Udover Pandas og Seaborn vil jeg også gerne give dig en kort introduktion til matplotlib. Matplotlib er et andet vigtigt modul og bibliotek i Python. Det bruges til datavisualisering. Nedenstående kodningseksempel får dig i gang. Den fulde dokumentation om matplotlib er tilgængelig her: https://matplotlib.org/index.html

# importerer matplotlib, matplotlib.pyplot 
importerer matplotlib 
importerer matplotlib.pyplot som plt 
# importerer pandaer og numpy, da vi ønsker at visualisere data gemt i datarammer 
import pandaer 
import numpy 
# importer et datasæt og vis headeren 
data_df = pandas.read_csv(" oica.csv",sep=","") 
data_df.head()

# trin 1: skab overfladen, figuren; tillader f.eks. indstilling af størrelsen 
# figuren er som en side; en figur kan indeholde flere plots, dvs. akser 
plt.figure(figsize=(10,10))

<Figurstørrelse 720x720 med 0 akser>

<Figurstørrelse 720x720 med 0 akser>

# .subplots() returnerer figuren og akserne; 
# akserne er de basiskoordinater, som du plotter på; 
# som nævnt kan en figur indeholde flere akser 
plt.figure(figsize=(10,10)) 
plt.subplots()

(<Figurstørrelse 432x288 med 1 akser>, 
 <matplotlib.axes._subplots.AxesSubplot at 0x257b791bb08>)

<Figurstørrelse 720x720 med 0 akser>

# trin 2: plot et punktplot, dvs. spredningsplot; 
# føj plottet til 
akseobjektet plt.figure(figsize=(10,10)) 
plt.plot( numpy .sort(data_df["output "]),marker="o",markersize=2)

[<matplotlib.lines.Line2D at 0x257b6180108>]

# trin 3: tilføje titel og akse etiketter; 
# -- sæt 
figurstørrelse plt.figure(figsize=(20,10)) 
# -- create plot 
plt.plot( numpy .sort(data_df["output "]), 
         markør="o", 
         markørstørrelse=6, 
        linjebredde =2, 
         linestyle ="--", 
        color="orange") 
# -- set title 
plt.title("Tal for bilindustriens årlige produktion", 
          fontdict={"fontname":"Times New Roman", 
                    "fontsize" :32}) 
# -- tildel xlabel 
plt.xlabel("datapunkt nr.", 
           fontdict={"fontname":"Comic Sans MS",
                    "color":"red"}) 
plt.ylabel("årligt produktionsoutputtal", 
           fontsize=18, 
          color="green") 
# -- juster xticks 
plt.xticks(size=16, 
          color="lilla")

(array([-200., 0., 200., 400., 600., 800., 1000.]), 
 <en liste med 7 tekst xticklabel-objekter>)

# en mere struktureret måde at arbejde med matplotlib på er at arbejde med referencebehandlere 
# -- opsæt nogle datavektorer, der skal plottes 
y1 = [1,2,3.3,5.1,7] 
y2 = [2,4,5,5.5, 5.75] 
x = range(0,len(y1)) 
# -- opret et tomt billede (dvs. = figur); capture a handler 
fig = plt.figure() # fig indikerer, at dette er en "figur" 
# -- opret et underplot på det tomme billede, ig den tomme figur; capture a handler 
axe = plt.subplot() # ax indikerer, at dette er en "axes"; akserne er dybest set grafen 
# -- laver linjeplot på aksen ved hjælp af 
aksehandlerreference ax.plot(x, y1, label='$y1 = serie 1, vokser hurtigt',color="sort") 
axe. plot(x, y2, label='$y2 = serie 2, vokser langsomt',
# -- tilføjelse af en titel til akserne ved hjælp af
ax.set_title('Sammenligning af to tidsserier', 
            fontsize=18, 
            color="grøn") 
# -- tilføj x- og y-akse-etiketter ved at bruge 
aksehandlerreference ax.set_xlabel("x-akseværdier", 
             fontsize=14, 
             color="red") 
ax.set_ylabel("y-akseværdier", 
             fontsize=14, 
             color="lilla") 
# -- tilføj forklaring, som standard inden for 
plotrammen ax.legend(fontsize=10) 
# -- tilføj en grid 
ax.grid(b=True, 
        color="blue", 
        alpha=0.1) 
# -- vis alt plottet i dette afsnit indtil dette punkt 
plt.show()

# lad os nu se på nogle yderligere eksempler; 
# fx kan vi lave histogrammer ved hjælp af matplotlib 
# -- import tilfældigt for at skabe nogle tilfældige tal 
import tilfældigt 
# -- brug randint() fra tilfældigt for at skabe nogle tilfældige heltal 
x = [] 
for i i interval(0,100): 
    x.append( random.randint(a=0,b=100)) 
# -- opret en figur 
fig = plt.figure(figsize=(10,10)) 
# -- føj akser til figur 
ax = plt.subplot() 
# -- føj histogram til akser ved hjælp af 
akseobjektbehandler ax.hist(x, 
       bins=20, 
       histtype="bar", 
       color="pink") 
# -- tilføj titel til histogram ved hjælp af akseobjektbehandler
ax.set_title("et histogram, oprettet med matplotlib i Python", 
            fontsize=22, 
            color="mørkegrønt") 
# -- tilføj etiketter til x- og y-aksen ved hjælp af 
akseobjekthåndtering ax.set_xlabel("observationsværdiområde", 
             fontsize=16, 
              color="darkgreen") 
ax.set_ylabel("absolut frekvens", 
             fontsize=16, 
             color="darkgreen") 
# -- juster x- og y-afkrydsningsetiketter ved hjælp af akseobjekthåndtering 
# -- også: juster x og y-aksen tikker selv ved hjælp af 
akseobjektbehandler ax.tick_params(axis="x", 
               size=12, 
               width=5, 
              color="blå", 
              etiketstørrelse=20,blå", 
              labelcolor="rød")
ax.tick_params(axis="y", 
               size=12, 
               width=5, 
              color="blue") 
# -- vis alt plottet i dette afsnit, indtil dette punkt 
plt.show()

# endnu et eksempel: 3D overfladeplot med matplotlib i Python 
# kredit: https://stackoverflow.com/questions/3810865/matplotlib-unknown-projection-3d-error 
# -- først nogle data til at plotte 
x = [1,2 ,3] 
y = [1,2,3] 
z = [[1,2,3], 
     [1,2,3], 
     [1,2,3]] 
# -- opret figur ved hjælp af pyplot 
fig = plt .figure(figsize=(10,10)) 
# -- oprettelse af akser ved hjælp af pyplot 
fra mpl_toolkits.mplot3d import axes3d, Axes3D 
ax = Axes3D(fig) 
# -- opret overfladeplot 
ax.contour(x,y,z,extend3d =Sandt)

<matplotlib.contour.QuadContourSet på 0x257b7899f48>

Linnart Felkl

Industriingeniør som gerne beskæftiger sig med optimering, simulation og matematisk modellering i R, SQL, VBA og Python