Python でデータ視覚化を実装する方法

ステップ 1: 必要なライブラリをインポートする

始める前に、Pandas、Matplotlib、Seaborn などの必要なライブラリをインポートする必要があります。これらのライブラリは、次のコマンドを使用してインポートできます。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

ステップ 2: データのロード

データ視覚化を行う前に、データをロードする必要があります。この例では、Pandas ライブラリの read_csv() 関数を使用して CSV ファイルを読み込みます。サンプル コードは次のとおりです。

data = pd.read_csv('data.csv')

ステップ 3: 基本的なグラフを作成する

グラフを作成する前に、作成するグラフの種類を決定する必要があります。この記事では、散布図と折れ線グラフを例として使用します。

散布図:

散布図は、2 つの変数間の関係を示すために使用できます。基本的な散布図を作成するコードは次のとおりです。

plt.scatter(data['x'], data['y'])
plt.title('Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

折れ線グラフ:

折れ線グラフは、一連のデータの傾向を示すために使用できます。基本的な折れ線グラフを作成するコードは次のとおりです。

plt.plot(data['x'], data['y'])
plt.title('Line Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

ステップ 4: 詳細を追加します

基本的なグラフを作成した後、性別をより読みやすくするために詳細を追加できます。よく使用される詳細は次のとおりです。

凡例の追加:

plt.scatter(data['x'], data['y'], label='Data Points')
plt.title('Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.legend()
plt.show()

色とスタイルの変更:

plt.plot(data['x'], data['y'], color='red', linestyle='--', marker='o')
plt.title('Line Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

サブ図の追加:

fig, (ax1, ax2) = plt.subplots(1, 2)
ax1.scatter(data['x'], data['y'])
ax1.set_title('Scatter Plot')
ax1.set_xlabel('X')
ax1.set_ylabel('Y')
ax2.plot(data['x'], data['y'])
ax2.set_title('Line Plot')
ax2.set_xlabel('X')
ax2.set_ylabel('Y')
plt.show()

ステップ 5: さらに作成するSeaborn ライブラリを使用した複雑なチャート

Seaborn は Matplotlib 上に構築されたライブラリであり、より多くの視覚化オプションを提供します。以下は、Seaborn ライブラリを使用して散布図を作成する例です。

sns.scatterplot(data=data, x='x', y='y',hue='category')
plt.title('Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

この散布図は、さまざまなカテゴリをさまざまな色で表すため、さまざまなデータ ポイントを区別しやすくなります。

Seaborn ライブラリの別の例は、sns.lineplot() 関数を使用して折れ線グラフを作成することです:

sns.lineplot(data=data, x='x', y='y')
plt.title('Line Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

Matplotlib と同様に、Seaborn ライブラリは色の変更などの詳細を追加することもできます。やスタイル、サブピクチャの追加など。

以上がPython でデータ視覚化を実装する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。