Come utilizzare la linea di tendenza di matplotlib

Una linea di tendenza è una linea creata a o appena sotto i picchi chiave o punti bassi per illustrare la direzione di valutazione corrente. Per gli analisti tecnici, una linea di tendenza è un componente efficace. Gli analisti possono identificare le rappresentazioni della linea di tendenza per determinare la direzione della tendenza e le tendenze di rimbalzo successive. Durante l'intervallo di tempo in esame, gli analisti scelgono due punti su un grafico e li collegano per formare un grafico della linea.

Quando accettiamo un punto più piccolo in una tendenza, funziona come una linea di supporto. E quando selezioniamo punti più alti, funge da linea di resistenza. Di conseguenza, verrà utilizzato per capire questi due punti su un grafico. Discutiamo il metodo per aggiungere una linea di tendenza al grafico mediante l'uso di Matplotlib in Python.

Usa matplotlib per creare una linea di tendenza in un grafico a dispersione:

Utilizzeremo le funzioni di polifit () e poli1d () per acquisire i valori della linea di tendenza in matplotlib per costruire una linea di tendenza in un grafico a dispersione. Il seguente codice è uno schizzo dell'inserimento di una linea di tendenza in un grafico a dispersione con gruppi:

Importa matplotlib.Pyplot come Plt
Importa Numpy come NP
Plt.rcparams ["figura.figsize "] = [8.50, 2.50]
Plt.rcparams ["figura.autolayout "] = true
a = np.casuale.Rand (200)
b = np.casuale.Rand (200)
Fig, ax = PLT.sottotrame ()
_ = ax.SPIREST (a, b, c = a, cmap = 'arcobaleno')
d = np.Polyfit (A, B, 1)
p = np.poli1d (d)
Plt.Plot (a, p (a), "m:*")
Plt.spettacolo()

Qui, includiamo il numpy e matplotlib.Biblioteche Pyplot. Matplotlib.Pyplot è un pacchetto grafico utilizzato per disegnare visualizzazioni in Python. Possiamo utilizzarlo su applicazioni e diverse interfacce utente grafiche. La libreria Numpy fornisce un gran numero di tipi di dati numerici che possiamo utilizzare per dichiarare array.

Nella riga successiva, regoliamo le dimensioni della figura chiamando la funzione PLT.rcparams (). La figura.Le figure vengono passate come parametro a questa funzione. Impostiamo il valore "true" per regolare la spaziatura tra le sottotrame. Ora prendiamo due variabili. E poi, creiamo set di dati dell'asse x e dell'asse Y. I punti dati dell'asse X sono archiviati nella variabile "A" e i punti dati dell'asse y sono archiviati nella variabile "B". Questo può essere completato mediante l'uso della libreria numpy. Facciamo un nuovo oggetto della figura. E la trama viene creata applicando il PLT.funzione sottotrame ().

Inoltre, viene applicata la funzione Scatter (). Questa funzione comprende quattro parametri. La combinazione di colori del grafico è anche specificata fornendo "cmap" come argomento per questa funzione. Ora tracciamo set di dati dell'asse x e dell'asse Y. Qui, regoliamo la linea di tendenza dei set di dati utilizzando le funzioni Polyfit () e Poly1d (). Utilizziamo la funzione Plot () per disegnare la linea di tendenza.

Qui, impostiamo lo stile di linea, il colore della linea e il marcatore della linea di tendenza. Alla fine, mostreremo il seguente grafico con l'aiuto del PLT.Show () Function:

Aggiungi connettori grafici:

Ogni volta che osserviamo un grafico a dispersione, potremmo voler identificare la direzione generale che il set di dati si sta dirigendo in alcune situazioni. Sebbene se otteniamo una chiara rappresentazione dei sottogruppi, la direzione generale delle informazioni disponibile non sarà evidente. Inseriamo una linea di tendenza al risultato in questo scenario. In questo passaggio, osserviamo come aggiungiamo connettori al grafico.

Importa matplotlib.Pyplot come Plt
Importa Numpy come NP
Importa Pylab come PLB
a1 = 25 * np.casuale.Rand (60)
a2 = 25 * np.casuale.Rand (60) + 25
a3 = 20 * np.casuale.Rand (20)
x = np.concatenata ((A1, A2, A3))
B1 = 25 * NP.casuale.Rand (50)
B2 = 25 * NP.casuale.Rand (60) + 25
B3 = 20 * NP.casuale.Rand (20)
y = np.concatenata ((A1, B2, B3))
Plt.SPIRESS (x, y, s = [200], marker = 'o')
z = np.Polyfit (x, y, 2)
p = np.poli1d (z)
Plb.Trama (x, p (x), 'r-.')
Plt.spettacolo()

All'inizio del programma, importa tre librerie. Questi includono numpy, matplotlib.Pyplot e Matplotlib.Pylab. Matplotlib è una libreria Python che consente agli utenti di creare rappresentazioni grafiche dinamiche e innovative. Matplotlib genera grafici di alta qualità con la capacità di cambiare gli elementi visivi e lo stile.

Il pacchetto Pylab integra il pilota e le librerie numpy in un particolare dominio di origine. Ora, prendiamo tre variabili per la creazione dei set di dati dell'asse x, che viene realizzato usando la funzione casuale () della libreria numpy.

Innanzitutto, abbiamo archiviato i punti dati nella variabile "A1". E poi, i dati vengono archiviati nelle variabili "A2" e "A3", rispettivamente. Ora creiamo una nuova variabile che memorizza tutti i set di dati dell'asse x. Utilizza la funzione concatenata () della libreria numpy.

Allo stesso modo, archiviamo set di dati dell'asse y nelle altre tre variabili. Creiamo i set di dati dell'asse y utilizzando il metodo Random (). Inoltre, concateniamo tutti questi set di dati in una nuova variabile. Qui disegneremo un grafico a dispersione, quindi impieghiamo il PLT.Metodo Scatter (). Questa funzione contiene quattro parametri diversi. Passiamo set di dati dell'asse x e dell'asse Y in questa funzione. E specifichiamo anche il simbolo del marcatore che vogliamo essere disegnati in un grafico a dispersione usando il parametro "marcatore".

Forniamo i dati al metodo Numpy Polyfit (), che fornisce una serie di parametri, "P". Qui, ottimizza l'errore di differenza finita. Quindi, potrebbe essere creata una linea di tendenza. L'analisi di regressione è una tecnica statistica per determinare una linea inclusa nell'intervallo della variabile istruttiva x. E rappresenta la correlazione tra due variabili, nel caso dell'asse X e dell'asse Y. L'intensità della congruenza polinomiale è indicata dal terzo argomento Polyfit ().

Polyfit () restituisce un array, passa alla funzione poli1d () e determina i set di dati dell'asse Y originali. Disegniamo una linea di tendenza sul grafico a dispersione utilizzando la funzione trama (). Possiamo regolare lo stile e il colore della linea di tendenza. Infine, impieghiamo il PLT.Metodo show () per rappresentare il grafico.

Conclusione:

In questo articolo, abbiamo parlato delle linee di tendenza di Matplotlib con vari esempi. Abbiamo anche discusso di come creare una linea di tendenza in un grafico a dispersione mediante funzioni di polifit () e poli1d (). Alla fine, illustriamo correlazioni nei gruppi di dati. Speriamo che tu abbia trovato questo articolo utile. Controlla gli altri articoli di suggerimento Linux per ulteriori suggerimenti e tutorial.