Home-theater-designers
Jupyter Notebook est l'outil numéro un pour les data scientists. Il offre une interface Web interactive qui peut être utilisée pour la visualisation des données, l'analyse facile et la collaboration.
La visualisation des données vous permet de trouver le contexte de vos données à l'aide de cartes ou de graphiques. Ce didacticiel propose un guide perspicace pour interagir avec les graphiques dans Jupyter Notebook.
Conditions préalables
Vous devez avoir Jupyter installé sur votre appareil. Si ce n'est pas le cas, vous pouvez l'installer en entrant le code suivant dans votre ligne de commande :
$ pip install jupyterVous aurez également besoin du pandas et matplotlib une bibliothèque:
quand acheter un nouvel ordinateur portable
$ pip install pandas $ pip install matplotlibUne fois les installations terminées, démarrez le serveur Jupyter Notebook. Tapez la commande ci-dessous dans votre terminal pour le faire. Une page Jupyter affichant les fichiers du répertoire actuel s'ouvrira dans le navigateur par défaut de votre ordinateur.
$ jupyter notebookNoter: Ne fermez pas la fenêtre de terminal dans laquelle vous exécutez cette commande. Votre serveur s'arrêtera si vous le faites.
Terrain simple
Dans une nouvelle page Jupyter, exécutez ce code :
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()
Le code est pour un tracé linéaire simple. La première ligne importe le pyplot bibliothèque graphique de la matplotlib API. Les troisième et quatrième lignes définissent respectivement les axes x et y.
Les terrain() méthode est appelée pour tracer le graphe. Les spectacle() La méthode est ensuite utilisée pour afficher le graphique.
Supposons que vous souhaitiez plutôt dessiner une courbe. Le processus est le même. Il suffit de changer les valeurs du liste python pour l'axe des 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()
Remarquez quelque chose d'important : dans les deux graphiques, il n'y a pas de définition d'échelle explicite. L'échelle est automatiquement calculée et appliquée. C'est l'une des nombreuses fonctionnalités intéressantes offertes par Juypter qui peuvent vous permettre de vous concentrer sur votre travail (analyse de données) au lieu de vous soucier du code.
Si vous êtes également vigilant, vous remarquerez peut-être que le nombre de valeurs pour les axes x et y est le même. Si l'un d'entre eux est inférieur à l'autre, une erreur sera signalée lorsque vous exécuterez le code et aucun graphique ne sera affiché.
Types disponibles
Contrairement au graphique linéaire et à la courbe ci-dessus, d'autres visualisations de graphique (par exemple, un histogramme, un graphique à barres, etc.) doivent être explicitement définies pour être affichées.
Graphique à barres
Pour afficher un graphique à barres, vous devrez utiliser le bar () méthode.
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()
Nuage de points
Tout ce que vous avez à faire est d'utiliser le dispersion() méthode dans le code précédent.
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()
Diagramme circulaire
Un camembert est un peu différent du reste ci-dessus. La ligne 4 est particulièrement intéressante, alors jetez un œil à ses fonctionnalités.
taille de figue est utilisé pour définir le rapport hauteur/largeur. Vous pouvez définir ce que vous voulez (par exemple (9,5)), mais les documents officiels de Pandas conseillent d'utiliser un rapport hauteur/largeur de 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()Il y a certains paramètres du camembert qui sont dignes de mention :
Étiquettes - Cela peut être utilisé pour donner une étiquette à chaque tranche du camembert.
couleurs - Cela peut être utilisé pour donner des couleurs prédéfinies à chacune des tranches. Vous pouvez spécifier les couleurs à la fois sous forme de texte (par exemple jaune) ou sous forme hexadécimale (par exemple '#ebc713').
Voir l'exemple ci-dessous :
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()
Il y a aussi d'autres parcelles comme hist , Région , et où Que tu peux en savoir plus sur sur Pandas docs .
Formatage du tracé
Dans les graphiques ci-dessus, il n'y a pas d'aspects tels que des étiquettes. Voici comment procéder.
Pour ajouter un titre, incluez le code ci-dessous dans votre bloc-notes Jupyter :
matplotlib.pyplot.title('My Graph Title')Les axes x et y peuvent être respectivement étiquetés comme ci-dessous :
matplotlib.pyplot.xlabel('my x-axis label')
matplotlib.pyplot.ylabel('my y-axis label')Apprendre plus
Vous pouvez exécuter le aider() dans votre bloc-notes pour obtenir une assistance interactive sur les commandes Jupyter. Pour obtenir plus d'informations sur un objet particulier, vous pouvez utiliser aide (objet) .
Vous constaterez également que c'est une bonne pratique d'essayer de dessiner des graphiques à l'aide d'ensembles de données à partir de csv des dossiers. Apprendre à visualiser les données est un outil puissant pour communiquer et analyser vos résultats, cela vaut donc la peine de prendre le temps de développer vos compétences.
Partager Partager Tweeter E-mail Comment importer des données Excel dans des scripts Python à l'aide de PandasPour l'analyse de données avancée, Python est meilleur qu'Excel. Voici comment importer vos données Excel dans un script Python à l'aide de Pandas !
Lire la suite Rubriques connexes- La programmation
- Python
- Tutoriels de codage
- L'analyse des données
Jérôme est rédacteur chez MakeUseOf. Il couvre des articles sur la programmation et Linux. Il est également un passionné de crypto et garde toujours un œil sur l'industrie de la crypto.
Plus de Jerome DavidsonAbonnez-vous à notre newsletter
Rejoignez notre newsletter pour des conseils techniques, des critiques, des ebooks gratuits et des offres exclusives !
Cliquez ici pour vous abonner