Plotten

Geschätzte Zeit: 30 Minuten

Übersicht

Fragen

• Wie kann ich meine Daten darstellen?
• Wie kann ich meinen Plot für die Veröffentlichung speichern?

Ziele

• Erstellt ein Zeitseriendiagramm mit einem einzelnen Datensatz.
• Erstellt ein Streudiagramm, das die Beziehung zwischen zwei Datensätzen zeigt.

matplotlib ist die am weitesten verbreitete wissenschaftliche Plotting-Bibliothek in Python.

---

• Üblicherweise wird eine Unterbibliothek namens matplotlib.pyplot verwendet.
• Das Jupyter Notebook rendert Plots standardmäßig inline.

PYTHON

import matplotlib.pyplot as plt

• Einfache Diagramme sind dann (relativ) einfach zu erstellen.

PYTHON

time = [0, 1, 2, 3]
position = [0, 100, 200, 300]

plt.plot(time, position)
plt.xlabel('Time (hr)')
plt.ylabel('Position (km)')

Wichtig

Alle offenen Abbildungen anzeigen

In unserem Jupyter-Notebook-Beispiel sollte das Ausführen der Zelle die Abbildung direkt unterhalb des Codes erzeugen. Die Abbildung wird auch in das Notebook-Dokument aufgenommen und kann später betrachtet werden. Andere Python-Umgebungen wie eine interaktive Python-Sitzung, die von einem Terminal aus gestartet wird, oder ein Python-Skript, das über die Kommandozeile ausgeführt wird, erfordern jedoch einen zusätzlichen Befehl, um die Abbildung anzuzeigen.

Weist matplotlib an, eine Abbildung darzustellen:

PYTHON

plt.show()

Dieser Befehl kann auch innerhalb eines Notizbuchs verwendet werden - zum Beispiel, um mehrere Zahlen anzuzeigen, wenn mehrere von einer einzigen Zelle erstellt wurden.

Plotten von Daten direkt aus einem Pandas dataframe.

---

• Wir können auch Pandas dataframes plotten.
• Vor dem Plotten konvertieren wir die Spaltenüberschriften von einem string-Datentyp in integer, da sie numerische Werte darstellen, indem wir str.replace() verwenden, um das Präfix gpdPercap_ zu entfernen, und dann astype(int), um die Reihe von String-Werten (['1952', '1957', ..., '2007']) in eine Reihe von Ganzzahlen zu konvertieren: [1925, 1957, ..., 2007].

PYTHON

import pandas as pd

data = pd.read_csv('data/gapminder_gdp_oceania.csv', index_col='country')

# Extract year from last 4 characters of each column name
# The current column names are structured as 'gdpPercap_(year)', 
# so we want to keep the (year) part only for clarity when plotting GDP vs. years
# To do this we use replace(), which removes from the string the characters stated in the argument
# This method works on strings, so we use replace() from Pandas Series.str vectorized string functions

years = data.columns.str.replace('gdpPercap_', '')

# Convert year values to integers, saving results back to dataframe

data.columns = years.astype(int)

data.loc['Australia'].plot()

Wählen Sie Daten aus, transformieren Sie sie und stellen Sie sie dann dar.

---

• Standardmäßig zeichnet DataFrame.plot mit den Zeilen als X-Achse.
• Wir können die Daten transponieren, um mehrere Reihen zu zeichnen.

PYTHON

data.T.plot()
plt.ylabel('GDP per capita')

Es stehen viele Darstellungsarten zur Verfügung.

---

• Erstellen Sie z. B. ein Balkendiagramm mit einem ausgefeilteren Stil.

PYTHON

plt.style.use('ggplot')
data.T.plot(kind='bar')
plt.ylabel('GDP per capita')

Daten können auch durch direkten Aufruf der Funktion matplotlib plot geplottet werden.

---

• Der Befehl lautet plt.plot(x, y)
• Die Farbe und das Format der Marker können auch als zusätzliches optionales Argument angegeben werden, z.B. b- ist eine blaue Linie, g-- ist eine grüne gestrichelte Linie.

Holt Australien-Daten aus dem Datenrahmen

---

PYTHON

years = data.columns
gdp_australia = data.loc['Australia']

plt.plot(years, gdp_australia, 'g--')

Kann viele Datensätze zusammen darstellen.

---

PYTHON

# Select two countries' worth of data.
gdp_australia = data.loc['Australia']
gdp_nz = data.loc['New Zealand']

# Plot with differently-colored markers.
plt.plot(years, gdp_australia, 'b-', label='Australia')
plt.plot(years, gdp_nz, 'g-', label='New Zealand')

# Create legend.
plt.legend(loc='upper left')
plt.xlabel('Year')
plt.ylabel('GDP per capita ($)')

Wichtig

Hinzufügen einer Legende

Beim Plotten mehrerer Datensätze auf derselben Abbildung ist es oft wünschenswert, eine Legende zur Beschreibung der Daten zu haben.

Dies kann in matplotlib in zwei Stufen erfolgen:

• Geben Sie eine Beschriftung für jeden Datensatz in der Abbildung an:

PYTHON

plt.plot(years, gdp_australia, label='Australia')
plt.plot(years, gdp_nz, label='New Zealand')

• Weist matplotlib an, die Legende zu erstellen.

PYTHON

plt.legend()

Standardmäßig versucht matplotlib, die Legende an einer geeigneten Stelle zu platzieren. Wenn Sie lieber eine Position angeben möchten, können Sie dies mit dem Argument loc= tun, z.B. um die Legende in der oberen linken Ecke des Plots zu platzieren, geben Sie loc='upper left' an

• Plotten eines Streudiagramms, das das BIP von Australien und Neuseeland in Beziehung setzt
• Verwenden Sie entweder plt.scatter oder DataFrame.plot.scatter

PYTHON

plt.scatter(gdp_australia, gdp_nz)

PYTHON

data.T.plot.scatter(x = 'Australia', y = 'New Zealand')

Aufgabe

Minima und Maxima

Füllen Sie die folgenden Felder aus, um das minimale Pro-Kopf-BIP aller europäischen Länder im Zeitverlauf darzustellen. Ändern Sie das Diagramm erneut, um das maximale Pro-Kopf-BIP für Europa im Zeitverlauf darzustellen.

PYTHON

data_europe = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')
data_europe.____.plot(label='min')
data_europe.____
plt.legend(loc='best')
plt.xticks(rotation=90)

Lösung

PYTHON

data_europe = pd.read_csv('data/gapminder_gdp_europe.csv', index_col='country')
data_europe.min().plot(label='min')
data_europe.max().plot(label='max')
plt.legend(loc='best')
plt.xticks(rotation=90)

Aufgabe

Korrelationen

Ändern Sie das Beispiel in den Anmerkungen, um ein Streudiagramm zu erstellen, das die Beziehung zwischen dem minimalen und maximalen Pro-Kopf-BIP der asiatischen Länder für jedes Jahr im Datensatz zeigt. Welche Beziehung sehen Sie (wenn überhaupt)?

Lösung

PYTHON

data_asia = pd.read_csv('data/gapminder_gdp_asia.csv', index_col='country')
data_asia.describe().T.plot(kind='scatter', x='min', y='max')

Es sind keine besonderen Korrelationen zwischen den Mindest- und Höchstwerten des BIP von Jahr zu Jahr zu erkennen. Es scheint, als ob die Geschicke der asiatischen Länder nicht gemeinsam steigen und fallen.

Aufgabe

Korrelationen (continued)

Sie werden feststellen, dass die Variabilität des Maximums viel größer ist als die des Minimums. Schauen Sie sich die Indizes Maximum und Maximum an:

PYTHON

data_asia = pd.read_csv('data/gapminder_gdp_asia.csv', index_col='country')
data_asia.max().plot()
print(data_asia.idxmax())
print(data_asia.idxmin())

Lösung

Es scheint, dass die Schwankungen in diesem Wert auf einen starken Rückgang nach 1972 zurückzuführen sind. Vielleicht sind geopolitische Gründe im Spiel? Angesichts der Dominanz der Erdöl produzierenden Länder wäre vielleicht der Brent-Rohöl-Index ein interessanter Vergleich? Während Myanmar durchweg das niedrigste BIP aufweist, sind die Schwankungen bei der Nation mit dem höchsten BIP noch ausgeprägter.

Aufgabe

Weitere Korrelationen

Dieses kurze Programm erstellt ein Diagramm, das die Korrelation zwischen dem BIP und der Lebenserwartung für das Jahr 2007 zeigt, wobei die Markergröße durch die Bevölkerung normalisiert wird:

PYTHON

data_all = pd.read_csv('data/gapminder_all.csv', index_col='country')
data_all.plot(kind='scatter', x='gdpPercap_2007', y='lifeExp_2007',
              s=data_all['pop_2007']/1e6)

Erläutern Sie anhand der Online-Hilfe und anderer Quellen, was die einzelnen Argumente von plot bewirken.

Lösung

Eine gute Anlaufstelle ist die Dokumentation für die Plot-Funktion - help(data_all.plot).

kind - Wie bereits gesehen, bestimmt dies die Art der Darstellung, die gezeichnet werden soll.

x und y - Ein Spaltenname oder Index, der bestimmt, welche Daten auf der x- und y-Achse des Diagramms platziert werden sollen

s - Details dazu finden Sie in der Dokumentation von plt.scatter. Eine einzelne Zahl oder ein Wert für jeden Datenpunkt. Bestimmt die Größe der gezeichneten Punkte.

Wichtig

Speichern der Darstellung in einer Datei

Wenn Sie mit der Darstellung zufrieden sind, möchten Sie sie vielleicht in einer Datei speichern, um sie in eine Veröffentlichung aufzunehmen. Im Modul matplotlib.pyplot gibt es eine Funktion, mit der dies möglich ist: savefig. Der Aufruf dieser Funktion, z.B. mit

PYTHON

plt.savefig('my_figure.png')

speichert die aktuelle Abbildung in der Datei my_figure.png. Das Dateiformat wird automatisch aus der Dateinamenerweiterung abgeleitet (andere Formate sind pdf, ps, eps und svg).

Beachten Sie, dass die Funktionen in plt auf eine globale Abbildungvariable verweisen. Nachdem eine Abbildung auf dem Bildschirm angezeigt wurde (z.B. mit plt.show), wird matplotlib diese Variable auf eine neue leere Abbildung verweisen lassen. Stellen Sie daher sicher, dass Sie plt.savefig aufrufen, bevor der Plot auf dem Bildschirm angezeigt wird, sonst könnten Sie eine Datei mit einem leeren Plot vorfinden.

Bei der Verwendung von Datenrahmen werden die Daten oft in einer einzigen Zeile erzeugt und auf dem Bildschirm dargestellt. Zusätzlich zur Verwendung von plt.savefig können wir einen Verweis auf die aktuelle Abbildung in einer lokalen Variablen (mit plt.gcf) speichern und die Klassenmethode savefig von dieser Variablen aus aufrufen, um die Abbildung in einer Datei zu speichern.

PYTHON

data.plot(kind='bar')
fig = plt.gcf() # get current Abbildunge
fig.savefig('my_Abbildunge.png')

Wichtig

Zugänglich machen von Plots

Wenn Sie Diagramme für ein Papier oder eine Präsentation erstellen, gibt es ein paar Dinge, die Sie tun können, um sicherzustellen, dass jeder Ihre Diagramme verstehen kann.

• Stellen Sie immer sicher, dass Ihr Text groß genug ist, um ihn zu lesen. Verwenden Sie den Parameter fontsize in xlabel, ylabel, title und legend, und tick_params mit labelsize, um die Textgröße der Zahlen auf Ihren Achsen zu erhöhen.
• In ähnlicher Weise sollten Sie die Elemente Ihres Graphen gut sichtbar machen. Benutzen Sie s, um die Größe Ihrer Streudiagramm-Markierungen zu erhöhen und linewidth, um die Größe Ihrer Diagrammlinien zu erhöhen.
• Die Verwendung von Farbe (und nichts anderem) zur Unterscheidung zwischen verschiedenen Plot-Elementen macht Ihre Plots unlesbar für jeden, der farbenblind ist oder zufällig einen Schwarz-Weiß-Bürodrucker hat. Für Linien können Sie mit dem Parameter linestyle verschiedene Linientypen verwenden. Bei Streudiagrammen können Sie mit marker die Form der Punkte ändern. Wenn Sie sich mit den Farben nicht sicher sind, können Sie Coblis oder Color Oracle verwenden, um zu simulieren, wie Ihre Diagramme für Menschen mit Farbenblindheit aussehen würden.

Hauptpunkte

• matplotlib ist die am weitesten verbreitete wissenschaftliche Plotting-Bibliothek in Python.
• Plotten von Daten direkt aus einem Pandas-Datenframe.
• Wählen Sie Daten aus, transformieren Sie sie und stellen Sie sie dann dar.
• Es stehen viele Darstellungsarten zur Verfügung: Weitere Optionen finden Sie in der Python Graph Gallery.
• Kann viele Datensätze zusammen darstellen.