Home-theater-designers
జూపిటర్ నోట్‌బుక్ డేటా సైంటిస్టుల కోసం ప్రథమ స్థానంలో ఉంది. ఇది డేటా విజువలైజేషన్, సులువు విశ్లేషణ మరియు సహకారం కోసం ఉపయోగించే ఇంటరాక్టివ్ వెబ్ ఇంటర్‌ఫేస్‌ను అందిస్తుంది.
మ్యాప్‌లు లేదా గ్రాఫ్‌ల ద్వారా మీ డేటా కోసం సందర్భాన్ని కనుగొనడానికి డేటా విజువలైజేషన్ మిమ్మల్ని అనుమతిస్తుంది. ఈ ట్యుటోరియల్ జూపిటర్ నోట్‌బుక్‌లో గ్రాఫ్‌లతో ఇంటరాక్ట్ అవ్వడానికి ఒక తెలివైన గైడ్‌ను అందిస్తుంది.
ముందస్తు అవసరాలు
మీరు అవసరం జూపిటర్ ఇన్‌స్టాల్ చేయండి మీ యంత్రంలో. అది కాకపోతే, కింది కోడ్‌ను మీ కమాండ్-లైన్‌లో నమోదు చేయడం ద్వారా మీరు దీన్ని ఇన్‌స్టాల్ చేయవచ్చు:
$ pip install jupyterమీకు ఇది కూడా అవసరం పాండాలు మరియు matplotlib గ్రంధాలయం:
స్నేహితులతో PC తో minecraft ఎలా ఆడాలి
$ pip install pandas $ pip install matplotlibసంస్థాపనలు పూర్తయిన తర్వాత, జూపిటర్ నోట్‌బుక్ సర్వర్‌ను ప్రారంభించండి. అలా చేయడానికి మీ టెర్మినల్‌లో కింది ఆదేశాన్ని టైప్ చేయండి. మీ కంప్యూటర్ యొక్క డిఫాల్ట్ బ్రౌజర్‌లో ప్రస్తుత డైరెక్టరీలోని ఫైల్‌లను చూపించే జూపిటర్ పేజీ తెరవబడుతుంది.
$ jupyter notebookగమనిక: మీరు ఈ ఆదేశాన్ని అమలు చేసే టెర్మినల్ విండోను మూసివేయవద్దు. మీరు అలా చేస్తే మీ సర్వర్ ఆగిపోతుంది.
సాధారణ ప్లాట్
కొత్త జూపిటర్ పేజీలో, ఈ కోడ్‌ని అమలు చేయండి:
import matplotlib.pyplot as plt
x=[1,2,3,4,5,6,7,8]
y=[2,4,6,8,10,12,14,16]
plt.plot(x,y)
plt.show()
కోడ్ సాధారణ లైన్ ప్లాట్ కోసం. మొదటి లైన్ దిగుమతి చేస్తుంది పైప్‌లాట్ నుండి గ్రాఫింగ్ లైబ్రరీ matplotlib API. మూడవ మరియు నాల్గవ పంక్తులు వరుసగా x మరియు y అక్షాలను నిర్వచిస్తాయి.
ది ప్లాట్ () గ్రాఫ్‌ను ప్లాట్ చేయడానికి పద్ధతి అంటారు. ది చూపించు () గ్రాఫ్‌ను ప్రదర్శించడానికి పద్ధతి ఉపయోగించబడుతుంది.
బదులుగా మీరు వక్రరేఖను గీయాలనుకుంటున్నారని అనుకుందాం. ప్రక్రియ ఒకటే. కేవలం విలువలను మార్చండి కొండచిలువ జాబితా y- అక్షం కోసం.
import matplotlib.pyplot as plt
x=[3,4,5,6,7,8,9,10,11,12]
y= [9,16,25,36,49,64,81,100,121,144]
plt.plot(x,y)
plt.show()
ముఖ్యమైనదాన్ని గమనించండి: రెండు గ్రాఫ్‌లలో, స్పష్టమైన స్కేల్ నిర్వచనం లేదు. స్కేల్ స్వయంచాలకంగా లెక్కించబడుతుంది మరియు వర్తించబడుతుంది. కోడ్ గురించి ఆందోళన చెందడానికి బదులుగా మీ పని (డేటా విశ్లేషణ) పై దృష్టి కేంద్రీకరించడానికి ఇది జ్యూప్టర్ అందించే అనేక ఆసక్తికరమైన ఫీచర్లలో ఒకటి.
మీరు కూడా అప్రమత్తంగా ఉంటే, x మరియు y అక్షాల విలువలు ఒకే విధంగా ఉన్నాయని మీరు గమనించవచ్చు. వాటిలో ఏవైనా ఇతర వాటి కంటే తక్కువగా ఉంటే, మీరు కోడ్‌ని అమలు చేస్తున్నప్పుడు లోపం ఫ్లాగ్ చేయబడుతుంది మరియు గ్రాఫ్ చూపబడదు.
అందుబాటులో ఉన్న రకాలు
పైన ఉన్న లైన్ గ్రాఫ్ మరియు వక్రరేఖ కాకుండా, ఇతర గ్రాఫ్ విజువలైజేషన్‌లు (ఉదా. హిస్టోగ్రామ్, బార్ చార్ట్, మొదలైనవి) చూపించడానికి స్పష్టంగా నిర్వచించాల్సిన అవసరం ఉంది.
బార్ గ్రాఫ్
బార్ ప్లాట్‌ని చూపించడానికి మీరు దీనిని ఉపయోగించాలి బార్ () పద్ధతి
import matplotlib.pyplot as plt
x=[3,4,5,6,7,8,9,10,11,12]
y= [9,16,25,36,49,64,81,100,121,144]
plt.bar(x,y)
plt.show()
స్కాటర్ ప్లాట్
మీరు చేయాల్సిందల్లా దాన్ని ఉపయోగించడం స్కాటర్ () మునుపటి కోడ్‌లోని పద్ధతి.
import matplotlib.pyplot as plt
x=[3,4,5,6,7,8,9,10,11,12]
y= [9,16,25,36,49,64,81,100,121,144]
plt.scatter(x,y)
plt.show()
పై చార్ట్
పై ప్లాట్లు పైన ఉన్న మిగిలిన వాటికి భిన్నంగా ఉంటాయి. లైన్ 4 ప్రత్యేక ఆసక్తిని కలిగి ఉంది, కాబట్టి అక్కడ ఫీచర్లను చూడండి.
అంజీర్ కారక నిష్పత్తిని సెట్ చేయడానికి ఉపయోగించబడుతుంది. మీరు దీన్ని మీకు నచ్చిన దేనికైనా సెట్ చేయవచ్చు (ఉదా (9,5)), కానీ అధికారిక పాండాస్ డాక్స్ మీరు 1 నిష్పత్తి నిష్పత్తిని ఉపయోగించమని సలహా ఇస్తారు.
import matplotlib.pyplot as plt
x=[4,9,16,25,36]
fig = plt.figure(figsize =(9, 5)) # line 4
plt.pie(x)
plt.show()పై చార్ట్‌లో గుర్తించదగిన కొన్ని పారామితులు ఉన్నాయి:
లేబుల్స్ - పై చార్టులో ప్రతి స్లైస్‌కు ఒక లేబుల్ ఇవ్వడానికి దీనిని ఉపయోగించవచ్చు.
రంగులు - ప్రతి ముక్కకు ముందుగా నిర్వచించిన రంగులను ఇవ్వడానికి దీనిని ఉపయోగించవచ్చు. మీరు రంగులను టెక్స్ట్ రూపంలో (ఉదా పసుపు) లేదా హెక్స్ రూపంలో (ఉదా '#ebc713') పేర్కొనవచ్చు.
దిగువ ఉదాహరణ చూడండి:
import matplotlib.pyplot as plt
x=[4,9,16,25,36]
fig = plt.figure(figsize =(5.5, 5.5))
plt.pie(x, labels=('Guavas', 'Berries','Mangoes','Apples', 'Avocado'),
colors = ( '#a86544', '#eb5b13', '#ebc713', '#bdeb13', '#8aeb13'))
plt.show()
వంటి ఇతర ప్లాట్లు కూడా ఉన్నాయి చరిత్ర , ప్రాంతం , మరియు ఎక్కడ మీరు చేయగలరు పాండస్ డాక్స్ గురించి మరింత చదవండి .
ప్లాట్ ఫార్మాటింగ్
పై ప్లాట్లలో, లేబుల్స్ వంటి అంశాలు ఏవీ లేవు. దీన్ని ఎలా చేయాలో ఇక్కడ ఉంది.
శీర్షికను జోడించడానికి, మీ జూపిటర్ నోట్‌బుక్‌లో దిగువ కోడ్‌ను చేర్చండి:
matplotlib.pyplot.title('My Graph Title')X మరియు y అక్షాలు వరుసగా క్రింది విధంగా లేబుల్ చేయబడతాయి:
matplotlib.pyplot.xlabel('my x-axis label')
matplotlib.pyplot.ylabel('my y-axis label')మరింత నేర్చుకోవడం
మీరు అమలు చేయవచ్చు సహాయం() జూపిటర్ ఆదేశాల గురించి ఇంటరాక్టివ్ సహాయం పొందడానికి మీ నోట్‌బుక్‌లో ఆదేశించండి. ఒక నిర్దిష్ట వస్తువుపై మరింత సమాచారం పొందడానికి, మీరు ఉపయోగించవచ్చు సహాయం (వస్తువు) .
Csv నుండి డేటాసెట్‌లను ఉపయోగించి గ్రాఫ్‌లను గీయడానికి ప్రయత్నించడం కూడా మీకు మంచి పద్ధతి ఫైళ్లు. డేటాను ఎలా విజువలైజ్ చేయాలో నేర్చుకోవడం అనేది మీ ఫలితాలను కమ్యూనికేట్ చేయడానికి మరియు విశ్లేషించడానికి ఒక శక్తివంతమైన సాధనం, కాబట్టి మీ నైపుణ్యాన్ని పెంపొందించడానికి కొంత సమయం తీసుకోవడం విలువ.
షేర్ చేయండి షేర్ చేయండి ట్వీట్ ఇమెయిల్ పాండాలను ఉపయోగించి పైథాన్ స్క్రిప్ట్‌లలోకి ఎక్సెల్ డేటాను ఎలా దిగుమతి చేయాలిఅధునాతన డేటా విశ్లేషణ కోసం, ఎక్సెల్ కంటే పైథాన్ ఉత్తమం. పాండాలను ఉపయోగించి మీ ఎక్సెల్ డేటాను పైథాన్ స్క్రిప్ట్‌లోకి ఎలా దిగుమతి చేసుకోవాలో ఇక్కడ ఉంది!
తదుపరి చదవండి సంబంధిత అంశాలు- ప్రోగ్రామింగ్
- పైథాన్
- కోడింగ్ ట్యుటోరియల్స్
- డేటా విశ్లేషణ
జెరోమ్ MakeUseOf లో స్టాఫ్ రైటర్. అతను ప్రోగ్రామింగ్ మరియు లైనక్స్ గురించి కథనాలను కవర్ చేస్తాడు. అతను క్రిప్టో iత్సాహికుడు మరియు క్రిప్టో పరిశ్రమపై ఎల్లప్పుడూ ట్యాబ్‌లను ఉంచుతాడు.
జెరోమ్ డేవిడ్సన్ నుండి మరిన్నిమా వార్తాలేఖకు సభ్యత్వాన్ని పొందండి
టెక్ చిట్కాలు, సమీక్షలు, ఉచిత ఈబుక్‌లు మరియు ప్రత్యేకమైన డీల్స్ కోసం మా వార్తాలేఖలో చేరండి!
సభ్యత్వం పొందడానికి ఇక్కడ క్లిక్ చేయండి