Datenvisualisierung definieren

Name: Datenvisualisierung definieren
Author: Bill Hood

Sammeln, organisieren und zeichnen Sie Ihren ersten Datensatz

Preview the first lesson free — get full access to all 3 lessons.

Kurs: On-Demand

Das ist die erste Handlung. Wie wir bereits in der Einleitung besprochen haben, werden wir es tun Folgen Sie einem dreistufigen Prozess. Der erste Schritt ist die Vorbereitung. In diesem Fall werden wir vorstellen zwei Python-Importe, NumPy, was für numerisches Python steht, und matplotlib, Das ist, wie der Name schon sagt, ein Plotter. Wir werden die Daten auch nur fest codieren. Und oft ist es am besten, Daten per Hand einzugeben Antwort, die schnellste Antwort, und ganz sicher ein guter Ansatz. Deshalb werden wir das in dieser Lektion vorstellen. Im Geiste der Organisation dieser Daten machen wir uns zunächst auf den Weg um einfach die Daten selbst zu organisieren und sicherzustellen, dass wir verstehen welche Daten wir auf welche Achse legen wollen. Wir werden diese beschriften und Ihnen vorstellen, wie Sie das machen. Wir werden Titel vergeben und Stile auswählen. Unser erster Plot wird ein einfacher eindimensionaler XY-Plot sein. Lass uns anfangen. Dies ist meine Jupyter Notebook-Umgebung. Jupyter Notebook ist eine virtuelle Maschine Dadurch entsteht eine virtuelle Programmierumgebung. Numpy als NP importieren. Da NP traditionell ist, werden die meisten Leute das und dann das tun ermöglicht es uns, auf diese Bibliothek zu verweisen, genau wie wir es richtig tun hier sagen wir np.random. Hier verwenden wir tatsächlich Numpy, um Zufallszahlen zu generieren. Der zweite Import ist matplotlib. Pyplot, Und das ist ein wirklich langer Name, deshalb kürzen wir ihn auf PLT ab. Auch ein sehr Basic importieren. Tatsächlich werden wir hier nie über diese beiden Importe reden noch einmal, und wir werden sie fast jedes Mal verwenden. Da Sie nun wissen, was sie sind, stecken Sie sie einfach in Ihre Tasche von Tricks und zögern Sie nicht, sie in Zukunft anzuwenden. Dies importiert tatsächlich eine Stilfunktion für uns aus dem Matplotlib-Bibliothek. Wir müssen dies also zuerst importieren und dann können wir den Stil erhalten Bibliothek. Und tatsächlich nutzen wir das einfach zuerst. Und wir werden weitermachen und die Stile ausdrucken, die es gibt verfügbar. Wenn Sie also hier bemerken, Plotter ist das, worauf wir hinweisen. Das ist also Matplotlib und die Stilbibliothek. Und jetzt wollen wir sehen, was verfügbar ist. Wenn wir also auf „Ausführen“ klicken, wird dieser kleine Codeabschnitt ausgeführt. Und Sie werden sehen, dass dies die Namen der Stile sind stehen zur Verfügung. Und wenn wir wählen, bekommen wir Seaborne Dark Grid, wenn wir BMH wählen, Alles, was wir tun müssen, ist, das zu ergreifen, zu kopieren und zu ändern Hier. Führen Sie dies erneut aus, und wir erhalten ein anders aussehendes Diagramm. Lassen Sie uns also fortfahren und VMH auswählen. Kommen wir nun zu unserem zweiten Codeblock. Und das ist das Besondere an einem Jupyter-Notebook praktisch für den Programmierunterricht. Weil wir wirklich, das ist der erste Schritt, lasst uns diese Importe besorgen aufgereiht. Dies ist der erste Teil, über den ich gesprochen habe. Jetzt wo wir es haben, müssen wir uns organisieren und machen Sicher wissen wir, wie wir an diese Daten kommen und was wir tun werden. In diesem Fall werden wir Folgendes tun: generieren Sie es. Und wenn Sie hier schauen, haben wir eine Variable namens Zufallszahl, und wir werden ein NumPy erstellen Funktion, die Zufallszahlen 100 Zufallszahlen zuordnet. Sie kennen sich auch mit Python ziemlich gut aus. Sie wissen, das bedeutet, dass es sich um eine Liste handelt. Warum drucken wir das also nicht gleich hier aus? Und schauen Sie sich einfach an, welche Zahlen wir erhalten. Also werden wir das noch einmal durchführen. Und hier sind unsere 100 Zahlen. Und Sie können sehen, dass sie innerhalb einer Klammer liegen. Und das bedeutet, dass es sich um eine Python-Liste handelt. Hier also unsere Zahlen. Wenn wir das jetzt noch einmal ausführen, erhalten wir einen anderen Satz Zahlen, weil sie wirklich zufällig sind. Ziemlich knapp. So nah, wie ein Computer es schaffen kann. Okay, jetzt haben wir unsere Daten. Damit sind wir mit Schritt zwei fertig und müssen jetzt nur noch Folgendes tun: Plot das. Nun, die Sache, über die man in diesem speziellen Beispiel nachdenken sollte, ist Allerdings haben Sie nur eine Variable. Es gibt keine zwei Variablen. Es gibt nur eine Variable, die Zufallszahl. Also Wir brauchen zwei Dimensionen, um etwas darzustellen. In diesem Szenario also Sie würden immer entweder Zeit oder Sequenz verwenden. Wir werden die Reihenfolge wählen. Wir könnten Zeit gebrauchen. Wie könnten wir die Zeit wählen? Nun, diese Nummer wurde zu einem ganz besonderen Zeitpunkt generiert. Das Gleiche gilt für diese Nummer, das Gleiche gilt für diese Nummer. Oder wir verwenden einfach die Reihenfolge, da dies hier die erste Zahl war. die zweite Zahl, die dritte Zahl, die vierte Zahl. Also zeichnen wir dies zuerst, dieses zweite, dieses dritte und so weiter auf. Also sagen wir einfach „Plot-Zufallszahl“. Das ist wirklich alles, was wir tun müssen. Und dann werden wir diese standardmäßig in diesen Plotter einfügen fortlaufende Reihenfolge. In diesem Fall also ganz einfach: Zeigen Sie auf den Plotter und zeichnen Sie bitte meine Zufallszahl auf. Und genau das macht dieser Code oder bereitet Sie darauf vor. Hier steht auch, dass ich auf diesem Plotter mein x-Label erstellen soll Reichweite. Wenn wir es Bereich x nennen wollten, würden wir das einfach eingeben hinein, und das wird angezeigt. Das Gleiche gilt für das y-Label, das wir als Zufallszahl bezeichnet haben. Und das Gleiche gilt für den Titel, den wir „meine erste Handlung“ genannt haben. All dies gilt nun wirklich für alle zukünftigen Handlungsstränge. Wir werden also nicht zu viel davon reden, Labels zu machen die Zukunft, weil wir es hier wirklich dargelegt haben. Der letzte Befehl ist „plot show“, und damit wird der Code ausgeführt ausführen Plot anzeigen. Lassen Sie uns das jetzt ausführen. Da ist unser Grundstück. Es ist offensichtlich eine seltsame, wackelige Zahl, aber das liegt daran, dass es diese Zufallszahlen sind. Und wenn Sie sich unsere Liste hier oben ansehen, sehen Sie 0,18. Nun ja, das sieht nach 0,18 aus. Und dann sieht die zweite Zahl für mich wie 0,7 aus etwas. Ups, und da ist es, 0,78. Wir führen dies erneut aus, wie wir zuvor gezeigt haben. Lassen Sie uns also unsere Daten neu generieren und dann unser Diagramm neu generieren. und es wird anders aussehen. Es sieht tatsächlich anders aus.

Mittelstufe Anbieter : Bill Hood 3 Lektionen · 22m auf Arabisch, Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Chinese

Kursbeschreibung

In diesen Lektionen stellen wir unsere virtuelle Umgebung, Python 3.x, unseren ersten Plot, unseren ersten 2D-Plot vor und erkunden die Jupyter-Notebook-Plattform. Wir stellen auch unsere Formel für die Datenvisualisierung vor, die das Sammeln, Organisieren und anschließende Plotten der Ergebnisse umfasst. Sie werden lernen, wie Sie Linien, Muster, Farben, Anmerkungen und Transparenz steuern können.

Wir werden uns auf die Grundlagen konzentrieren und Ihr allgemeines Wissen über Python und Programmierung erweitern, einschließlich des Imports und der Verwendung einer neuen Reihe von Bibliotheken, die sich auf die Datenvisualisierung konzentrieren, und des dreistufigen Prozesses des Erhaltens, Organisierens und Darstellens von Daten oder des "Sammeln-Organisieren-Darstellen"-Modells der Datenvisualisierung.

Was Sie lernen werden

Importieren und verwenden Sie Datenvisualisierungsbibliotheken, einschließlich matplotlib.pyplot
Erstellen Sie Ihr erstes Diagramm und 2D-Liniendiagramm in der Jupyter Notebook-Plattform
Sammeln Sie Daten und organisieren Sie sie für ein XY-Diagramm, einschließlich Daten aus einer CSV
Wenden Sie das Collect-Organize-Present-Modell auf die Darstellung von Ergebnissen an
Kontrollieren Sie Linien, Muster, Farben, Anmerkungen und Transparenz in Diagrammen
Richten Sie die Python 3.x-Umgebung ein und arbeiten Sie darin

Wichtige Erkenntnisse

Der Kurs führt in eine virtuelle Umgebung, Python 3.x, ein erstes Diagramm, ein erstes 2D-Diagramm und die Jupyter Notebook-Plattform ein.
Datenvisualisierung wird durch eine Drei-Schritte-Formel der Erfassung, Organisation und anschließenden Darstellung der Ergebnisse präsentiert, beschrieben als Collect-Organize-Present-Modell.
Lernende importieren und verwenden einen neuen Satz von Bibliotheken, die sich auf Datenvisualisierung konzentrieren, einschließlich matplotlib.pyplot.
Der Kurs behandelt die Kontrolle von Linien, Mustern, Farben, Anmerkungen und Transparenz in Diagrammen.
Er konzentriert sich auf die Grundlagen und erweitert das allgemeine Wissen über Python und Programmierung.

Häufig gestellte Fragen

Was werde ich in diesem Kurs lernen?

Sie werden lernen, Datenvisualisierungsbibliotheken einschließlich matplotlib.pyplot zu importieren und zu verwenden, Daten für ein XY-Diagramm zu sammeln und zu organisieren, Daten aus einer CSV zu sammeln und Diagramme mithilfe des Collect-Organize-Present-Modells zu erstellen. Der Kurs behandelt auch die Kontrolle von Linien, Mustern, Farben, Anmerkungen und Transparenz.

Welche Tools und Plattformen verwendet dieser Kurs?

Der Kurs verwendet eine virtuelle Umgebung, Python 3.x und die Jupyter Notebook-Plattform.

Welche Themen behandeln die Lektionen?

Die Lektionen behandeln Erstes Diagramm, 2D-Liniendiagramm und Aufbau einer Grundlage.

Welche Fähigkeiten entwickelt dieser Kurs?

Er entwickelt Fähigkeiten in Anwendungsdaten, Dateihandhabung und gemeinsamen Bibliotheken, während Ihr allgemeines Wissen über Python und Programmierung erweitert wird.

Wie wird Datenvisualisierung in diesem Kurs angegangen?

Datenvisualisierung wird durch einen drei Schritte umfassenden Prozess angegangen: Daten abrufen, organisieren und dann darstellen, bezeichnet als Collect-Organize-Present-Modell.