Home-theater-designers
Jupyter Notebook е инструмент номер едно за учени по данни. Той предлага интерактивен уеб интерфейс, който може да се използва за визуализация на данни, лесен анализ и сътрудничество.
Визуализацията на данни ви позволява да намерите контекст за вашите данни чрез карти или графики. Този урок предлага проницателно ръководство за взаимодействие с графики в Jupyter Notebook.
Предпоставки
Ти трябва да да има инсталиран Jupyter на вашата машина. Ако не е, можете да го инсталирате, като въведете следния код в командния ред:
$ pip install jupyterЩе ви трябва и панди и matplotlib библиотека:
най -добрите сайтове за поточно предаване на безплатни филми
$ pip install pandas $ pip install matplotlibСлед като инсталациите приключат, стартирайте сървъра на Jupyter Notebook. Въведете командата по -долу във вашия терминал, за да го направите. Страница Jupyter, показваща файлове в текущата директория, ще се отвори в браузъра по подразбиране на вашия компютър.
$ jupyter notebookЗабележка: Не затваряйте прозореца на терминала, в който изпълнявате тази команда. Сървърът ви ще спре, ако го направите.
Прост сюжет
В нова страница на Jupyter изпълнете този 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()
Кодът е за обикновен график. Първият ред импортира пиплот графична библиотека от matplotlib API. Третият и четвъртият ред определят осите x и y съответно.
The сюжет () Извиква се метод за начертаване на графиката. The покажи () след това се използва метод за показване на графиката.
Да предположим, че вместо това искате да нарисувате крива. Процесът е същият. Просто променете стойностите на списък на python за оста 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()
Забележете нещо важно: и в двете графики няма изрична дефиниция на мащаба. Скалата се изчислява и прилага автоматично. Това е една от многото интересни функции, които Juypter предлага, които могат да ви накарат да се съсредоточите върху работата си (анализ на данни), вместо да се притеснявате за кода.
Ако сте и нащрек, може да забележите, че броят на стойностите за осите x и y са еднакви. Ако някой от тях е по -малък от другия, грешка ще бъде маркирана, когато стартирате кода и няма да се покаже графика.
Налични видове
За разлика от линейната графика и кривата по -горе, други графични визуализации (например хистограма, лентова диаграма и т.н.) трябва да бъдат изрично дефинирани, за да бъдат показани.
Гистограма
За да покажете парцела, ще трябва да използвате 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()
Scatter Plot
Всичко, което трябва да направите, е да използвате разпръсквам () метод в предишния код.
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()
Кръгова диаграма
Парцелът е малко по -различен от останалите по -горе. Ред 4 представлява особен интерес, така че разгледайте характеристиките там.
измислям се използва за задаване на пропорциите. Можете да зададете това на всичко, което искате (напр. (9,5)), но официалните документи на Pandas съветват да използвате съотношение 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()Има някои параметри, които кръговата диаграма има, които са забележителни:
етикети - Това може да се използва за даване на етикет на всяко парче в кръговата диаграма.
цветове - Това може да се използва за придаване на предварително определени цветове на всяка от филийките. Можете да зададете цветове както в текстова форма (например жълта), така и в шестнадесетична форма (например '#ebc713').
Вижте примера по -долу:
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()
Има и други сюжети като история , ■ площ , и където че можете прочетете повече за Pandas docs .
Форматиране на сюжет
В графиките по -горе няма аспекти като етикети. Ето как да направите това.
За да добавите заглавие, включете кода по -долу във вашия бележник Jupyter:
matplotlib.pyplot.title('My Graph Title')Осите x и y могат да бъдат съответно означени, както е показано по -долу:
matplotlib.pyplot.xlabel('my x-axis label')
matplotlib.pyplot.ylabel('my y-axis label')Научете повече
Можете да стартирате помогне() команда във вашия бележник, за да получите интерактивна помощ относно командите на Jupyter. За да получите повече информация за определен обект, можете да използвате помощ (обект) .
Също така ще намерите добра практика да опитате да рисувате графики, използвайки набори от данни от csv файлове. Да се научите как да визуализирате данни е мощен инструмент за комуникация и анализ на вашите открития, така че си струва да отделите известно време, за да изградите уменията си.
Дял Дял Туит електронна поща Как да импортирате данни на Excel в скриптове на Python с помощта на пандиЗа усъвършенстван анализ на данни Python е по -добър от Excel. Ето как да импортирате вашите Excel данни в скрипт на Python с помощта на Pandas!
Прочетете Напред Свързани теми- Програмиране
- Python
- Уроци по кодиране
- Анализ на данни
Джером е щатен писател в MakeUseOf. Той обхваща статии за програмиране и Linux. Той също е ентусиаст на крипто и винаги следи крипто индустрията.
Още от Джером ДейвидсънАбонирайте се за нашия бюлетин
Присъединете се към нашия бюлетин за технически съвети, рецензии, безплатни електронни книги и изключителни оферти!
Щракнете тук, за да се абонирате