Bevor wir beginnen, müssen wir einige notwendige Bibliotheken importieren, wie zum Beispiel Pandas, Matplotlib und Seaborn. Diese Bibliotheken können mit dem folgenden Befehl importiert werden:
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns
Bevor wir die Datenvisualisierung durchführen, müssen wir die Daten laden. In diesem Beispiel verwenden wir die Funktion read_csv() aus der Pandas-Bibliothek, um eine CSV-Datei zu laden. Hier ist ein Beispielcode:
data = pd.read_csv('data.csv')
Bevor wir ein Diagramm erstellen, müssen wir entscheiden, welche Art von Diagramm wir erstellen möchten. In diesem Artikel verwenden wir Streudiagramme und Liniendiagramme als Beispiele.
Streudiagramm:
Ein Streudiagramm kann verwendet werden, um die Beziehung zwischen zwei Variablen darzustellen. Hier ist der Code zum Erstellen eines einfachen Streudiagramms:
plt.scatter(data['x'], data['y']) plt.title('Scatter Plot') plt.xlabel('X') plt.ylabel('Y') plt.show()
Liniendiagramm:
Liniendiagramme können verwendet werden, um Trends in einem Datensatz anzuzeigen. Hier ist der Code zum Erstellen eines einfachen Liniendiagramms:
plt.plot(data['x'], data['y']) plt.title('Line Plot') plt.xlabel('X') plt.ylabel('Y') plt.show()
Nachdem wir das Basisdiagramm erstellt haben, können wir weitere Details hinzufügen, um es besser lesbar zu machen . Hier sind einige allgemeine Details:
Legende hinzufügen:
plt.scatter(data['x'], data['y'], label='Data Points') plt.title('Scatter Plot') plt.xlabel('X') plt.ylabel('Y') plt.legend() plt.show()
Farbe und Stil ändern:
plt.plot(data['x'], data['y'], color='red', linestyle='--', marker='o') plt.title('Line Plot') plt.xlabel('X') plt.ylabel('Y') plt.show()
Nebenhandlung hinzufügen:
fig, (ax1, ax2) = plt.subplots(1, 2) ax1.scatter(data['x'], data['y']) ax1.set_title('Scatter Plot') ax1.set_xlabel('X') ax1.set_ylabel('Y') ax2.plot(data['x'], data['y']) ax2.set_title('Line Plot') ax2.set_xlabel('X') ax2.set_ylabel('Y') plt.show()
sns.scatterplot(data=data, x='x', y='y',hue='category') plt.title('Scatter Plot') plt.xlabel('X') plt.ylabel('Y') plt.show()
sns.lineplot(data=data, x='x', y='y') plt.title('Line Plot') plt.xlabel('X') plt.ylabel('Y') plt.show()
Das obige ist der detaillierte Inhalt vonSo implementieren Sie die Datenvisualisierung in Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
