การสร้างภาพข้อมูลด้วยแผนภูมิต่างๆใน Python?

Python มีไลบรารี่ต่างๆ ที่ใช้งานง่ายสำหรับการแสดงข้อมูล ข้อดีคือไลบรารีเหล่านี้ทำงานร่วมกับชุดข้อมูลขนาดเล็กหรือขนาดใหญ่ได้

ไลบรารี python ที่ใช้บ่อยที่สุดสำหรับการแสดงข้อมูลเป็นภาพ -

• Matplotlib

• หมีแพนด้า

• พล็อตเรื่อง

• ซีบอร์น

ด้านล่างนี้ เราจะพล็อตแผนภูมิการแสดงภาพประเภทต่างๆ สำหรับข้อมูลคงที่หนึ่งข้อมูลเพื่อวิเคราะห์ข้อมูลนั้นได้ดียิ่งขึ้น

เราจะวิเคราะห์ชุดข้อมูลด้านล่างเพื่อแสดงภาพผ่านแผนภูมิต่างๆ -

โครงเรื่องพื้นฐาน

มาสร้างแผนภาพพื้นฐานกัน:แผนผังเส้น พล็อตแบบกระจาย และฮิสโตแกรม

แผนผัง

กราฟเส้นคือแผนภาพที่มีการลากเส้นเพื่อระบุความสัมพันธ์ระหว่างชุดค่า x และ y เฉพาะ

import matplotlib.pyplot as plt
Year = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
India_Population = [1173108018,1189172906,1205073612,1220800359,1266344631,1309053980,1324171354,1339180127,1354051854,1368737513]
plt.plot(Year, India_Population)
plt.show()

ผลลัพธ์

โครงแบบกระจาย

หรือคุณอาจต้องการพล็อตปริมาณที่มี 2 ตำแหน่งเป็นจุดข้อมูล

พิจารณาข้อมูลเดียวกันกับกราฟเส้น เพื่อสร้างแผนภาพกระจาย เราเพียงแค่แก้ไขหนึ่งบรรทัดในโค้ดด้านบน -

plt.plot(Year, India_Population,'o')

ผลลัพธ์

ฮิสโตแกรม

ฮิสโตแกรมมักใช้ในแอปพลิเคชันทางวิทยาศาสตร์ และมีความเป็นไปได้สูงที่คุณจะต้องพล็อตมันในบางจุด มีประโยชน์มากในการวางแผนการแจกแจง

import pandas as pd
import matplotlib.pyplot as plt
data = [
['India', 2019, 'Medium', 1368737.513],
['India', 2019, 'High', 1378419.072],
['India', 2019, 'Low', 1359043.965],
['India', 2019, 'Constant fertility', 1373707.838],
['India', 2019,'Instant replacement', 1366687.871],
['India', 2019, 'Zero migration', 1370868.782],
['India', 2019,'Constant mortality', 1366282.778],
['India', 2019, 'No change', 1371221.64],
['India', 2019, 'Momentum', 1367400.614],]
df = pd.DataFrame(data, columns = ([ 'Country or Area', 'Year(s)', 'Variant', 'Value']))
df.hist()
plt.show()

ผลลัพธ์

แผนภูมิวงกลม

import numpy as np
import matplotlib.pyplot as plt

n = 25
Z = np.ones(n)
Z[-1] *= 2.5

plt.axes([0.05, 0.05, 0.95, 0.95])
plt.pie(Z, explode = Z*.05, colors = ['%f' % (i/float(n)) for i in range(n)],
   wedgeprops = {"linewidth": 1, "edgecolor": "green"})
plt.gca().set_aspect('equal')
plt.xticks([]), plt.yticks([])
plt.show()

ผลลัพธ์

พล็อตขั้ว

รหัส:

import numpy as np
import matplotlib.pyplot as plt

ax = plt.axes([0.5,0.05,0.95,0.95], polar=True)

N = 25
theta = np.arange(0.0, 2.5*np.pi, 2.5*np.pi/N)
radii = 10*np.random.rand(N)
width = np.pi/4*np.random.rand(N)
bars = plt.bar(theta, radii, width=width, bottom=0.0)

for r,bar in zip(radii, bars):
bar.set_facecolor( plt.cm.jet(r/10.))
bar.set_alpha(0.5)

ax.set_xticklabels([])
ax.set_yticklabels([])

plt.show()

ผลลัพธ์