Achse in plot_surface () entsprechen.

Erstellen Sie ein 3D-Histogramm

#Unterzeichnung ist eine Variable`ax`Im Falle von
ax.bar3d(xpos, ypos, zpos, dx, dy, dz)
# bar3d()Geben Sie die Daten an, die den Positionen der x-Achse, der y-Achse und der z-Achse entsprechen, sowie den Änderungsbetrag in

Dreidimensionale Histogramme und Balkendiagramme sind effektive Methoden, um die Beziehung zwischen zwei Elementen zu finden. Jedes Element des Datensatzes entspricht der x-Achse und der y-Achse und wird gestapelt und in Richtung der z-Achse ausgedrückt.

Erstellen Sie ein 3D-Streudiagramm

x = np.ravel(X)
#Unterzeichnung ist eine Variable`ax`Im Falle von
ax.scatter3D(x, y, z)

# scatter3D()Geben Sie die Daten an, die der x-Achse, der y-Achse und der z-Achse in entsprechen.

#Weil die von Ihnen angegebenen Daten eindimensional sein müssen
#Wenn es sich nicht um eindimensionale Daten handelt, np im Voraus.ravel()Konvertieren Sie die Daten mit.

Das dreidimensionale Streudiagramm enthält drei Arten von Daten, die miteinander in Beziehung stehen (oder wahrscheinlich haben). Das Zeichnen in einem dreidimensionalen Raum ist nützlich, um Trends in Daten visuell vorherzusagen.

Wenden Sie die Farbkarte auf das 3D-Diagramm an

#Importieren Sie cm im Voraus aus matplotlib.
import matplotlib.cm as cm

#Unterzeichnung ist eine Variable`ax`Im Falle von
ax.plot_surface(X, Y, Z, cmap=cm.coolwarm)
#Zeichnen Sie beim Zeichnen von Daten_surface()Zu cmap=cm.Wenn Sie coolwarm angeben
#Sie können eine Farbkarte auf die Werte der Z-Achse anwenden.

3D-Diagramme mit monotonen Farben sind möglicherweise schwer zu erkennen, z. B. Bereiche mit vielen Unregelmäßigkeiten. Verwenden Sie in diesem Fall die Funktion, um die angezeigte Farbe entsprechend den Koordinaten der Punkte im Diagramm zu ändern. Sie können es einfacher machen zu sehen.