Matplotlib traccia più righe

Il modulo Matplotlib, la libreria più ampiamente utilizzata per l'analisi visiva, è accessibile in Python. Offre molti grafici, metodi e framework completi per un'analisi efficiente dei dati. Potremmo realizzare visualizzazioni 2D e 3D di set di dati da vari domini, inclusi set, array e valori numerici.

Ha un sotto -modulo chiamato Pyplot e offre diverse forme di grafici, illustrazioni e componenti associati per la visualizzazione dei dati. Un diagramma di linea è un grafico che raffigura la relazione tra due variabili indipendenti su un asse x-y. Discuteremo i metodi per visualizzare linee diverse utilizzando matplotlib in questo tutorial.

Utilizzo di più modelli di righe per visualizzare linee diverse:

Con l'aiuto di Matplotlib, possiamo persino progettare e creare molte linee con diversi motivi di linea. Gli stili di linea unici potrebbero essere coinvolti nell'efficacia della visualizzazione dei dati.

Importa matplotlib.Pyplot come Plt
Importa Numpy come NP
A = [2,4,6,8,10]
B = [8,8,8,8,8]
Plt.Plot (A, B, etichetta = "First Line", Linestyle = "-.")
Plt.trama (b, a, etichetta = "seconda riga", linestyle = "-")
Plt.trama (a, np.sin (a), etichetta = "terza riga", linestyle = ":")
Plt.Trama (B, NP.cos (a), etichetta = "quarta riga", linestyle = "-")
Plt.leggenda()
Plt.spettacolo()

All'inizio del codice, importiamo solo due librerie matplotlib.Pyplot come PLT e un pacchetto numerico per Python chiamato Numpy come NP. Richiederemo due voci come dati, ognuna con due variabili separate (A e B), prima di presentare le linee come costrutti e parametri distinti per gli stessi set di dati.

Inoltre, utilizzeremo il PLT.Plot () funzione per generare diverse righe. Ci sono quattro parametri coinvolti in queste funzioni. Il primo parametro della funzione contiene il primo set di dati per creare la riga. Un altro set di dati è anche fornito come parametro. Usiamo l'argomento "etichetta" per specificare tag diversi delle righe disegnate.

Oltre a ciò, dobbiamo indicare diversi schemi per le linee. In questo esempio, impieghiamo '-', '-', '-.', e': 'Stili di linea. Applichiamo il PLT.funzione leggenda (). Legend () è un metodo nella libreria Matplotlib che verrebbe utilizzato per inserire un tag sui piani. Plt.La funzione show () viene applicata per visualizzare la trama.

Sono disegnate più linee con una leggenda in Python:

Fornendo l'etichetta data alle righe a causa della sua identificazione nel matplotlib.Pyplot.Metodo trama (), aggiungeremo un'etichetta al grafico per distinguere numerose righe nella trama in Python con matplotlib.

Importa matplotlib.Pyplot come Plt
A1 = [150.250.350]
B1 = [250.100.350]
Plt.Plot (A1, B1, etichetta = "Prima riga")
A2 = [100.200.300]
B2 = [200.100.300]
Plt.Plot (A2, B2, etichetta = "seconda riga")
Plt.xlabel ('x')
Plt.ylabel ('y')
Plt.Titolo ('figura')
Plt.leggenda()
Plt.spettacolo()

Qui dobbiamo integrare il pacchetto matplotlib prima di iniziare il codice. Per definire i punti della prima riga, dichiariamo due diverse variabili, "A1" e "B1". Ora dobbiamo tracciare questi punti, quindi chiamiamo PLT.Plot () funzione per la prima riga. Questa funzione contiene tre argomenti: i punti dell'asse x e dell'asse Y e il parametro "etichetta" mostra la didascalia della prima riga.

Allo stesso modo, definiamo set di dati per questa riga. Questi set di dati sono archiviati in due variabili separate. Per tracciare i set di dati della seconda riga, il PLT.La funzione Plot () è definita. All'interno di questa funzione, abbiamo specificato il tag per la seconda riga.

Ora impieghiamo due funzioni separate per definire l'etichetta sia dell'asse x che dell'asse Y di conseguenza. Abbiamo anche impostato l'etichetta della trama chiamando il PLT.Titolo () funzione. Poco prima di presentare la trama, eseguiamo il matplotlib.Pyplot.funzione Legend (), che aggiungerebbe la didascalia alla figura poiché vengono visualizzate tutte le linee.

Disegna linee di trama diverse con scale distinte:

Spesso abbiamo due serie di dati appropriati per le righe dei grafici; Tuttavia, i loro punti dati sono drasticamente diversi e è difficile fare un confronto tra queste due linee. Disegniamo la sequenza esponenziale lungo una scala di registro in questo passaggio, che potrebbe comportare una linea relativamente orizzontale perché la scala Y si espanderà gradualmente.

Importa matplotlib.Pyplot come Plt
Importa Numpy come NP
linear_sequence = [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
Exponential_sequence = np.Exp (NP.Linspace (0, 20, 20))
Fig, ax = PLT.sottotrame ()
ascia.trama (linear_sequence, color = 'black')
ascia.tick_params (axis = 'y', etichetta = 'nero')
ax1 = ax.Twinx ()
ax1.Plot (exponential_sequence, color = 'blue')
ax1.set_yscale ('log')
ax1.tick_params (axis = 'y', etichetta = 'blu')
Plt.spettacolo()

In questo caso, sviluppiamo una serie di numeri in crescita esponenzialmente con numpy, quindi visualizziamo quella serie accanto all'altra sequenza lungo gli stessi assi, in sequenza. Abbiamo definito valori diversi sia per il set di dati Linear_Isequence che per il set di dati Exponential_Equence.

Dobbiamo disegnare la linea dei punti per la sequenza lineare chiamando l'ascia.Metodo trama (). E abbiamo anche specificato la colorazione delle didascalie al colore nero. A tale scopo, definiamo la funzione AX.tick_params (). L'ascia.Il metodo Twinx () è chiamato per sviluppare una nuova linea Axes situata nella stessa posizione.

Allo stesso modo, disegniamo la linea per la sequenza esponenziale e definiamo anche il colore di questa linea e la sua etichetta. Se la prima riga contiene una serie di valori progressivamente in espansione e la seconda riga ha una serie di numeri in aumento linearmente, la prima riga può avere numeri molto maggiori rispetto alla seconda riga.

Abbiamo inoltre aggiornato la tonalità dei titoli di spunta per modificare la tonalità delle trame di linea; altro, sarebbe difficile prevedere qualunque linea sia su quale asse.

Diverse righe vengono visualizzate in Python da un telaio di dati:

In Python, potremmo anche utilizzare Matplotlib per creare linee diverse all'interno dello stesso grafico per i dati ottenuti da un frame di dati. Lo realizzeremo usando il matplotlib.Pyplot.Metodo trama () per definire più valori dal frame dati come argomenti di asse x e asse y. Dividendo il frame dati, specificheremo anche gli elementi.

Importa panda come PD
Importa matplotlib.Pyplot come Plt
Importa Numpy come NP
df = pd.DataFrame ([[8, 6, 4], [11, 15, 6], [20, 13, 17],
[27, 22, 19], [33, 35, 16], [40, 25, 28],
[50, 36, 30]])
df.rinominare (colonne = 0: 'a', 1: 'b', 2: 'c', inplace = true)
Stampa (NP.Shape (df), type (df), df, sep = '\ n')
Plt.Plot (df ['a'], df ['b'], color = 'b', etichetta = 'prima riga')
Plt.trama (df ['a'], df ['c'], color = 'g', etichetta = 'seconda riga')
Plt.leggenda()
Plt.spettacolo()

Acquisiamo i pacchetti richiesti in questo caso. Per una rappresentazione visiva, impieghiamo Pyplot da Matplotlib, Numpy per la raccolta e l'elaborazione dei dati e i panda per indicare il set di dati. Ora otterremo i dati per questo scenario. Quindi sviluppiamo un frame dati per specificare il valore numerico che deve essere rappresentato.

Inizializzamo un array 2D ed è fornito alla biblioteca dei Pandas qui. Chiamiamo DF.La funzione di rinominare () e le etichette dei componenti vengono modificate in "x", "y" e "z". Oltre a ciò, definiamo le funzioni per visualizzare le linee sulla trama. Quindi, organizziamo i dati e aggiungiamo gli attributi grafici che vogliamo essere nella trama. L'attributo "colore" e "etichetta" è fornito al PLT.Plot () funzione. Alla fine, rappresentiamo la figura.

Conclusione:

In questo articolo, abbiamo osservato come utilizzare Matplotlib per mostrare molte righe sullo stesso grafico o dimensioni. Abbiamo parlato di come visualizzare le linee all'interno degli stessi assi con più scale, come visualizzare le linee con etichette e visualizzare le linee in una figura con un frame dati.