Liniendiagramm mit Seaborn

Einführung

Für die Erstellung auffälliger und lehrreicher Statistikdarstellungen, Seeborn bietet eine Schnittstelle auf hoher Ebene. Seeborn vereinfacht das Erstellen und Ändern von Liniendiagrammen, die hilfreich sind, um Datentrends im Zeitverlauf anzuzeigen. In diesem Tutorial erfahren Sie, wie Sie Ihre Umgebung einrichten, sowohl einfache als auch personalisierte Liniendiagramme erstellen und Ihre Diagramme mit verschiedenen Effekten anpassen.

Überblick

• Erfahren Sie, wie Sie Seaborn einrichten und Beispieldaten generieren mit NumPy zum Erstellen von Liniendiagrammen.
• Entwickeln Sie Fähigkeiten zum Erstellen grundlegender Liniendiagramme in Seaborn und passen Sie diese durch Ändern der Linienstile und Farben sowie Hinzufügen von Markierungen an.
• Erfahren Sie, wie Sie mehrere Linien in einem einzigen Diagramm darstellen, um verschiedene Datensätze effektiv.
• Meistern Sie das Hinzufügen von Anmerkungen zum Hervorheben wichtiger Punkte und das Speichern von Diagrammen als Bilddateien für eine bessere Datenkommunikation.

Einrichten Ihrer Umgebung

Bevor Sie beginnen, stellen Sie sicher, dass Sie über die erforderlichen Bibliotheken installiert. Sie können Seaborn und seine Abhängigkeiten mit pip installieren:

pip set up seaborn matplotlib numpy

Importieren von Bibliotheken

Importieren Sie zunächst die benötigten Bibliotheken. Seaborn setzt auf Matplotlib für zugrunde liegendes Plotten und NumPy für Datenmanipulation.

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

Generieren von Beispieldaten

Zu Demonstrationszwecken generieren wir einige Beispieldaten mit NumPy. Wir erstellen einen einfachen Datensatz, der eine Sinuswelle und eine Cosinuswelle darstellt.

# Generate 1000 evenly spaced values from 0 to 10
x = np.linspace(0, 10, 1000)
# Generate corresponding sine and cosine values
y = np.sin(x)
y2 = np.cos(x)

Erstellen eines einfachen Liniendiagramms

In diesem Abschnitt erfahren Sie, wie Sie mit Seaborn ein einfaches Liniendiagramm erstellen. Dabei liegt der Schwerpunkt auf der Einrichtung der Umgebung, der Generierung von Beispieldaten und der Erstellung eines lehrreichen Diagramms. Es wird beschrieben, wie Sie Seaborn anpassen, um die Übersichtlichkeit durch die Nutzung seiner benutzerfreundlichen Funktionen zu verbessern.

plt.determine(figsize=(10, 6))  # Set the determine measurement
sns.lineplot(x=x, y=y, label="Sine Wave")  # Create a line plot with a label
plt.title('Fundamental Line Plot with Seaborn')  # Add a title
plt.xlabel('X-axis')  # Add X-axis label
plt.ylabel('Y-axis')  # Add Y-axis label
plt.legend()  # Show the legend
plt.present()  # Show the plot

Ausgabe:

Anpassen des Liniendiagramms

Sie können die Farben, Stile und andere Elemente Ihrer Seaborn-Liniendiagramme ändern.

Linienstile und -farben ändern

Mit Seaborn können Sie ganz einfach visuelle Änderungen an Ihrem Diagramm vornehmen. Sie können damit einfach Linienstil, -farbe und -breite anpassen.

plt.determine(figsize=(10, 6))
sns.lineplot(x=x, y=y, shade="blue", linestyle="--", linewidth=2, label="Sine Wave")
plt.title('Custom-made Line Plot with Seaborn')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.present()

Ausgabe:

Markierungen hinzufügen

Um die Aufmerksamkeit auf bestimmte Datenpunkte zu lenken, können Sie in Ihrem Liniendiagramm Markierungen verwenden.

plt.determine(figsize=(10, 6))
sns.lineplot(x=x, y=y, shade="inexperienced", linestyle="-", linewidth=1, marker="o", markersize=4, label="Sine Wave with Markers")
plt.title('Line Plot with Markers in Seaborn')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.present()

Ausgabe:

Mehrere Zeilen

Sie können auch mehrere Linien im selben Diagramm darstellen, um verschiedene Datensätze zu vergleichen. Dies ist eine weit verbreitete Funktion von Liniendiagrammen.

plt.determine(figsize=(10, 6))
sns.lineplot(x=x, y=y, label="Sine Wave")
sns.lineplot(x=x, y=y2, label="Cosine Wave", linestyle="--")
plt.title('A number of Traces Plot with Seaborn')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.present()

Ausgabe:

Hinzufügen von Anmerkungen

Mit Anmerkungen können Sie bestimmte Punkte im Liniendiagramm hervorheben. Sie liefern außerdem zusätzliche Informationen zu Ihrem Diagramm, wie im folgenden Code gezeigt:

plt.determine(figsize=(10, 6))
sns.lineplot(x=x, y=y, label="Sine Wave")
sns.lineplot(x=x, y=y2, label="Cosine Wave", linestyle="--")
plt.title('Line Plot with Annotations in Seaborn')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# Annotate the purpose the place sine and cosine intersect
plt.annotate('Intersection', xy=(np.pi/4, np.sin(np.pi/4)), xytext=(3, 0.5),
             arrowprops=dict(facecolor="black", shrink=0.05))

plt.legend()
plt.present()

Ausgabe:

Speichern der Handlung

Sie können das Diagramm mit savefig in einer Datei speichern.

plt.determine(figsize=(10, 6))
sns.lineplot(x=x, y=y, label="Sine Wave")
sns.lineplot(x=x, y=y2, label="Cosine Wave", linestyle="--")
plt.title('Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.savefig('line_plot_seaborn.png')  # Save the plot as a PNG file
plt.present()

Vollständiges Codebeispiel

Unten finden Sie das vollständige Codebeispiel, das alle oben besprochenen Anpassungen enthält.

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# Generate pattern information
x = np.linspace(0, 10, 1000)
y = np.sin(x)
y2 = np.cos(x)

# Create and customise the plot
plt.determine(figsize=(10, 6))
sns.lineplot(x=x, y=y, shade="blue", linestyle="-", linewidth=2, marker="o", markersize=4, label="Sine Wave")
sns.lineplot(x=x, y=y2, shade="pink", linestyle="--", linewidth=2, label="Cosine Wave")
plt.title('Full Line Plot Instance with Seaborn')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# Annotate the purpose the place sine and cosine intersect
plt.annotate('Intersection', xy=(np.pi/4, np.sin(np.pi/4)), xytext=(3, 0.5),
             arrowprops=dict(facecolor="black", shrink=0.05))

plt.legend()
plt.grid(True)
plt.savefig('complete_line_plot_seaborn.png')
plt.present()

Ausgabe:

Abschluss

Ihre Fähigkeit, Liniendiagramme in Seaborn zu erstellen und zu ändern, wird Ihre Fähigkeiten zur Datenvisualisierung erheblich verbessern. Sie können jetzt effizient Informationen kommentieren, Daten erstellen und anzeigen, Diagramme ändern, verschiedene Datensätze vergleichen und Ihr System verwalten. Mit diesen Fähigkeiten können Sie optisch ansprechende Liniendiagramme erstellen. Sie helfen auch beim Erstellen lehrreicher Liniendiagramme, die Ihre Datenergebnisse effektiv kommunizieren. In diesem Artikel haben wir das Erstellen von Liniendiagrammen mit Seaborn untersucht.

Verpassen Sie nicht diese Likelihood, Ihre Fähigkeiten zu verbessern und Ihre Karriere voranzutreiben. Lernen Sie Python mit uns! Dieser Kurs ist für alle Niveaus geeignet.

Häufig gestellte Fragen