Matplotlib -Diagramm mehrere Zeilen

Das Matplotlib -Modul, die am häufigsten verwendete Bibliothek für visuelle Analysen, ist in Python zugänglich. Es bietet viele Diagramme, Methoden und umfassende Frameworks für eine effiziente Datenanalyse. Wir könnten 2D- und 3D -Visualisierungen von Datensätzen aus verschiedenen Domänen vornehmen, einschließlich Sets, Arrays und numerischen Werten.

Es verfügt über ein Submodul, der als Pyplot bezeichnet wird, und bietet verschiedene Formen von Grafiken, Illustrationen und zugehörigen Komponenten für die Datenvisualisierung. Ein Zeilendiagramm ist ein Diagramm, das die Beziehung zwischen zwei unabhängigen Variablen auf einer X-Y-Achse darstellt. Wir werden die Methoden diskutieren, um verschiedene Zeilen mit Matplotlib in diesem Tutorial anzuzeigen.

Verwenden Sie mehrere Zeilenmuster, um verschiedene Zeilen zu visualisieren:

Mit Hilfe von Matplotlib können wir sogar viele Zeilen mit unterschiedlichen Linienmustern entwerfen und erstellen. Eindeutige Linienstile könnten an der Wirksamkeit der Visualisierung der Daten beteiligt sein.

Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
A = [2,4,6,8,10]
B = [8,8,8,8,8]
PLT.Diagramm (a, b, label = "Erste Zeile", linestyle = "-."))
PLT.Diagramm (b, a, label = "zweite Zeile", linestyle = "-")
PLT.Diagramm (a, np.sin (a), label = "dritte Zeile", linestyle = ":")
PLT.Diagramm (B, NP.cos (a), label = "vierte Zeile", linestyle = "-")
PLT.Legende()
PLT.zeigen()

Zu Beginn des Code importieren wir nur zwei Bibliotheken Matplotlib.Pyplot als PLT und ein numerisches Paket für Python namens Numpy als NP. Wir benötigen zwei Einträge als Daten mit jeweils zwei separaten Variablen (A und B), bevor Sie die Zeilen als unterschiedliche Konstrukte und Parameter für dieselben Datensätze präsentieren.

Darüber hinaus werden wir die PLT nutzen.Plot () Funktion zum Generieren mehrerer Zeilen. An diesen Funktionen sind vier Parameter beteiligt. Der erste Parameter der Funktion enthält den ersten Datensatz zum Erstellen der Zeile. Ein weiterer Datensatz wird ebenfalls als Parameter bereitgestellt. Wir verwenden das Argument "Etikett", um verschiedene Tags der gezeichneten Zeilen anzugeben.

Darüber hinaus müssen wir verschiedene Muster für die Linien angeben. In diesem Beispiel beschäftigen wir '-', '-', ',', '-.'und': 'Linienstile. Wir tragen die PLT an.Legend () Funktion. Legend () ist eine Methode in der Matplotlib -Bibliothek, mit der ein Tag in die Ebenen eingefügt wird. PLT.Show () Funktion wird angewendet, um das Diagramm zu visualisieren.

Mehrere Linien werden mit einer Legende in Python gezeichnet:

Durch Bereitstellung der Label, die den Zeilen aufgrund ihrer Identifizierung in der Matplotlib zur Verfügung gestellt wird.Pyplot.Plot () Methode, wir werden dem Diagramm ein Etikett hinzufügen.

Matplotlib importieren.Pyplot als PLT
A1 = [150,250.350]
B1 = [250.100.350]
PLT.Diagramm (A1, B1, Label = "Erste Zeile")
A2 = [100.200.300]
B2 = [200.100.300]
PLT.Diagramm (A2, B2, Label = "Zweite Zeile")
PLT.xlabel ('x')
PLT.Ylabel ('Y')
PLT.Titel ('Abbildung')
PLT.Legende()
PLT.zeigen()

Hier müssen wir das Matplotlib -Paket integrieren, bevor wir den Code starten. Um die Punkte der ersten Zeile zu definieren, deklarieren wir zwei verschiedene Variablen, 'A1' und 'B1'. Jetzt müssen wir diese Punkte planen, also nennen wir die PLT.Plot () Funktion für die erste Zeile. Diese Funktion enthält drei Argumente: die Punkte der X-Achse und der y-Achse sowie der Parameter „Etikett“ zeigt die Bildunterschrift der ersten Zeile.

In ähnlicher Weise definieren wir Datensätze für diese Zeile. Diese Datensätze werden in zwei separaten Variablen gespeichert. Um die Datensätze der zweiten Zeile zu zeichnen, ist das PLT.Die Funktion plot () ist definiert. In dieser Funktion haben wir das Tag für die zweite Zeile angegeben.

Jetzt verwenden wir zwei separate Funktionen, um das Etikett sowohl der X-Achse als auch der y-Achse entsprechend zu definieren. Wir setzen auch das Etikett der Handlung, indem wir die PLT aufrufen.Titel () Funktion. Kurz vor der Präsentation des Handels führen wir die Matplotlib aus.Pyplot.Legend () Funktion, die die Bildunterschrift zur Abbildung hinzufügen würde, da alle Zeilen angezeigt werden.

Zeichnen Sie verschiedene Handlungslinien mit unterschiedlichen Skalen:

Wir haben oft zwei Datensätze, die für Zeilen der Grafiken geeignet sind. Ihre Datenpunkte sind jedoch drastisch unterschiedlich, und ein Vergleich zwischen diesen beiden Linien ist schwierig. Wir zeichnen die exponentielle Sequenz in diesem Schritt entlang einer logarithmischen Skala, die zu einer relativ horizontalen Linie führen kann.

Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
linear_sequence = [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
exponential_sequence = np.Exp (NP.Linspace (0, 20, 20))
Fig, Ax = PLT.Nebenhandlungen ()
Axt.Diagramm (linear_sequence, color = 'schwarz')
Axt.tick_params (axis = 'y', labelColor = 'schwarz')
ax1 = ax.Twinx ()
Ax1.Diagramm (exponential_sequence, color = 'blau')
Ax1.set_yscale ('log')
Ax1.tick_params (axis = 'y', labelColor = 'blau')
PLT.zeigen()

In diesem Fall entwickeln wir eine exponentiell wachsende Reihe von Zahlen mit Numpy und zeigen Sie dann diese eine Serie neben der anderen Sequenz entlang derselben Achsen nacheinander an. Wir haben verschiedene Werte sowohl für den Datensatz Linear_sequence als auch für den Datensatz exponential_sequence definiert.

Wir müssen die Linie der Punkte für die lineare Sequenz zeichnen, indem wir die AX aufrufen.Plot () Methode. Und wir haben auch die Färbung der Zeckenuntertitel in schwarze Farbe angegeben. Zu diesem Zweck definieren wir die Funktion Axe.tick_params (). Die Axt.Die Twinx () -Methode wird aufgerufen, um eine neue Achsenlinie in derselben Position zu entwickeln.

In ähnlicher Weise zeichnen wir die Linie für die exponentielle Sequenz und definieren auch die Farbe dieser Linie und ihres Etiketts. Wenn die erste Zeile eine zunehmend erweiterte Reihe von Werten enthält und die zweite Zeile eine linear erhöhte Reihe von Zahlen hat, kann die erste Zeile viel größere Zahlen haben als die zweite Zeile.

Wir haben zusätzlich den Farbton der Tick -Titel aktualisiert, um den Farbton der Liniendiagramme zu ändern. Andernfalls wäre es schwierig, vorherzusagen, welche Linie sich auf welcher Achse befindet.

In Python werden verschiedene Zeilen von einem Datenrahmen angezeigt:

In Python könnten wir Matplotlib auch verwenden, um verschiedene Zeilen innerhalb desselben Diagramms durch Daten zu erstellen, die von einem Datenrahmen erhalten wurden. Wir werden dies durch die Verwendung der Matplotlib erreichen.Pyplot.Plot () Methode zum Definieren mehrerer Werte aus dem DataFrame als X-Achse- und y-Achsenargumente. Durch die Aufteilung des Datenrahmens werden wir auch Elemente angeben.

Pandas als PD importieren
Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
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.umbenennen (columns = 0: 'a', 1: 'b', 2: 'c', inplace = true)
drucken (np.Form (df), Typ (df), df, sep = '\ n')
PLT.Diagramm (df ['a'], df ['b'], color = 'b', Label = 'erste Zeile')
PLT.Diagramm (df ['a'], df ['c'], color = 'g', label = 'zweite Zeile')
PLT.Legende()
PLT.zeigen()

Wir erwerben die Pakete, die in diesem Fall erforderlich sind. Für eine visuelle Darstellung verwenden wir Pyplot von Matplotlib, Numpy für die Datenerfassung und -verarbeitung und Pandas, um den Datensatz anzuzeigen. Jetzt erhalten wir die Daten für dieses Szenario. Daher entwickeln wir einen Datenrahmen, um den numerischen Wert anzugeben, der dargestellt werden muss.

Wir initialisieren ein 2D -Array und es wird der Pandas -Bibliothek hier zur Verfügung gestellt. Wir nennen den DF.Funktion umbename () und die Komponentenbezeichnungen werden an 'x', 'y' und 'z' modifiziert. Darüber hinaus definieren wir die Funktionen, um die Zeilen auf dem Diagramm anzuzeigen. Daher organisieren wir die Daten und fügen die Diagrammattribute hinzu, die wir im Diagramm befinden möchten. Das Attribut "Farbe" und "Etikett" wird der PLT zur Verfügung gestellt.Plot () Funktion. Am Ende repräsentieren wir die Figur.

Abschluss:

In diesem Artikel beobachteten wir, wie man Matplotlib verwendet. Wir haben darüber gesprochen, wie die Zeilen in denselben Achsen mit mehreren Skalen angezeigt werden, wie man Linien mit Beschriftungen anzeigt und Zeilen in einer Abbildung mit einem Datenrahmen anzeigt.