So verwenden Sie die Matplotlib -Trendlinie

Eine Trendlinie ist eine Linie, die an oder knapp unter entscheidenden Peaks oder Tiefpunkten erstellt wurde, um die aktuelle Bewertungsrichtung zu veranschaulichen. Für technische Analysten ist eine Trendlinie eine effektive Komponente. Analysten können Trendleitungsdarstellungen identifizieren, um die Trendrichtung und die anschließenden Abspring -Tendenzen zu bestimmen. Während des in Betracht gezogenen Zeitintervalls wählen Analysten zwei beliebige Punkte in einem Diagramm und verbinden sie mit der Bildung einer Liniengrafik.

Wenn wir einen kleineren Punkt in einem Trend akzeptieren, arbeitet er als Unterstützungslinie. Und wenn wir höhere Punkte auswählen, dient es als Widerstandslinie. Infolgedessen wird es verwendet, um diese beiden Flecken in einem Diagramm herauszufinden. Lassen Sie uns die Methode zum Hinzufügen einer Trendlinie zum Diagramm durch die Verwendung von Matplotlib in Python diskutieren.

Verwenden Sie Matplotlib, um eine Trendlinie in einem Streudiagramm zu erstellen:

Wir werden die Funktionen von PolyFit () und Poly1d () verwenden, um die Trendlinienwerte in Matplotlib zu erwerben, um eine Trendlinie in einem Streudiagramm zu konstruieren. Der folgende Code ist eine Skizze des Einfügens einer Trendlinie in einen Streudiagramm mit Gruppen:

Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
PLT.rcparams ["Figur.Figsize "] = [8.50, 2.50]
PLT.rcparams ["Figur.autolayout "] = true
a = np.willkürlich.Rand (200)
B = NP.willkürlich.Rand (200)
Fig, Ax = PLT.Nebenhandlungen ()
_ = ax.Streuung (a, b, c = a, cmap = 'regenbogen')
d = np.Polyfit (a, b, 1)
p = np.Poly1d (d)
PLT.Diagramm (a, p (a), "m:*")
PLT.zeigen()

Hier schließen wir Numpy und Matplotlib ein.Pyplot -Bibliotheken. Matplotlib.Pyplot ist ein Grafikpaket, das zum Zeichnen von Visualisierungen in Python verwendet wird. Wir können es für Anwendungen und verschiedene grafische Benutzeroberflächen verwenden. Die Numpy -Bibliothek bietet eine große Anzahl numerischer Datentypen, die wir verwenden können, um Arrays zu deklarieren.

In der nächsten Zeile passen wir die Größe der Abbildung an, indem wir die Funktion PLT aufrufen.rcparams (). Die Figur.Figsize wird als Parameter für diese Funktion übergeben. Wir setzen den Wert „True“, um den Abstand zwischen den Nebenhandlungen anzupassen. Jetzt nehmen wir zwei Variablen. Und dann erstellen wir Datensätze der X-Achse und der Y-Achse. Die Datenpunkte der X-Achse werden in der Variablen „A“ gespeichert, und die Datenpunkte der y-Achse werden in der Variablen „B“ gespeichert. Dies kann durch die Verwendung der Numpy -Bibliothek abgeschlossen werden. Wir machen ein neues Objekt der Figur. Und das Diagramm wird erstellt, indem die PLT angewendet wird.subplots () Funktion.

Zusätzlich wird die Scatter () -Funktion angewendet. Diese Funktion umfasst vier Parameter. Das Farbschema des Diagramms wird auch angegeben, indem „CMAP“ als Argument für diese Funktion bereitgestellt wird. Jetzt zeichnen wir Datensätze der X-Achse und der Y-Achse auf. Hier passen wir die Trendlinie von Datensätzen anhand von Polyfit () und Poly1D () -Funktionen an. Wir verwenden die Funktion Plot (), um die Trendlinie zu zeichnen.

Hier setzen wir den Linienstil, die Farbe der Linie und den Marker der Trendlinie. Am Ende werden wir mit Hilfe der PLT das folgende Diagramm anzeigen.show () Funktion:

Graphing -Anschlüsse hinzufügen:

Immer wenn wir ein Streudiagramm beobachten, möchten wir möglicherweise in der gesamten Richtung identifiziert, in der der Datensatz in einigen Situationen führt. Wenn wir jedoch eine klare Darstellung der Untergruppen erhalten, ist die Gesamtrichtung der verfügbaren Informationen nicht offensichtlich. In diesem Szenario setzen wir eine Trendlinie zum Ergebnis ein. In diesem Schritt beobachten wir, wie wir Steckverbinder in die Grafik hinzufügen.

Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
Pylab als PLB importieren
a1 = 25 * np.willkürlich.Rand (60)
a2 = 25 * np.willkürlich.Rand (60) + 25
a3 = 20 * np.willkürlich.Rand (20)
x = np.verkettet ((A1, A2, A3))
B1 = 25 * NP.willkürlich.Rand (50)
B2 = 25 * NP.willkürlich.Rand (60) + 25
B3 = 20 * NP.willkürlich.Rand (20)
y = np.verkettet ((A1, B2, B3))
PLT.Streuung (x, y, s = [200], marker = 'o')
z = np.Polyfit (x, y, 2)
p = np.Poly1d (z)
PLB.Diagramm (x, p (x), 'r-.'))
PLT.zeigen()

Zu Beginn des Programms importieren wir drei Bibliotheken. Dazu gehören Numpy, Matplotlib.Pyplot und Matplotlib.Pylab. Matplotlib ist eine Python -Bibliothek, mit der Benutzer dynamische und innovative grafische Darstellungen erstellen können. Matplotlib erzeugt hochwertige Grafiken mit der Fähigkeit, die visuellen Elemente und den Stil zu ändern.

Das Pylab -Paket integriert den Pyplot und die Numpy -Bibliotheken in eine bestimmte Quelldomäne. Jetzt nehmen wir drei Variablen zum Erstellen der Datensätze der X-Achse ein, die durch die Verwendung der Random () -Funktion der Numpy-Bibliothek erreicht werden.

Zuerst haben wir die Datenpunkte in der Variablen „A1“ gespeichert. Und dann werden Daten in "A2 "- und" A3 "-Variablen gespeichert. Jetzt erstellen wir eine neue Variable, die alle Datensätze der X-Achse speichert. Es verwendet die concatenate () -Funktion der Numpy -Bibliothek.

In ähnlicher Weise speichern wir Datensätze der y-Achse in den anderen drei Variablen. Wir erstellen die Datensätze der y-Achse mithilfe der Random () -Methode. Darüber hinaus verkettet wir alle diese Datensätze in einer neuen Variablen. Hier zeichnen wir ein Streudiagramm, also verwenden wir die PLT.Streuung () Methode. Diese Funktion enthält vier verschiedene Parameter. Wir übergeben Datensätze der X-Achse und der y-Achse in dieser Funktion. Und wir geben auch das Symbol des Markers an, das wir mit dem Parameter „Marker“ in einem Streudiagramm gezeichnet werden möchten.

Wir stellen die Daten für die Numpy Polyfit () -Methode an, die eine Reihe von Parametern liefert, "P". Hier optimiert es den endlichen Differenzfehler. Daher könnte eine Trendlinie erstellt werden. Die Regressionsanalyse ist eine statistische Technik zur Bestimmung einer Linie, die im Bereich der lehrreichen Variablen x enthalten ist. Und es repräsentiert die Korrelation zwischen zwei Variablen, im Fall der X-Achse und der Y-Achse. Die Intensität der Polynomkongruenz wird durch das Dritte Polyfit () Argument angezeigt.

Polyfit () gibt ein Array zurück, übergeben an die Poly1d () -Funktion und bestimmt die ursprünglichen Y-Achsen-Datensätze. Wir zeichnen eine Trendlinie auf dem Streudiagramm, indem wir die Funktion Plot () verwenden. Wir können den Stil und die Farbe der Trendlinie anpassen. Zuletzt beschäftigen wir die PLT.show () Methode zur Darstellung der Grafik.

Abschluss:

In diesem Artikel haben wir mit verschiedenen Beispielen über Matplotlib -Trendlinien gesprochen. Wir haben auch diskutiert, wie man eine Trendlinie in einem Streudiagramm durch die Verwendung von Polyfit () und Poly1D () -Funktionen erstellt. Am Ende veranschaulichen wir Korrelationen in den Datengruppen. Wir hoffen, Sie haben diesen Artikel hilfreich gefunden. Weitere Tipps und Tutorials finden Sie in den anderen Linux -Hinweisartikeln.