Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

Python में Matplotlib और Pandas का उपयोग करके CSV डेटा कैसे प्लॉट करें?


Python में Matplotlib और Pandas का उपयोग करके CSV डेटा प्लॉट करने के लिए, हम निम्नलिखित चरण ले सकते हैं:

  • फिगर साइज सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग एडजस्ट करें।
  • .CSV फाइल के हेडर्स की एक लिस्ट बनाएं।
  • हेडर्स के साथ CSV फाइल पढ़ें।
  • इंडेक्स सेट करें और DataFrame प्लॉट करें।
  • फिगर प्रदर्शित करने के लिए, show() मेथड का उपयोग करें।

उदाहरण

import pandas as pd import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True headers = ['Name', 'Age', 'Marks'] df = pd.read_csv('student.csv', names=headers) df.set_index('Name').plot() plt.show()

आउटपुट

Python में Matplotlib और Pandas का उपयोग करके CSV डेटा कैसे प्लॉट करें?Python में Matplotlib और Pandas का उपयोग करके CSV डेटा कैसे प्लॉट करें?


  1. मनमाने डेटा का उपयोग करके Matplotlib से 4D प्लॉट कैसे बनाएं? मनमाने डेटा का उपयोग करके Matplotlib से 4D प्लॉट कैसे बनाएं?

    4D प्लॉट बनाने के लिए, हम x, y, z और c स्टैंडर्ड डेटा पॉइंट्स बना सकते हैं। नया फिगर बनाएं या मौजूदा फिगर सक्रिय करें। चरण figure() मेथड का उपयोग करके फिगर बनाएं या मौजूदा फिगर सक्रिय करें। सबप्लॉट व्यवस्था के हिस्से के रूप में फिगर जोड़ें। NumPy का उपयोग करके x, y, z और c डेटा पॉइंट्स बनाएं।

  1. पायथन का उपयोग करके Matplotlib से 3D स्कैटर प्लॉट कैसे बनाएं पायथन का उपयोग करके Matplotlib से 3D स्कैटर प्लॉट कैसे बनाएं

    Matplotlib डेटा विज़ुअलाइज़ेशन के लिए एक लोकप्रिय पायथन पैकेज है। डेटा को विज़ुअलाइज़ करना एक महत्वपूर्ण कदम है क्योंकि यह संख्याओं को देखे बिना और जटिल गणना किए बिना डेटा में क्या हो रहा है, यह समझने में मदद करता है। यह दर्शकों को मात्रात्मक अंतर्दृष्टि को प्रभावी ढंग से संप्रेषित करने में मदद करता

  1. Matplotlib और Python का उपयोग करके एक ही फिगर में कई प्लॉट कैसे बनाएं? Matplotlib और Python का उपयोग करके एक ही फिगर में कई प्लॉट कैसे बनाएं?

    Matplotlib डेटा विज़ुअलाइज़ेशन के लिए एक लोकप्रिय Python पैकेज है।डेटा को विज़ुअलाइज़ करना एक महत्वपूर्ण चरण है क्योंकि यह संख्याओं को देखे बिना और जटिल गणनाएँ किए बिना डेटा में क्या हो रहा है, इसे समझने में मदद करता है।यह दर्शकों को मात्रात्मक अंतर्दृष्टि को प्रभावी ढंग से संप्रेषित करने में मदद कर