Das Hauptproblem bei saisonalen Diagrammen besteht darin, dass sie irreführend sein können. Wenn Sie beispielsweise die Temperatur über einen Monat darstellen, kann es so aussehen, als ob sich die Temperatur im Laufe des Monats langsam ändert. Wenn Sie die Temperatur jedoch über einen Tag aufzeichnen, kann es so aussehen, als würde sich die Temperatur viel schneller ändern.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
# creating dataframe
df = pd.DataFrame({'x': range(1,11), 'y1': np.random.randn(10), 'y2': np.random.randn(10)+range(1,11), 'y3': np.random.randn(10)+range(11,21) })
# plotting line plot with multiple lines
plt.plot( 'x', 'y1', data=df, marker='o', markerfacecolor='blue', markersize=12, color='skyblue', linewidth=4)
plt.plot( 'x', 'y2', data=df, marker='', color='olive', linewidth=2)
plt.plot( 'x', 'y3', data=df, marker='', color='olive', linewidth=2, linestyle='dashed')
Dieser Code erstellt ein Liniendiagramm mit mehreren Linien. Die erste Zeile importiert die Bibliothek matplotlib.pyplot als plt. Die zweite Zeile importiert die NumPy-Bibliothek als np. Die dritte Zeile importiert die Pandas-Bibliothek als pd.
Die vierte Zeile erstellt einen Datenrahmen namens df. Dieser Datenrahmen hat drei Spalten: x, y1 und y2. Die Werte in der x-Spalte reichen von 1 bis 10. Die Werte in der y1-Spalte sind Zufallszahlen, die von NumPy generiert werden. Die Werte in der Spalte y2 sind Zufallszahlen, die von NumPy plus den Werten in der Spalte x generiert werden (sie reichen also von 2 bis 11).
Die fünfte, sechste und siebte Zeile stellen die Daten im df-Datenrahmen dar. Die fünfte Zeile stellt Spalte y1 gegen Spalte x dar, wobei blaue Kreise als Markierungen verwendet werden. Die sechste Zeile stellt Spalte y2 gegen Spalte x dar, wobei keine Markierungen und olivfarbene Linien verwendet werden. Die siebte Zeile stellt Spalte y3 gegen Spalte x dar, wobei keine Markierungen, olivfarbene Linien und gestrichelte Linien verwendet werden.
Grundfläche
Ein Plot ist eine Abfolge von Ereignissen in einer Geschichte. In Python werden Plots durch Listen von Tupeln dargestellt. Jedes Tupel in der Liste entspricht einem bestimmten Ereignis im Diagramm.
Saisonplan
Ein saisonales Diagramm ist eine grafische Darstellung der Zeitreihendaten, die die Variation der Daten über verschiedene Zeiträume zeigt. Das Diagramm kann verwendet werden, um Muster in den Daten zu identifizieren und Vorhersagen über zukünftige Trends zu treffen.
Handlungstipps
Beim Plotten von Daten in Python sind einige Dinge zu beachten. Stellen Sie zunächst sicher, dass Ihre Daten in einem Format vorliegen, das geplottet werden kann. Verwenden Sie zweitens die Matplotlib-Bibliothek, um Ihre Daten zu zeichnen. Drittens verwenden Sie das Pyplot-Modul, um den Plot zu steuern und das Erscheinungsbild Ihrer Plots anzupassen. Verwenden Sie viertens die Funktion legend(), um Beschriftungen zu Ihren Plots hinzuzufügen. Fünftens verwenden Sie die Funktionen xlim() und ylim(), um anzugeben, wo auf dem Diagramm Ihre Daten angezeigt werden sollen. Sechstens verwenden Sie die Funktionen axvline() und axhline(), um Linien bzw. Kurven auf Ihren Diagrammen zu erstellen. Siebtens verwenden Sie die title()-Funktion, um Ihrem Diagramm einen Titel hinzuzufügen, und achtens verwenden Sie die savefig()-Funktion, um Ihr Diagramm als Datei zu speichern
