Computer >> कंप्यूटर >  >> प्रोग्रामिंग >> Python

Matplotlib में पायथन डेटाटाइम्स का संचयी ग्राफ प्लॉट करना

पायथन डेटाटाइम्स का संचयी ग्राफ तैयार करने के लिए, हम निम्नलिखित कदम उठा सकते हैं -

  • फिगर साइज सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग को एडजस्ट करें।

  • कुछ कॉलेज डेटा के साथ पंडों का डेटाफ़्रेम बनाएं, जहां एक कुंजी समय अंतर के लिए और दूसरी कुंजी संख्या छात्रों के लिए बाद के वर्ष में प्रवेश किया है।

  • प्लॉट () . का उपयोग करके डेटाफ़्रेम को प्लॉट करें विधि जहां kind='bar' , यानी, नाम से वर्ग।

  • आकृति प्रदर्शित करने के लिए, दिखाएँ () . का उपयोग करें विधि।

उदाहरण

import pandas as pd
from matplotlib import pyplot as plt

plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True

college_student_data = {'durations': [1, 2, 2.5, 3, 4.5, 5, 5.5, 6, 6.5, 7], 'admissions': [5, 50, 150, 3380, 760, 340, 115, 80, 40, 10]}
df = pd.DataFrame(data=college_student_data)

df.plot(kind='bar', x='durations', y='admissions', legend=False, color='red', rot=0,)

plt.show()

आउटपुट

Matplotlib में पायथन डेटाटाइम्स का संचयी ग्राफ प्लॉट करना


  1. पायथन के माटप्लोटलिब में एक गोले की सतह पर प्लॉटिंग पॉइंट्स

    पायथन में एक गोले की सतह पर बिंदुओं को प्लॉट करने के लिए, हम plot_surface() . का उपयोग कर सकते हैं विधि। कदम figure() . का उपयोग करके एक नया आंकड़ा बनाएं या मौजूदा आंकड़ा सक्रिय करें विधि। add_subplot() . का उपयोग करके सबप्लॉट का एक सेट जोड़ें 3डी प्रोजेक्शन के साथ विधि। एक वैरिएबल प्रारंभ

  1. पाइथन में एक ग्राफ पर 3 अलग-अलग डेटासेट प्लॉट करने के लिए matplotlib का उपयोग कैसे किया जा सकता है?

    Matplotlib एक लोकप्रिय पायथन पैकेज है जिसका उपयोग डेटा विज़ुअलाइज़ेशन के लिए किया जाता है। डेटा को विज़ुअलाइज़ करना एक महत्वपूर्ण कदम है क्योंकि यह यह समझने में मदद करता है कि वास्तव में संख्याओं को देखे बिना और जटिल गणना किए बिना डेटा में क्या चल रहा है। यह दर्शकों को मात्रात्मक अंतर्दृष्टि को प्रभ

  1. पायथन में ग्राफ प्लॉटिंग

    पायथन में matplotlib पुस्तकालय का उपयोग करके रेखांकन बनाने की क्षमता है। इसमें कई पैकेज और फ़ंक्शन हैं जो विभिन्न प्रकार के ग्राफ़ और प्लॉट उत्पन्न करते हैं। इसे इस्तेमाल करना भी बहुत आसान है। यह numpy और अन्य पायथन बिल्ट-इन फ़ंक्शंस के साथ लक्ष्य को प्राप्त करता है। इस लेख में हम कुछ विभिन्न प्रकार