


So zeichnen Sie gestapelte Diagramme und Kreisdiagramme mit Matplotlib
Matplotlib ist eine Python 2D-Plot-Bibliothek, die Grafiken in Publikationsqualität in verschiedenen Papierformaten und interaktiven Umgebungen auf verschiedenen Plattformen erstellen kann.
Im letzten Matplotlib-Datenvisualisierungs-Tutorial stellen wir vorwie manBalkendiagramme, Histogramme und Streudiagramme erstellt. Heute stellen wir Ihnen zwei weitere Arten von Diagrammen vor: Stapeldiagramme und Kreisdiagramme. Da diese beiden Diagramme sehr ähnlich sind, werden sie zusammen vorgestellt.
Gestapeltes Diagramm
Gestapeltes Diagramm wird verwendet, um die Beziehung von „Teilen zum Ganzen“ im Zeitverlauf darzustellen. Ein gestapeltes Diagramm ähnelt im Grunde einem Kreisdiagramm, nur dass es sich im Laufe der Zeit ändert.
Stellen wir uns eine Situation vor, in der wir 24 Stunden am Tag haben und sehen möchten, wie wir unsere Zeit verbringen. Wir unterteilen unsere Aktivitäten in: Schlafen, Essen, Arbeiten und Spielen.
Nehmen wir an, wir möchten es über einen Zeitraum von 5 Tagen verfolgen, dann sehen unsere anfänglichen Daten so aus:
import matplotlib.pyplot as plt days = [1,2,3,4,5] sleeping = [7,8,6,11,7] eating = [2,3,4,3,2] working = [7,8,7,2,2] playing = [8,5,7,8,13]
Daher enthält unsere X-Achse die Tagesvariable, die ist 1, 2, 3, 4 und 5. Die einzelnen Bestandteile des Datums bleiben dann in ihren jeweiligen Aktivitäten erhalten. Zeichne sie so:
plt.stackplot(days, sleeping,eating,working,playing, colors=['m','c','r','k']) plt.xlabel('x') plt.ylabel('y') plt.title('Interesting Graph\nCheck it out') plt.show()
Hier können wir, zumindest in Farbe, sehen, wie wir unsere Zeit verbringen. Das Problem ist, dass wir ohne Rückblick auf den Code nicht wissen, welche Farbe was ist. Das nächste Problem besteht darin, dass wir bei Polygonen den Daten keine „Beschriftungen“ hinzufügen können. Überall dort, wo es mehr als nur Linien gibt, mit einer Füllung oder einem gestapelten Diagramm wie diesem, können wir bestimmte Teile nicht automatisch markieren. Dies sollte Programmierer nicht aufhalten. Wir können das beheben:
import matplotlib.pyplot as plt days = [1,2,3,4,5] sleeping = [7,8,6,11,7] eating = [2,3,4,3,2] working = [7,8,7,2,2] playing = [8,5,7,8,13] plt.plot([],[],color='m', label='Sleeping', linewidth=5) plt.plot([],[],color='c', label='Eating', linewidth=5) plt.plot([],[],color='r', label='Working', linewidth=5) plt.plot([],[],color='k', label='Playing', linewidth=5) plt.stackplot(days, sleeping,eating,working,playing, colors=['m','c','r','k']) plt.xlabel('x') plt.ylabel('y') plt.title('Interesting Graph\nCheck it out') plt.legend() plt.show()
Was wir hier tun, ist, einige leere Zeilen zu zeichnen, ihnen die gleiche Farbe wie unser gestapeltes Diagramm zu geben und sie richtig zu beschriften. Wir geben ihnen außerdem eine Linienstärke von 5, damit die Linien in der Legende breiter erscheinen. Jetzt können wir leicht erkennen, wie wir unsere Zeit verbringen.
Kreisdiagramme
Kreisdiagramme ähneln gestapelten Diagrammen, außer dass sie sich auf einen bestimmten Zeitpunkt beziehen. Typischerweise werden Kreisdiagramme verwendet, um zu zeigen, wie ein Teil zu einem Ganzen beiträgt, normalerweise in %. Glücklicherweise kümmert sich Matplotlib um die Slice-Größe und alles andere, wir müssen nur den numerischen Wert angeben.
import matplotlib.pyplot as plt slices = [7,2,2,13] activities = ['sleeping','eating','working','playing'] cols = ['c','m','r','b'] plt.pie(slices, labels=activities, colors=cols, startangle=90, shadow= True, explode=(0,0.1,0,0), autopct='%1.1f%%') plt.title('Interesting Graph\nCheck it out') plt.show()
In plt.pie müssen wir das „Slice“ angeben, das die relative Größe jedes Teils darstellt. Anschließend geben wir eine Liste von Farben für die entsprechenden Slices an. Als nächstes können wir den „Startwinkel“ der Grafik festlegen. Dadurch können Sie überall mit dem Zeichnen beginnen. In unserem Beispiel haben wir einen 90-Grad-Winkel für das Kreisdiagramm gewählt, was bedeutet, dass das erste Segment eine vertikale Linie ist. Als nächstes haben wir die Möglichkeit, der Zeichnung einen Schatten in Zeichengröße hinzuzufügen, und dann können wir sogar „Explodieren“ verwenden, um ein Segment herauszuziehen.
Wir haben insgesamt vier Slices. Wenn wir also beim Explodieren keine Slices herausziehen möchten, übergeben wir 0,0,0,0. Wenn wir das erste Slice ziehen wollen, übergeben wir 0,1,0,0,0.
Schließlich verwenden wir autopct und entscheiden uns dafür, den Prozentsatz im Diagramm zu platzieren.
Das obige ist der detaillierte Inhalt vonSo zeichnen Sie gestapelte Diagramme und Kreisdiagramme mit Matplotlib. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



MySQL hat eine kostenlose Community -Version und eine kostenpflichtige Enterprise -Version. Die Community -Version kann kostenlos verwendet und geändert werden, die Unterstützung ist jedoch begrenzt und für Anwendungen mit geringen Stabilitätsanforderungen und starken technischen Funktionen geeignet. Die Enterprise Edition bietet umfassende kommerzielle Unterstützung für Anwendungen, die eine stabile, zuverlässige Hochleistungsdatenbank erfordern und bereit sind, Unterstützung zu bezahlen. Zu den Faktoren, die bei der Auswahl einer Version berücksichtigt werden, gehören Kritikalität, Budgetierung und technische Fähigkeiten von Anwendungen. Es gibt keine perfekte Option, nur die am besten geeignete Option, und Sie müssen die spezifische Situation sorgfältig auswählen.

Hadidb: Eine leichte, hochrangige skalierbare Python-Datenbank Hadidb (HadIDB) ist eine leichte Datenbank in Python mit einem hohen Maß an Skalierbarkeit. Installieren Sie HadIDB mithilfe der PIP -Installation: PipinstallHadIDB -Benutzerverwaltung erstellen Benutzer: createUser (), um einen neuen Benutzer zu erstellen. Die Authentication () -Methode authentifiziert die Identität des Benutzers. fromHadidb.operationImportUseruser_obj = user ("admin", "admin") user_obj.

MySQL Workbench kann eine Verbindung zu MariADB herstellen, vorausgesetzt, die Konfiguration ist korrekt. Wählen Sie zuerst "Mariadb" als Anschlusstyp. Stellen Sie in der Verbindungskonfiguration Host, Port, Benutzer, Kennwort und Datenbank korrekt ein. Überprüfen Sie beim Testen der Verbindung, ob der Mariadb -Dienst gestartet wird, ob der Benutzername und das Passwort korrekt sind, ob die Portnummer korrekt ist, ob die Firewall Verbindungen zulässt und ob die Datenbank vorhanden ist. Verwenden Sie in fortschrittlicher Verwendung die Verbindungspooling -Technologie, um die Leistung zu optimieren. Zu den häufigen Fehlern gehören unzureichende Berechtigungen, Probleme mit Netzwerkverbindung usw. Bei Debugging -Fehlern, sorgfältige Analyse von Fehlerinformationen und verwenden Sie Debugging -Tools. Optimierung der Netzwerkkonfiguration kann die Leistung verbessern

Es ist unmöglich, das MongoDB -Passwort direkt über Navicat anzuzeigen, da es als Hash -Werte gespeichert ist. So rufen Sie verlorene Passwörter ab: 1. Passwörter zurücksetzen; 2. Überprüfen Sie die Konfigurationsdateien (können Hash -Werte enthalten). 3. Überprüfen Sie Codes (May Hardcode -Passwörter).

Die MySQL -Verbindung kann auf die folgenden Gründe liegen: MySQL -Dienst wird nicht gestartet, die Firewall fängt die Verbindung ab, die Portnummer ist falsch, der Benutzername oder das Kennwort ist falsch, die Höradresse in my.cnf ist nicht ordnungsgemäß konfiguriert usw. Die Schritte zur Fehlerbehebung umfassen: 1. Überprüfen Sie, ob der MySQL -Dienst ausgeführt wird. 2. Passen Sie die Firewall -Einstellungen an, damit MySQL Port 3306 anhören kann. 3. Bestätigen Sie, dass die Portnummer mit der tatsächlichen Portnummer übereinstimmt. 4. Überprüfen Sie, ob der Benutzername und das Passwort korrekt sind. 5. Stellen Sie sicher, dass die Einstellungen für die Bindungsadresse in my.cnf korrekt sind.

MySQL kann ohne Netzwerkverbindungen für die grundlegende Datenspeicherung und -verwaltung ausgeführt werden. Für die Interaktion mit anderen Systemen, Remotezugriff oder Verwendung erweiterte Funktionen wie Replikation und Clustering ist jedoch eine Netzwerkverbindung erforderlich. Darüber hinaus sind Sicherheitsmaßnahmen (wie Firewalls), Leistungsoptimierung (Wählen Sie die richtige Netzwerkverbindung) und die Datensicherung für die Verbindung zum Internet von entscheidender Bedeutung.

Die MySQL-Datenbankleistung Optimierungshandbuch In ressourcenintensiven Anwendungen spielt die MySQL-Datenbank eine entscheidende Rolle und ist für die Verwaltung massiver Transaktionen verantwortlich. Mit der Erweiterung der Anwendung werden jedoch die Datenbankleistung Engpässe häufig zu einer Einschränkung. In diesem Artikel werden eine Reihe effektiver Strategien zur Leistungsoptimierung von MySQL -Leistung untersucht, um sicherzustellen, dass Ihre Anwendung unter hohen Lasten effizient und reaktionsschnell bleibt. Wir werden tatsächliche Fälle kombinieren, um eingehende Schlüsseltechnologien wie Indexierung, Abfrageoptimierung, Datenbankdesign und Caching zu erklären. 1. Das Design der Datenbankarchitektur und die optimierte Datenbankarchitektur sind der Eckpfeiler der MySQL -Leistungsoptimierung. Hier sind einige Kernprinzipien: Die Auswahl des richtigen Datentyps und die Auswahl des kleinsten Datentyps, der den Anforderungen entspricht, kann nicht nur Speicherplatz speichern, sondern auch die Datenverarbeitungsgeschwindigkeit verbessern.

Als Datenprofi müssen Sie große Datenmengen aus verschiedenen Quellen verarbeiten. Dies kann Herausforderungen für das Datenmanagement und die Analyse darstellen. Glücklicherweise können zwei AWS -Dienste helfen: AWS -Kleber und Amazon Athena.
