Home-theater-designers
Jupyter Notebook - инструмент номер один для специалистов по данным. Он предлагает интерактивный веб-интерфейс, который можно использовать для визуализации данных, простого анализа и совместной работы.
Визуализация данных позволяет вам находить контекст для ваших данных с помощью карт или графиков. Это руководство предлагает подробное руководство по взаимодействию с графиками в Jupyter Notebook.
Предпосылки
Тебе следует установить Jupyter на вашей машине. Если это не так, вы можете установить его, введя следующий код в командную строку:
$ pip install jupyterВам также понадобится панды а также matplotlib библиотека:
скачать видео с амазонки прайм на пк
$ pip install pandas $ pip install matplotlibПосле завершения установки запустите сервер Jupyter Notebook. Для этого введите в терминале команду ниже. Страница Jupyter, показывающая файлы в текущем каталоге, откроется в браузере вашего компьютера по умолчанию.
$ jupyter notebookПримечание: Не закрывайте окно терминала, в котором вы запускаете эту команду. Ваш сервер остановится, если вы это сделаете.
Простой сюжет
На новой странице Jupyter запустите этот код:
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()
Код предназначен для простого линейного графика. Первая строка импортирует пиплот графическая библиотека из matplotlib API. Третья и четвертая строки определяют оси x и y соответственно.
В участок() вызывается метод построения графика. В Показать() затем используется для отображения графика.
Предположим, вы хотите вместо этого нарисовать кривую. Процесс такой же. Просто измените значения список Python для оси ординат.
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()
Обратите внимание на одну важную вещь: на обоих графиках нет явного определения масштаба. Шкала рассчитывается и применяется автоматически. Это одна из многих интересных функций, которые предлагает Juypter, которая может помочь вам сосредоточиться на своей работе (анализе данных), а не беспокоиться о коде.
Если вы также будете бдительны, вы можете заметить, что количество значений для осей x и y одинаково. Если один из них меньше другого, при запуске кода будет отмечена ошибка, и график не будет отображаться.
Доступные типы
В отличие от линейного графика и кривой выше, другие визуализации графиков (например, гистограмма, гистограмма и т. Д.) Должны быть явно определены для отображения.
Гистограмма
Чтобы отобразить гистограмму, вам нужно будет использовать бар () метод.
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()
Точечная диаграмма
Все, что вам нужно сделать, это использовать разброс () в предыдущем коде.
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()
Круговая диаграмма
Круговая диаграмма немного отличается от остальных, представленных выше. Строка 4 представляет особый интерес, поэтому обратите внимание на ее особенности.
фиговый используется для установки соотношения сторон. Вы можете установить это как угодно (например, (9,5)), но официальные документы Pandas советуют использовать соотношение сторон 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()Следует отметить некоторые параметры круговой диаграммы:
этикетки - Это можно использовать для присвоения метки каждому фрагменту круговой диаграммы.
цвета - Это можно использовать для придания заранее определенных цветов каждому из фрагментов. Вы можете указать цвета как в текстовой форме (например, желтый), так и в шестнадцатеричной форме (например, '# ebc713').
См. Пример ниже:
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()
Есть и другие сюжеты вроде история , площадь , а также куда что ты можешь узнать больше о документах Pandas .
Форматирование графика
На графиках выше нет таких аспектов, как ярлыки. Вот как это сделать.
Чтобы добавить заголовок, включите приведенный ниже код в свой блокнот Jupyter:
matplotlib.pyplot.title('My Graph Title')Оси x и y могут быть соответственно помечены, как показано ниже:
matplotlib.pyplot.xlabel('my x-axis label')
matplotlib.pyplot.ylabel('my y-axis label')Узнать больше
Вы можете запустить помощь() в записной книжке, чтобы получить интерактивную помощь по командам Jupyter. Чтобы получить больше информации о конкретном объекте, вы можете использовать помощь (объект) .
Вы также найдете хорошей практикой попробовать рисовать графики с использованием наборов данных из csv. файлы. Изучение того, как визуализировать данные, является мощным инструментом для передачи и анализа полученных результатов, поэтому стоит потратить некоторое время на то, чтобы развить свои навыки.
Делиться Делиться Твитнуть Эл. адрес Как импортировать данные Excel в скрипты Python с помощью PandasДля расширенного анализа данных Python лучше, чем Excel. Вот как импортировать данные Excel в скрипт Python с помощью Pandas!
Читать далее Похожие темы- Программирование
- Python
- Учебники по кодированию
- Анализ данных
Джером - штатный писатель в MakeUseOf. Он освещает статьи по программированию и Linux. Он также криптоэнтузиаст и всегда следит за криптоиндустрией.
Ещё от Jerome DavidsonПодписывайтесь на нашу новостную рассылку
Подпишитесь на нашу рассылку технических советов, обзоров, бесплатных электронных книг и эксклюзивных предложений!
Нажмите здесь, чтобы подписаться