Home-theater-designers
Jupyter Notebook è lo strumento numero uno per i data scientist. Offre un'interfaccia Web interattiva che può essere utilizzata per la visualizzazione dei dati, l'analisi semplice e la collaborazione.
La visualizzazione dei dati ti consente di trovare il contesto per i tuoi dati tramite mappe o grafici. Questo tutorial offre una guida approfondita all'interazione con i grafici in Jupyter Notebook.
Prerequisiti
Devi avere Jupyter installato sulla tua macchina. In caso contrario, puoi installarlo inserendo il seguente codice nella riga di comando:
$ pip install jupyterAvrai anche bisogno di panda e matplotlib biblioteca:
come ottenere uno sfondo animato su Windows 10
$ pip install pandas $ pip install matplotlibAl termine delle installazioni, avviare il server Jupyter Notebook. Digita il comando qui sotto nel tuo terminale per farlo. Una pagina Jupyter che mostra i file nella directory corrente si aprirà nel browser predefinito del tuo computer.
$ jupyter notebookNota: Non chiudere la finestra del terminale in cui esegui questo comando. Il tuo server si fermerà se lo fai.
Trama semplice
In una nuova pagina di Jupyter, esegui questo codice:
import matplotlib.pyplot as plt
x=[1,2,3,4,5,6,7,8]
y=[2,4,6,8,10,12,14,16]
plt.plot(x,y)
plt.show()
Il codice è per un semplice grafico a linee. La prima riga importa il pyplot libreria grafica dal matplotlib API. La terza e la quarta riga definiscono rispettivamente gli assi x e y.
Il complotto() viene chiamato il metodo per tracciare il grafico. Il mostrare() viene quindi utilizzato per visualizzare il grafico.
Supponiamo invece di voler disegnare una curva. Il processo è lo stesso. Basta cambiare i valori di lista pitone per l'asse y.
import matplotlib.pyplot as plt
x=[3,4,5,6,7,8,9,10,11,12]
y= [9,16,25,36,49,64,81,100,121,144]
plt.plot(x,y)
plt.show()
Nota qualcosa di importante: in entrambi i grafici non c'è una definizione esplicita della scala. La scala viene calcolata e applicata automaticamente. Questa è una delle tante interessanti funzionalità offerte da Juypter che può farti concentrare sul tuo lavoro (analisi dei dati) invece di preoccuparti del codice.
Se sei anche vigile, potresti osservare che il numero di valori per gli assi x e y è lo stesso. Se uno di essi è inferiore all'altro, verrà segnalato un errore quando si esegue il codice e non verrà mostrato alcun grafico.
Tipi disponibili
A differenza del grafico a linee e della curva sopra, altre visualizzazioni del grafico (ad esempio un istogramma, un grafico a barre, ecc.) devono essere definite in modo esplicito per essere mostrate.
Istogramma
Per mostrare un grafico a barre dovrai usare il sbarra () metodo.
import matplotlib.pyplot as plt
x=[3,4,5,6,7,8,9,10,11,12]
y= [9,16,25,36,49,64,81,100,121,144]
plt.bar(x,y)
plt.show()
Grafico a dispersione
Tutto quello che devi fare è usare il dispersione() metodo nel codice precedente.
import matplotlib.pyplot as plt
x=[3,4,5,6,7,8,9,10,11,12]
y= [9,16,25,36,49,64,81,100,121,144]
plt.scatter(x,y)
plt.show()
Grafico a torta
Un grafico a torta è leggermente diverso dal resto sopra. La linea 4 è di particolare interesse, quindi dai un'occhiata alle caratteristiche lì.
figsize viene utilizzato per impostare le proporzioni. Puoi impostarlo su qualsiasi cosa ti piaccia (ad esempio (9,5)), ma i documenti ufficiali di Panda consigliano di utilizzare un rapporto di aspetto di 1.
import matplotlib.pyplot as plt
x=[4,9,16,25,36]
fig = plt.figure(figsize =(9, 5)) # line 4
plt.pie(x)
plt.show()Ci sono alcuni parametri che il grafico a torta ha che sono degni di nota:
etichette - Questo può essere usato per dare un'etichetta a ogni fetta nel grafico a torta.
colori - Questo può essere usato per dare colori predefiniti a ciascuna delle fette. È possibile specificare i colori sia in formato testo (ad es. giallo) che in formato esadecimale (ad es. '#ebc713').
Vedi l'esempio qui sotto:
import matplotlib.pyplot as plt
x=[4,9,16,25,36]
fig = plt.figure(figsize =(5.5, 5.5))
plt.pie(x, labels=('Guavas', 'Berries','Mangoes','Apples', 'Avocado'),
colors = ( '#a86544', '#eb5b13', '#ebc713', '#bdeb13', '#8aeb13'))
plt.show()
Ci sono anche altre trame come storico , la zona , e dove che tu puoi leggi di più sui documenti Pandas .
Formattazione del grafico
Nei grafici sopra, non ci sono aspetti come le etichette. Ecco come farlo.
Per aggiungere un titolo, includi il codice seguente nel tuo Jupyter Notebook:
matplotlib.pyplot.title('My Graph Title')Gli assi x e y possono essere rispettivamente etichettati come di seguito:
matplotlib.pyplot.xlabel('my x-axis label')
matplotlib.pyplot.ylabel('my y-axis label')Ulteriori informazioni
Puoi eseguire il aiuto() comando nel tuo notebook per ottenere assistenza interattiva sui comandi di Jupyter. Per ottenere maggiori informazioni su un particolare oggetto, puoi usare aiuto (oggetto) .
Troverai anche una buona pratica provare a disegnare grafici usando set di dati da csv File. Imparare a visualizzare i dati è un potente strumento per comunicare e analizzare i tuoi risultati, quindi vale la pena dedicare del tempo per sviluppare le tue abilità.
Condividere Condividere Tweet E-mail Come importare dati Excel in script Python usando PandasPer l'analisi avanzata dei dati, Python è migliore di Excel. Ecco come importare i tuoi dati Excel in uno script Python usando Pandas!
Leggi Avanti Argomenti correlati- Programmazione
- Pitone
- Tutorial sulla programmazione
- Analisi dei dati
Jerome è uno scrittore dello staff di MakeUseOf. Si occupa di articoli su programmazione e Linux. È anche un appassionato di criptovalute e tiene sempre d'occhio l'industria delle criptovalute.
Altro da Jerome DavidsonIscriviti alla nostra Newsletter
Iscriviti alla nostra newsletter per consigli tecnici, recensioni, ebook gratuiti e offerte esclusive!
Clicca qui per iscriverti