Python에서 다른 차트로 데이터 시각화?

Python은 데이터 시각화를 위해 사용하기 쉬운 다양한 라이브러리를 제공합니다. 좋은 점은 이러한 라이브러리가 작거나 큰 데이터 세트와 함께 작동한다는 것입니다.

데이터 시각화를 위해 가장 일반적으로 사용되는 Python 라이브러리 중 일부는 다음과 같습니다. -

• 매트플로트립

• 판다

• 음모

• 시본

아래에서는 해당 데이터를 더 잘 분석하기 위해 하나의 고정 데이터에 대해 다양한 유형의 시각화 차트를 그릴 것입니다.

다양한 차트를 통해 시각화하기 위해 아래 데이터 세트를 분석할 것입니다 −

기본 플롯

선 플롯, 산점도 및 히스토그램과 같은 몇 가지 기본 플롯을 만들어 보겠습니다.

선 플롯

선 그래프는 특정 세트의 x와 y 값 사이의 관계를 나타내기 위해 선이 그려지는 플롯입니다.

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()

출력

산점도

또는 2개의 위치를 ​​데이터 포인트로 사용하여 수량을 표시할 수 있습니다.

선 그래프와 동일한 데이터를 고려하여 산점도를 생성하려면 위의 코드에서 한 줄만 수정하면 됩니다.

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

출력

히스토그램

히스토그램은 과학 응용 분야에서 매우 자주 사용되며 어느 시점에서 그래프를 그려야 할 가능성이 높습니다. 분포를 그리는 데 매우 유용합니다.

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()

출력

파이 차트

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()

출력

극좌표 플롯

코드:

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()

출력