Pythonのさまざまなグラフを使用したデータの視覚化？

Pythonは、データを視覚化するためのさまざまな使いやすいライブラリを提供します。良い点は、これらのライブラリが小さなデータセットまたは大きなデータセットで機能することです。

データの視覚化に最も一般的に使用されるPythonライブラリのいくつかは-

• Matplotlib

• パンダ

• プロット

• シーボーン

以下では、1つの固定データについてさまざまなタイプの視覚化チャートをプロットして、そのデータをより適切に分析します。

以下のデータセットを分析して、さまざまなグラフで視覚化します-

基本プロット

いくつかの基本的なプロットを作成しましょう：ラインプロット、散布図、ヒストグラム

ラインプロット

線グラフは、x値とy値の特定のセット間の関係を示すために線が引かれるプロットです。

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()

出力

散布図

または、2つの位置をデータポイントとして数量をプロットすることもできます。

折れ線グラフの場合と同じデータを検討します。散布図を作成するには、上記のコードの1本の線を変更するだけです-

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

出力

ヒストグラム

ヒストグラムは科学アプリケーションで非常に頻繁に使用され、ある時点でそれらをプロットする必要がある可能性が非常に高くなります。分布をプロットするのに非常に便利です。

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()

出力

円グラフ

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()

出力

極座標プロット

コード：

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()

出力