Matplotlib -Zeilendiagramm
In diesem Artikel werden wir erklären, wie man benutzt Die Handlungsfunktion in Python.
Das Diagramm wird von Data Analytics häufig verwendet, um die Beziehung zwischen zwei numerischen Datensätzen herauszufinden. In diesem Artikel werden wir sehen, wie man das benutzt Matplotlib.Pyplot Zeichnen eines Zeilendiagramms. In diesem Artikel werden Sie vollständige Details erhalten, die Sie für die Handlungsplotfunktion benötigen.
Der Matplotlib.Pypolt Bietet verschiedene Möglichkeiten, die Grafik zu zeichnen. Um das Diagramm als Zeilendiagramm zu zeichnen, verwenden wir das Funktionsplot ().
Die Syntax ist:
| 1 2 3 | Matplotlib importieren.Pyplot als PLT PLT.Diagramm (x, y) |
Hier das X gehört zur x-Achse, und das y gehört zur y-Achse.
Beispiele:
Beispiel 1: Zeichnen Sie ein Zeilendiagramm mit Standardparametern
In diesem Beispiel zeichnen wir ein Zeilendiagramm mit der Matplotlib.Pyplot Standardeinstellungen. Wir erstellen nur zwei Datenpunkte (x und y) und zeichnen das Diagramm wie unten gezeigt dar. In diesem einfachen Beispiel hilft Ihnen das Verständnis der Liniengrafik. Die Daten, die wir hier erstellt haben. Wir können direkt aus den Daten sehen, aber die gleichen Informationen werden über das Zeilendiagramm angezeigt.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 | # line_chart_with_default_setings.py # Importieren Sie die erforderliche Bibliothek Matplotlib importieren.Pyplot als PLT Daten # x und y Daten Numberofemp = [13, 200, 250, 300, 350, 400] Jahr = [2011, 2012, 2013, 2014, 2015, 2016] # Diagramm eine Zeilendiagramm PLT.Diagramm (Jahr, Numberofemp) PLT.zeigen() |
Ausgang: python line_chart_with_default_setings.py
Zeile 3 bis 8: Wir importieren die erforderliche Bibliothek und erstellen zwei Listen für x und y. Die ListennummerOftemp repräsentiert die X-Achse und das Listenjahr repräsentiert die y-Achse.
Zeile 11 bis 12: Wir übergeben diese X- und Y -Parameter an die Plotfunktion und zeichnen dann die Zeilendiagramme auf.
Beispiel 2: Hinzufügen der Etikettennamen entlang der Achse Hinzufügen
In diesem Beispiel werden wir einige Standardeinstellungen ändern. Wenn wir das Diagrammdiagramm sehen, ist es schwierig zu verstehen, was der Diagramm zu sagen versucht, da keine Informationen zu X-Achse oder Y-Achse-Daten vorhanden sind. Außerdem können wir nicht sehen, wo sich die tatsächlichen Daten im Diagramm befinden. Wir werden also Markierungen hinzufügen, um die Datenpunkte auf dem Diagramm zusammen mit den Etiketten zu sehen.
Die Liste des Markers, den wir verwenden können, ist unten angegeben:
| Marker | Symbol | Beschreibung |
|---|---|---|
| “.” | Punkt | |
| "," | Pixel | |
| "Ö" | Kreis | |
| "V" | Triangle_down | |
| "^" | Triangle_up | |
| “<“ | Triangle_Left | |
| ">" | Triangle_Right | |
| "1" | Tri_down | |
| "2" | tri_up | |
| "3" | tri_left | |
| "4" | tri_right | |
| "8" | Achteck | |
| "S" | Quadrat | |
| "P" | Pentagon | |
| "P" | Plus (gefüllt) | |
| "*" | Stern | |
| "H" | Hexagon1 | |
| "H" | Hexagon2 | |
| "+" | Plus | |
| "X" | X | |
| "X" | x (gefüllt) | |
| "D" | Diamant | |
| "D" | Dünn_diamond | |
| "|" | VLINE | |
| "_" | Hline | |
| 0 (Tickleft) | Tickleft | |
| 1 (scheinbar) | scheinbar | |
| 2 (Eintreffen) | Kanzle | |
| 3 (tickdown) | tickdown | |
| 4 (Caretleft) | Caretleft | |
| 5 (Caretright) | Caretright | |
| 6 (Caretup) | Pfarrer | |
| 7 (Caretdown) | Caretdown | |
| 8 (Caretleftbase) | Caretleft (zentriert an der Basis) | |
| 9 (Caretrightbase) | Caretright (zentriert an der Basis) | |
| 10 (Caretupbase) | Caretup (zentriert an der Basis) | |
| 11 (Caretdownbase) | Caretdown (zentriert an der Basis) | |
| "Keine", "oder" " | Nichts | |
| '$… $' ' | Rendern Sie die Zeichenfolge mit MathText. E.G., "$ F $" für den Marker, der den Buchstabenf zeigt. | |
| Verts | Eine Liste von (x, y) Paaren, die für Pfadscheitelpunkte verwendet werden. Die Mitte des Markers befindet sich bei (0, 0) und die Größe wird normalisiert, so dass der erstellte Pfad in der Einheitszelle eingekapselt ist. |
Ref: https: // Matplotlib.org/stabil/api/markers_api.html
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 | # lineechart_labels_marker.py # Importieren Sie die erforderliche Bibliothek Matplotlib importieren.Pyplot als PLT Daten # x und y Daten Numberofemp = [13, 200, 250, 300, 350, 400] Jahr = [2011, 2012, 2013, 2014, 2015, 2016] # Diagramm eine Zeilendiagramm PLT.Plot (Jahr, Numberofemp, Marker = "O") # Label-Name des X-Achse-Titels festlegen PLT.xlabel ("Jahr") # Label-Name des X-Achse-Titels festlegen PLT.Ylabel ("Anzahl der Mitarbeiter") # Label Name des Diagrammtitels festlegen PLT.Titel ("Anzahl des Wachstums der Mitarbeiter des Mitarbeiters")) PLT.zeigen() |
Ausgang: python lineechart_labels_marker.py
Zeile 11: Wir fügen einen weiteren Parameter im Plotfunktionsmarker hinzu. Der Marker wird verwendet, um die Datenpunkte in der Grafik anzuzeigen. Es stehen mehrere Marker zur Verfügung, um die bereitgestellten Daten zu unterstützen.
Zeile 13 bis 19: Wir setzen die Labelnamen entlang der X-Achse, y-Achse zusammen mit dem Titelnamen des Diagramms.
Beispiel 3:
Die Plotfunktion hat ein String -Formatierungskonzept, dessen Syntax so ist:
| 1 | '[Marker] [Zeile] [Farbe]' |
In der obigen Syntax repräsentiert der erste den Markerwert, die zweite repräsentiert den Zeilenart und der letzte Wert repräsentiert die Farbe. In diesem Beispiel werden wir diese Option für String -Format verwenden.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 | # LINECHART_FORMATTINGSTRING.py # Importieren Sie die erforderliche Bibliothek Matplotlib importieren.Pyplot als PLT Daten # x und y Daten Numberofemp = [13, 200, 250, 300, 350, 400] Jahr = [2011, 2012, 2013, 2014, 2015, 2016] # Diagramm eine Zeilendiagramm PLT.Plot (Jahr, Numberofemp, "O-R") # Label-Name des X-Achse-Titels festlegen PLT.xlabel ("Jahr") # Label-Name des X-Achse-Titels festlegen PLT.Ylabel ("Anzahl der Mitarbeiter") # Label Name des Diagrammtitels festlegen PLT.Titel ("Anzahl des Wachstums der Mitarbeiter des Mitarbeiters")) PLT.zeigen() |
Zeile 11: Sie können sehen, dass wir eine Zeichenfolge hinzugefügt haben, „O-R“, diese Zeichenfolge, die wir in drei Teile teilen können, in denen „O“ den Hersteller darstellt, „-“ den Zeilenart und „R“ den Farbwert Red repräsentiert. Nach der Verwendung der oben genannten Zeichenfolge sieht unser geplanter Zeilendiagramm wie unten aus:
Ausgang: Python lineechart_FormattingString.py
Wir können auch den Wert des String -Formats entsprechend unserer Wahl ändern. Wir werden also wieder die String -Formatierung verwenden, aber mit unterschiedlichen Werten:
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 | # LINECHART_FORMATTINGSTRING.py # Importieren Sie die erforderliche Bibliothek Matplotlib importieren.Pyplot als PLT Daten # x und y Daten Numberofemp = [13, 200, 250, 300, 350, 400] Jahr = [2011, 2012, 2013, 2014, 2015, 2016] # Diagramm eine Zeilendiagramm PLT.Plot (Jahr, Numberofemp, "*-B") # Label-Name des X-Achse-Titels festlegen PLT.xlabel ("Jahr") # Label-Name des X-Achse-Titels festlegen PLT.Ylabel ("Anzahl der Mitarbeiter") # Label Name des Diagrammtitels festlegen PLT.Titel ("Anzahl des Wachstums der Mitarbeiter des Mitarbeiters")) PLT.zeigen() |
Zeile 11: Wir ändern das String-Format in "*-b".
Nachdem das Zeichenfolgenformat geändert wurde, wird unser Zeilendiagramm unten angezeigt. So können wir den Zeichen des Zeichenfolgeformatwerts entsprechend unserer Wahl einstellen. Der Vorteil der Verwendung, wir müssen den Parameternamen nicht als Marker und Farbe verwenden. Im Stringformat repräsentiert „B“ die blaue Farbe.
Beispiel 4: Färben Sie die Liniendiagramme
In diesem Beispiel werden wir die Farbe des Liniendiagramms mit dem Parameter ändern. In den vorherigen Beispielen haben wir diese Option für Farbänderungen durch die String -Formatierung gesehen. Wir können jedoch auch die Farbe mit dem Parameter wie anderen Parametern ändern.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 | # Change_Colour.py # Importieren Sie die erforderliche Bibliothek Matplotlib importieren.Pyplot als PLT Daten # x und y Daten Numberofemp = [13, 200, 250, 300, 350, 400] Jahr = [2011, 2012, 2013, 2014, 2015, 2016] # Diagramm eine Zeilendiagramm PLT.Plot (Jahr, Numberofemp, Marker = 'D', MFC = 'Green', mec = 'Yellow', MS = '7') # Label-Name des X-Achse-Titels festlegen PLT.xlabel ("Jahr") # Label-Name des X-Achse-Titels festlegen PLT.Ylabel ("Anzahl der Mitarbeiter") # Label Name des Diagrammtitels festlegen PLT.Titel ("Anzahl des Wachstums der Mitarbeiter des Mitarbeiters")) PLT.zeigen() |
Zeile 11: Wir übergeben den Parametermarker = "D", MFC (markerfacecolor) grüne Farbe, mec (MarkedgeColor) Gelb und MS ((markieren).
Der MEC (MarkedgeColor) ist eine Farbe, die außerhalb des Datenpunkts liegt. Das letzte Diagramm nach dem Ausführen des obigen Programms wird unten angezeigt:
Beispiel 5: Diagramm Mehrere Diagramme in derselben Grafik, wenn die Zeilenskala gleich ist
Das Matplotlib unterstützt auch das Zeichnen mehrerer Diagramme in derselben Liniengrafik. Wir können den gleichen Diagramm mit der Freigabesachse zeichnen. Manchmal müssen Sie nur die X-Achse und die Y-Achse teilen. Manchmal müssen wir jedoch die X-Achse und die Y-Achse teilen, die beide von der Art der Werte abhängen, die wir haben. Hier haben wir in diesem Beispiel beide Werte derselben Skala, sodass wir das Diagramm leicht aufeinander zeichnen können.
Wir werden beide obigen Szenarien sehen, um sie besser zu verstehen.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 | # Sharing_x_axis.py # Importieren Sie die erforderliche Bibliothek Matplotlib importieren.Pyplot als PLT Daten # x und y Daten numberofemp_a = [13, 200, 250, 300, 350, 400] numberofemp_b = [10, 100, 150, 200, 250, 800] Jahr = [2011, 2012, 2013, 2014, 2015, 2016] # Diagramm eine Zeilendiagramm PLT.Plot (Jahr, numberofemp_a, marker = 'd', mfc = 'grün', mec = 'gelb', ms = '7') PLT.Plot (Jahr, numberofemp_b, marker = 'o', mfc = 'red', mec = 'green', ms = '7') # Label-Name des X-Achse-Titels festlegen PLT.xlabel ("Jahr") # Label-Name des X-Achse-Titels festlegen PLT.Ylabel ("Anzahl der Mitarbeiter") # Label Name des Diagrammtitels festlegen PLT.Titel ("Anzahl des Wachstums der Mitarbeiter des Mitarbeiters")) PLT.Legende (['numberofemp_a', 'numberofemp_b']) PLT.zeigen() |
Zeile 7 bis 8: Wir haben zwei Datenlisten, A und B, für die X-Achse erstellt. Aber sowohl A als auch B haben die gleichen y-Achsenwerte. In diesem Diagramm teilen wir also die X-Achse nur, weil die Skala der y-Achse für A und B gleich ist.
Zeile 12 bis 13: Wir haben gerade eine weitere Plotfunktion mit verschiedenen Parametern hinzugefügt.
Die Ausgabe wird unten angezeigt, wobei die x-Achse geteilt wird.
Ausgang: Python Sharing_x_axis.py
Beispiel 6: Mehrfachdiagramm, wenn die Skala nicht gleich ist
Jetzt werden wir ein Zeilendiagramm zeichnen, in dem wir die X-Achse nicht auf derselben Skala haben. Anschließend können wir die verschiedenen Skalen der x-Achse auf der linken und rechten Seite des Graphen unter Verwendung der Funktion von Twinx () zeichnen.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 | # line_with_different_scale.py # Importieren Sie die erforderliche Bibliothek Matplotlib importieren.Pyplot als PLT Daten # x und y Daten Numberofemp = [13, 200, 250, 300, 350, 400] rev = [0.4, 0.6, 0.8, 0.7, 0.8, 0.9] Jahr = [2011, 2012, 2013, 2014, 2015, 2016] # Plot Numberofemp auf xaxis_1 Fig, xaxis_1 = plt.Nebenhandlungen () xaxis_1.Plot (Jahr, Numberofemp, Marker = 'D', MFC = 'Green', mec = 'Yellow', MS = '7') xaxis_1.set_xlabel ("Jahr") xaxis_1.set_ylabel ("Anzahl der Mitarbeiter") xaxis_1.set_title ("Anzahl der Mitarbeiter und Einnahmen") # erstellen xaxis_2 mit freigegebener X-Achse xaxis_2 = xaxis_1.Twinx () # Plot Rev auf xaxis_2 xaxis_2.Plot (Jahr, rev, marker = 'o', mfc = 'rot', mec = 'grün', ms = '7') xaxis_2.set_ylabel ("rev [$ m]") # Die Legende festlegen Feige.Legende (['Anzahl der Mitarbeiter', 'rev'], loc = 'oben links') PLT.zeigen() |
Zeile 4: Wir importieren die erforderliche Bibliothek.
Zeile 7 bis 9: Wir haben drei Datensätze erstellt. Der neue Datensatz ist die Rev-Liste, die den Umsatz des Unternehmens zeigt. Hier haben wir unterschiedliche X-Achsenskalen. Dann können wir die verschiedenen Skalen auf der linken und rechten Seite zeigen. Dafür müssen wir die Funktion twinx () verwenden, um verschiedene Achsen zu erstellen, indem wir dieselbe x-Achse teilen.
Zeile 12 bis 16: Wir haben die PLT verwendet.Subplot () Funktion zum Erstellen unseres ersten Zeilendiagramms im Diagramm.
Zeile 19 bis 22: Wir haben die x-Achse mit der Funktion Twinx () geteilt und den Namen xaxis_2 zugewiesen.
Ausgang: python line_with_different_scale.py
Die folgende Ausgabe zeigt die beiden verschiedenen x-Achsen auf der linken und rechten Seite.
Abschluss:
In diesem Artikel haben wir gesehen. Wir haben alle wichtigen Konzepte erläutert, die zum Zeichnen eines Zeilendiagramms mit dem Matplotlib erforderlich sind. Außerdem haben wir den GitHub -Link hinzugefügt, um das Python -Skript für diesen Artikel herunterzuladen.