In diesem Artikel werden wir verschiedene Arten von Diagrammen und Grafiken mit Python zeichnen. Wir werden zwei verschiedene Pakete in Python verwenden, obwohl Python eine berühmte Programmiersprache ist. Es ist eine sehr einfallsreiche Programmiersprache, deren Funktionen in fast allen Bereichen der IT angewendet werden, darunter Data Science, Webentwicklung, KI und Big Data.

Ein leistungsstarkes Programmiertool ist nicht genug; Die Benutzerfreundlichkeit ist praktisch, wenn Sie komplexe Berechnungen entwickeln oder berechnen. In Python ist es für Ihre Implementierung und Ausgabe einfach, Sinn zu machen.

Wie wäre es mit Visualisierung? Was ist das Thema von heute. In dem Szenario, in dem Sie Daten haben, benötigen Sie Diagramme und Grafiken, die für die einfachsten bis zu den komplexesten Daten implementiert sind. Kann Python Ihnen dabei helfen?

Ja, kann es. Python verfügt über viele benutzerfreundliche Open-Source-Bibliotheken, die alle Arten von Zeichnungen, Diagrammen und Grafiken unterstützen, die Sie benötigen. Solche Bibliotheken umfassen Matplotlib, Plotly, Seaborn, Bokeh.

In diesem Artikel liegt der Schwerpunkt auf der Erstellung verschiedener Diagramme und Grafiken zwischen Matplotlib und Plotly. Wir können die Best Practices für beide Methoden unterscheiden, um sicherzustellen, dass Sie genaue Ergebnisse und Ausgaben erhalten. Werfen wir einen Blick.

Voraussetzungen

Diagramme können nicht in einer Python-Befehlsschnittstelle gezeichnet werden, daher ist eine gute visualisierungsintegrierte IDE erforderlich, um Ihre generierte Visualisierung anzuzeigen; Gängige IDEs für Python sind PyCharm und Jupyter Notebook. Für Visualisierungen empfehle ich die Verwendung von Jupyter Notebook, um verschiedene Arten von Diagrammen und Grafiken mit Python zu zeichnen.

Da wir Diagramme und Grafiken mit zwei verschiedenen Methoden erstellen werden, benötigen wir daher zwei verschiedene Module, um verschiedene Arten von Diagrammen und Grafiken mit Python zu zeichnen: 

python3 -m pip install matplotlib
python3 -m pip install plotly

Methode -1: Erstellen von Diagrammen und Grafiken mit Matplotlib

Matplotlib ist eine sehr umfangreiche Bibliothek. Matplotlin wurde als grafische Benutzeroberfläche für ein Programm namens MATLAB entwickelt. Ingenieure und Datenwissenschaftler verwenden hauptsächlich MATLAB, obwohl es auch mit Python gut funktioniert.

Der Matplotlib-Plot hat verschiedene Schlüsselteile, darunter:

  • AXIS: Dies sind X und Y, die die Funktionen .xlabel() und .ylabel() für 3D-Diagramme verwenden, die möglicherweise mehr Achsen haben.
  • Title: erstellt mit der Funktion title() repräsentiert den Header/Titel des Diagramms.
  • Legend: dies ist ein Schlüssel für die verwendeten Etiketten.

Dies sind Standardteile für verschiedene Diagramme und Grafiken, wie später in diesem Artikel gezeigt. Schauen wir uns nun die verschiedenen Diagramme und Grafiken an, die man mit Matplotlib entwickeln kann.

Erstellen Sie Balkendiagramme mit Matplotlib

Ein Balkendiagramm ist eine Art Visualisierung, die normalerweise eine Veränderung des Werts einer Variablen im Vergleich zum Anteil verschiedener zuordenbarer Kategorien einer anderen Variablen darstellt. In diesem Fall verwenden wir zur weiteren Erläuterung das Bruttoinlandsprodukt verschiedener Länder Zeigen Sie, wie Sie mit Matplotlib ein Balkendiagramm erstellen. 

import matplotlib.pyplot as plt
import pandas as pd
   
Data = {'Country': ['USA','Canada','Germany','UK','France'],
        'GDP_Per_Capita': [45000,42000,52000,49000,47000]
       }
df = pd.DataFrame(Data,columns=['Country','GDP_Per_Capita'])

New_Colors = ['green','blue','purple','brown','teal']
plt.bar(df['Country'], df['GDP_Per_Capita'], color=New_Colors)
plt.title('Country Vs GDP Per Capita', fontsize=14)
plt.xlabel('Country', fontsize=14)
plt.ylabel('GDP Per Capita', fontsize=14)
plt.grid(True)
plt.show()

Code-Erklärung:

Nach dem Importieren der Bibliothek haben wir ein Wörterbuch mit den Schlüsseln Country und GDP_Per_Capita definiert, das zur X- und Y-Achse des Diagramms wird. Danach erstellen wir den Datenrahmen mit diesem Wörterbuch.

In der nächsten Zeile definieren wir die Farben, die wir in unserem Diagramm verwenden. Jetzt müssen wir diese Daten an die Matplotlib übergeben. Nachdem Sie den Titel, die Bezeichnung und das Raster aktiviert haben, verwenden wir plt.show(), um die Ausgabe anzuzeigen.

Ausgabe:

draw-various-types-of-charts-and-graphs-using-python

Erstellen Sie ein Kreisdiagramm mit Matplotlib

Ein Tortendiagramm ist ein gutes Visualisierungstool, um den Anteil eines Wertes an ganzen Daten zu bestimmen; In einem Tortendiagramm werden die Werte nach ihren Anteilen aufgeteilt, die sich alle zu 100 %-Werten summieren, wobei die meisten Anteile einen signifikanteren Prozentsatz haben als andere. Ein Tortendiagramm besteht aus Beschriftungen entsprechend den Daten, Prozentsätzen, Anteilen und Werten. Sehen Sie sich die folgende Implementierung und Ausgabe eines Tortendiagramms an: 

 

 import matplotlib.pyplot as plt
 import numpy as np
  
 x = [100, 200, 300, 400, 500]
 labels = ['first', 'second', 'third', 'fourth', 'fifth']
  
 plt.pie(x,labels=labels,autopct='%1.1f%%')
  
 plt.show()

Der Code ist dem Code des Balkendiagramms sehr ähnlich, aber wir verwenden plt.pie() anstelle von plt.bar() und verwenden hier keine Achse.

Ausgabe:

draw-various-types-of-charts-and-graphs-using-python

Erstellen Sie ein Histogramm mit Matplotlib

Ein Histogramm ist ein Diagramm, das verwendet wird, um die Häufigkeitsverteilung von Variablen für dieses Diagramm darzustellen. Es wird häufig mit einer Population in dem Beispiel verwendet, das vor seiner Implementierung des Histogramms für die Häufigkeitsverteilung von Integern mit Matplotlib verwendet wird. 

 import matplotlib.pyplot as plt
 import numpy as np
 x = np.random.randint(low = 0, high = 15, size=100) 
 plt.figure()
 plt.hist(x)
 plt.show()

Ausgabe:

draw-various-types-of-charts-and-graphs-using-python

Erstellen Sie Streudiagramme mit Matplotlib

Streudiagramme werden häufig beim unbeaufsichtigten Lernen verwendet; sie entdecken bisher unbekannte Zusammenhänge und Strukturen; Eine typische Anwendung ist die Bestimmung der Kundensegmentierung. 

 import matplotlib.pyplot as plt
 Data = {'Unemployment_Rate': [6.1,5.8,5.7,5.7,5.8,5.6,5.5,5.3,5.2,5.2],
         'Stock_Index_Price': [1500,1520,1525,1523,1515,1540,1545,1560,1555,1565]
        }
 df = DataFrame(Data,columns=['Unemployment_Rate','Stock_Index_Price'])
 plt.scatter(df['Unemployment_Rate'], df['Stock_Index_Price'], color='green')
 plt.title('Unemployment Rate Vs Stock Index Price', fontsize=14)
 plt.xlabel('Unemployment Rate', fontsize=14)
 plt.ylabel('Stock Index Price', fontsize=14)
 plt.grid(True)
 plt.show()

Ausgabe:

Erstellen Sie Liniendiagramme mit Matplotlib

Möchten Sie Trends erfassen? Ein Liniendiagramm ist ein beispielhaftes Diagramm zum Vorhersagen und Erfassen von Trends, das auch zum Vorhersagen und Schätzen von Simulationen weit verbreitet ist. Schauen wir uns an, wie es mit matplotlib implementiert wird: 

 import matplotlib.pyplot as plt
 import numpy as np
 # Prepare the data
 x = np.linspace(0, 10, 100)
 # Plot the data
 plt.plot(x, x, label='linear')
 # Add a legend
 plt.legend()
 # Show the plot
 plt.show()

Ausgabe:

Methode -2: So erstellen Sie Diagramme und Grafiken mit Plotly

Plotly ist eine umfangreiche Python-Bibliothek, die für ihre Fähigkeit bekannt ist, den generierten Diagrammen und Visualisierungen interaktives Ness bereitzustellen. Diese Fähigkeit macht es einfacher, Einblicke besser zu sehen.

Die Hauptmerkmale der Plotly-Bibliothek sind:

  • Einzigartiges Geodatendiagramm: Es verwendet Mapbox, das eine integrierte Kartierungsfunktion für Formgeodaten bietet, um erstaunliche Diagramme zu erstellen.
  • Interaktiv: Mit seiner Funktionalität kann Plotly interaktive Diagramme entwickeln, insbesondere für sequentielle Daten.
  • Hovering-Fähigkeit: Dies bietet Einblicke innerhalb von Einblicken, wenn Sie den Mauszeiger über ein Diagramm bewegen.

Erstellen Sie ein 3D-Streudiagramm mit Plotly

Das Folgende ist eine Implementierung mit Plotly für ein 3D-Streudiagramm: 

 import plotly.express as px 
 # Data to be plotted
 df = px.data.iris() 
 # Plotting the figure
 fig = px.scatter_3d(df, x = 'sepal_width', 
                     y = 'sepal_length', 
                     z = 'petal_width', 
                     color = 'species') 
 fig.show()

Ausgabe:

Erstellen Sie ein Zeitreihendiagramm mit Plotly

Plotly ist ein gutes Python-Bibliothekstool zum Entwickeln von Zeitreihen. ; Dies wird normalerweise in Finanzdaten verwendet, bei denen Projektionen, Simulationen und Vorhersagen gemacht werden, um prognostizierte Verkäufe oder Preise zu bestimmen. Schauen wir uns an, wie man ein Zeitreihendiagramm mit Plotly implementiert: 

 import plotly
 import plotly.graph_objs as go
 import pandas as pd
  
 df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/finance-charts-apple.csv")
  
 data = [go.Scatter(
           x=df.Date,
           y=df['AAPL.Close'])]
  
 plotly.offline.plot(data)

Ausgabe:

draw-various-types-of-charts-and-graphs-using-python

Erstellen Sie ein Histogramm mit Plotly

 import plotly.express as px
 # using the iris dataset
 df = px.data.iris()
 # plotting the histogram
 fig = px.histogram(df, x="sepal_length", y="petal_width")
 # showing the plot
 fig.show()

draw-various-types-of-charts-and-graphs-using-python

Erstellen Sie Kreisdiagramme mit Plotly

 import plotly.express as px
 # using the tips dataset
 df = px.data.tips()
 # plotting the pie chart
 fig = px.pie(df, values="total_bill", names="day")
 # showing the plot
 fig.show()

Ausgabe:

Letzte Worte

Diagramme und Grafiken müssen visuell dargestellt werden, daher wird zur Entwicklung von Diagrammen und Grafiken eine IDE benötigt, vorzugsweise ein Jupyter-Notebook. Matplotlib ist bekannt dafür, einfache Diagramme und Grafiken zu erstellen und Visualisierungen bereitzustellen. Plotly ist eine Python-Bibliothek, die eine bessere Interaktivität bietet, schwebt und großartige Diagramme erstellt, insbesondere für Geodaten. Mit diesen einzigartigen Funktionen generieren sie Einblicke in Einblicke. Um verschiedene Arten von Diagrammen und Grafiken mit Python zu zeichnen, stehen auch andere Optionen zur Verfügung, z. B. können Sie auch das Pandas-Paket verwenden, um verschiedene Arten von Diagrammen und Grafiken mit Python zu zeichnen.

Hier sind einige nützliche Tutorials, die Sie lesen können: