Home-theater-designers
Το Jupyter Notebook είναι το νούμερο ένα εργαλείο για τους επιστήμονες δεδομένων. Προσφέρει μια διαδραστική διεπαφή ιστού που μπορεί να χρησιμοποιηθεί για οπτικοποίηση δεδομένων, εύκολη ανάλυση και συνεργασία.
Η οπτικοποίηση δεδομένων σάς επιτρέπει να βρείτε περιβάλλον για τα δεδομένα σας μέσω χαρτών ή γραφημάτων. Αυτό το σεμινάριο προσφέρει έναν διορατικό οδηγό για την αλληλεπίδραση με γραφήματα στο Jupyter Notebook.
Προαπαιτούμενα
Πρέπει να έχουν εγκαταστήσει το Jupyter στο μηχάνημά σας. Εάν δεν είναι, μπορείτε να το εγκαταστήσετε εισάγοντας τον ακόλουθο κώδικα στη γραμμή εντολών:
$ pip install jupyterΘα χρειαστείτε επίσης το παντα και matplotlib βιβλιοθήκη:
φτιάχνοντας τα δικά σας παιχνίδια δωρεάν
$ pip install pandas $ pip install matplotlibΑφού ολοκληρωθούν οι εγκαταστάσεις, ξεκινήστε τον διακομιστή Jupyter Notebook. Πληκτρολογήστε την παρακάτω εντολή στο τερματικό σας για να το κάνετε. Μια σελίδα Jupyter που εμφανίζει αρχεία στον τρέχοντα κατάλογο θα ανοίξει στο προεπιλεγμένο πρόγραμμα περιήγησης του υπολογιστή σας.
$ jupyter notebookΣημείωση: Μην κλείσετε το παράθυρο τερματικού στο οποίο εκτελείτε αυτήν την εντολή. Ο διακομιστής σας θα σταματήσει αν το κάνετε.
Απλή πλοκή
Σε μια νέα σελίδα Jupyter, εκτελέστε αυτόν τον κώδικα:
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()
Ο κωδικός είναι για ένα απλό σχέδιο γραμμής. Η πρώτη γραμμή εισάγει το pyplot γραφική βιβλιοθήκη από το matplotlib API. Η τρίτη και η τέταρτη γραμμή ορίζουν τους άξονες x και y αντίστοιχα.
ο οικόπεδο() η μέθοδος καλείται να σχεδιάσει το γράφημα. ο προβολή() η μέθοδος χρησιμοποιείται στη συνέχεια για την εμφάνιση του γραφήματος.
Ας υποθέσουμε ότι θέλετε να σχεδιάσετε μια καμπύλη. Η διαδικασία είναι η ίδια. Απλώς αλλάξτε τις τιμές του λίστα python για τον άξονα 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()
Παρατηρήστε κάτι σημαντικό: και στα δύο γραφήματα, δεν υπάρχει ρητός ορισμός κλίμακας. Η κλίμακα υπολογίζεται αυτόματα και εφαρμόζεται. Αυτό είναι ένα από τα πολλά ενδιαφέροντα χαρακτηριστικά που προσφέρει το Juypter που μπορεί να σας κάνει να εστιάσετε στην εργασία σας (ανάλυση δεδομένων) αντί να ανησυχείτε για τον κώδικα.
Εάν είστε επίσης σε εγρήγορση, μπορεί να παρατηρήσετε ότι ο αριθμός των τιμών για τους άξονες x και y είναι ο ίδιος. Εάν κάποιο από αυτά είναι μικρότερο από το άλλο, ένα σφάλμα θα επισημανθεί κατά την εκτέλεση του κώδικα και δεν θα εμφανιστεί κανένα γράφημα.
Διαθέσιμοι τύποι
Σε αντίθεση με το γράφημα γραμμών και την καμπύλη παραπάνω, άλλες απεικονίσεις γραφήματος (π.χ. ιστόγραμμα, γράφημα γραμμών κ.λπ.) πρέπει να ορίζονται ρητά για να εμφανιστούν.
Ραβδόγραμμα
Για να εμφανίσετε ένα σχέδιο γραμμής θα πρέπει να χρησιμοποιήσετε το μπαρ () μέθοδος.
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()
Διάγραμμα διασποράς
Το μόνο που χρειάζεται να κάνετε είναι να χρησιμοποιήσετε το σκορπίζω() μέθοδο στον προηγούμενο κώδικα.
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()
Διάγραμμα πίτας
Ένα οικόπεδο πίτας είναι λίγο διαφορετικό από τα υπόλοιπα παραπάνω. Η γραμμή 4 έχει ιδιαίτερο ενδιαφέρον, οπότε ρίξτε μια ματιά στις δυνατότητες εκεί.
εικονίζω χρησιμοποιείται για τον καθορισμό του λόγου διαστάσεων. Μπορείτε να το ορίσετε σε οτιδήποτε σας αρέσει (π.χ. (9,5)), αλλά τα επίσημα έγγραφα Pandas σας συμβουλεύουν να χρησιμοποιείτε λόγο διαστάσεων 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()Υπάρχουν μερικές παράμετροι που έχει το διάγραμμα πίτας που είναι αξιοσημείωτες:
ετικέτες - Αυτό μπορεί να χρησιμοποιηθεί για να δώσει μια ετικέτα σε κάθε φέτα στο διάγραμμα πίτας.
χρωματιστά - Αυτό μπορεί να χρησιμοποιηθεί για να δώσει προκαθορισμένα χρώματα σε κάθε μία από τις φέτες. Μπορείτε να καθορίσετε χρώματα τόσο σε μορφή κειμένου (π.χ. κίτρινο) είτε σε εξαγωνική μορφή (π.χ. '#ebc713').
Δείτε το παρακάτω παράδειγμα:
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()
Υπάρχουν επίσης άλλα οικόπεδα όπως ιστορ , περιοχή , και όπου ότι μπορείτε να διαβάστε περισσότερα σχετικά με τα έγγραφα Pandas Το
Μορφοποίηση γραφήματος
Στα παραπάνω γραφήματα, δεν υπάρχουν πτυχές όπως ετικέτες. Δείτε πώς να το κάνετε αυτό.
Για να προσθέσετε έναν τίτλο, συμπεριλάβετε τον παρακάτω κωδικό στο Jupyter Notebook σας:
matplotlib.pyplot.title('My Graph Title')Οι άξονες x και y μπορούν να επισημανθούν αντίστοιχα ως εξής:
matplotlib.pyplot.xlabel('my x-axis label')
matplotlib.pyplot.ylabel('my y-axis label')Μάθετε περισσότερα
Μπορείτε να εκτελέσετε το βοήθεια() εντολή στο σημειωματάριό σας για να λάβετε διαδραστική βοήθεια σχετικά με τις εντολές Jupyter. Για να λάβετε περισσότερες πληροφορίες σχετικά με ένα συγκεκριμένο αντικείμενο, μπορείτε να χρησιμοποιήσετε βοήθεια (αντικείμενο) Το
Θα βρείτε επίσης μια καλή πρακτική να δοκιμάσετε να σχεδιάσετε γραφήματα χρησιμοποιώντας σύνολα δεδομένων από csv αρχεία. Η εκμάθηση της απεικόνισης δεδομένων είναι ένα ισχυρό εργαλείο για την επικοινωνία και την ανάλυση των ευρημάτων σας, οπότε αξίζει να αφιερώσετε λίγο χρόνο για να αναπτύξετε τις δεξιότητές σας.
Μερίδιο Μερίδιο Τιτίβισμα ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ Πώς να εισαγάγετε δεδομένα Excel σε σενάρια Python χρησιμοποιώντας PandasΓια προηγμένη ανάλυση δεδομένων, η Python είναι καλύτερη από το Excel. Δείτε πώς μπορείτε να εισαγάγετε τα δεδομένα του Excel σε ένα σενάριο Python χρησιμοποιώντας Pandas!
Διαβάστε Επόμενο Σχετικά θέματα- Προγραμματισμός
- Πύθων
- Φροντιστήρια κωδικοποίησης
- Ανάλυση δεδομένων
Ο Jerome είναι Staff Writer στο MakeUseOf. Καλύπτει άρθρα σχετικά με τον Προγραμματισμό και το Linux. Είναι επίσης λάτρης των κρυπτογράφησης και παρακολουθεί πάντα τη βιομηχανία κρυπτογράφησης.
Περισσότερα από τον Jerome DavidsonΕγγραφείτε στο newsletter μας
Εγγραφείτε στο ενημερωτικό μας δελτίο για τεχνικές συμβουλές, κριτικές, δωρεάν ebooks και αποκλειστικές προσφορές!
Κάντε κλικ εδώ για εγγραφή