Âm mưu phân tán với trăn dòng trung bình

Bắt đầu với

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

8

Trước khi bạn có thể bắt đầu làm việc với

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

$ python -m pip install matplotlib

Bây giờ bạn đã cài đặt Matplotlib, hãy xem xét trường hợp sử dụng sau. Một quán cà phê bán sáu loại nước cam đóng chai khác nhau. Người chủ muốn hiểu mối quan hệ giữa giá đồ uống và số lượng mỗi loại anh ta bán, vì vậy anh ta theo dõi số lượng mỗi loại đồ uống anh ta bán mỗi ngày. Bạn có thể hình dung mối quan hệ này như sau

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Trong tập lệnh Python này, bạn nhập mô-đun con

plt.plot[price, sales_per_day, "o"]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Cuối cùng, bạn tạo biểu đồ phân tán bằng cách sử dụng

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

plt.plot[price, sales_per_day, "o"]
plt.show[]

Khi bạn đang sử dụng một môi trường tương tác, chẳng hạn như bảng điều khiển hoặc Máy tính xách tay Jupyter, bạn không cần gọi

plt.plot[price, sales_per_day, "o"]
plt.show[]

plt.plot[price, sales_per_day, "o"]
plt.show[]

Đây là đầu ra từ mã này

Cốt truyện này cho thấy rằng, nói chung, đồ uống càng đắt tiền thì càng ít mặt hàng được bán. Tuy nhiên, đồ uống có giá 4 đô la. 02 là một ngoại lệ, điều này có thể cho thấy đây là một sản phẩm đặc biệt phổ biến. Khi sử dụng biểu đồ phân tán theo cách này, việc kiểm tra chặt chẽ có thể giúp bạn khám phá mối quan hệ giữa các biến. Sau đó, bạn có thể tiến hành phân tích sâu hơn, cho dù đó là sử dụng hồi quy tuyến tính hay các kỹ thuật khác

So sánh

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

8 và

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

61

Bạn cũng có thể tạo biểu đồ phân tán được hiển thị ở trên bằng cách sử dụng một chức năng khác trong

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Bạn có thể đạt được biểu đồ phân tán giống như biểu đồ bạn đã nhận được trong phần trên với lệnh gọi sau tới

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

plt.plot[price, sales_per_day, "o"]
plt.show[]

Trong trường hợp này, bạn phải bao gồm điểm đánh dấu

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Trong một số trường hợp, đối với biểu đồ phân tán cơ bản mà bạn đang vẽ trong ví dụ này, sử dụng

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Hiệu suất sẽ khác nhau trên các máy tính khác nhau, nhưng khi bạn chạy mã này, bạn sẽ thấy rằng

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Nếu bạn có thể tạo các biểu đồ phân tán bằng cách sử dụng

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

• Nếu bạn cần một biểu đồ phân tán cơ bản, hãy sử dụng

  import matplotlib.pyplot as plt
  
  price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
  sales_per_day = [34, 62, 49, 22, 13, 19]
  
  plt.scatter[price, sales_per_day]
  plt.show[]
  

  61, đặc biệt nếu bạn muốn ưu tiên hiệu suất
• Nếu bạn muốn tùy chỉnh biểu đồ phân tán của mình bằng cách sử dụng các tính năng vẽ biểu đồ nâng cao hơn, hãy sử dụng

  import matplotlib.pyplot as plt
  
  price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
  sales_per_day = [34, 62, 49, 22, 13, 19]
  
  plt.scatter[price, sales_per_day]
  plt.show[]
  

  8

Trong phần tiếp theo, bạn sẽ bắt đầu khám phá những cách sử dụng nâng cao hơn của

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Thay đổi kích thước

Hãy trở lại chủ quán cà phê mà bạn đã gặp trước đó trong hướng dẫn này. Các loại đồ uống màu cam khác nhau mà anh ấy bán đến từ các nhà cung cấp khác nhau và có tỷ suất lợi nhuận khác nhau. Bạn có thể hiển thị thông tin bổ sung này trong biểu đồ phân tán bằng cách điều chỉnh kích thước của điểm đánh dấu. Tỷ suất lợi nhuận được đưa ra dưới dạng phần trăm trong ví dụ này

plt.plot[price, sales_per_day, "o"]
plt.show[]

Bạn có thể nhận thấy một vài thay đổi so với ví dụ đầu tiên. Thay vì danh sách, bạn hiện đang sử dụng mảng NumPy. Bạn có thể sử dụng bất kỳ cấu trúc dữ liệu dạng mảng nào cho dữ liệu và mảng NumPy thường được sử dụng trong các loại ứng dụng này vì chúng cho phép các hoạt động của phần tử được thực hiện hiệu quả. Mô-đun NumPy là phần phụ thuộc của Matplotlib, đó là lý do tại sao bạn không cần cài đặt thủ công

Bạn cũng đã sử dụng các tham số được đặt tên làm đối số đầu vào trong lệnh gọi hàm. Các tham số

plt.plot[price, sales_per_day, "o"]
plt.show[]

plt.plot[price, sales_per_day, "o"]
plt.show[]

Tham số

plt.plot[price, sales_per_day, "o"]
plt.show[]

plt.plot[price, sales_per_day, "o"]
plt.show[]

Bạn có thể xem biểu đồ phân tán được tạo bởi mã này bên dưới

Kích thước của điểm đánh dấu cho biết tỷ suất lợi nhuận cho mỗi sản phẩm. Hai loại nước cam bán chạy nhất cũng là loại có tỷ suất lợi nhuận cao nhất. Đây là tin vui cho chủ quán cà phê

Thay đổi màu sắc

Nhiều khách hàng của quán cà phê thích đọc nhãn cẩn thận, đặc biệt là để biết hàm lượng đường của đồ uống họ mua. Chủ quán cà phê muốn nhấn mạnh lựa chọn thực phẩm tốt cho sức khỏe trong chiến dịch tiếp thị tiếp theo của mình, vì vậy anh ấy phân loại đồ uống dựa trên hàm lượng đường và sử dụng hệ thống đèn giao thông để chỉ ra hàm lượng đường thấp, trung bình hoặc cao cho đồ uống

Bạn có thể thêm màu vào các điểm đánh dấu trong biểu đồ phân tán để hiển thị hàm lượng đường của mỗi loại đồ uống

plt.plot[price, sales_per_day, "o"]
plt.show[]

Bạn định nghĩa các biến

plt.plot[price, sales_per_day, "o"]
plt.show[]

plt.plot[price, sales_per_day, "o"]
plt.show[]

plt.plot[price, sales_per_day, "o"]
plt.show[]

plt.plot[price, sales_per_day, "o"]
plt.show[]

plt.plot[price, sales_per_day, "o"]
plt.show[]

plt.plot[price, sales_per_day, "o"]
plt.show[]

Sau đó, bạn đã xác định biến

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Chủ quán cà phê đã quyết định loại bỏ thức uống đắt nhất khỏi thực đơn vì loại này bán không chạy và có hàm lượng đường cao. Liệu anh ta cũng có nên ngừng dự trữ những loại đồ uống rẻ nhất để nâng cao uy tín về sức khỏe của doanh nghiệp, mặc dù nó bán chạy và có tỷ suất lợi nhuận tốt?

Thay đổi hình dạng

Chủ quán cà phê nhận thấy bài tập này rất hữu ích và anh ấy muốn điều tra một sản phẩm khác. Ngoài đồ uống cam, giờ đây bạn cũng sẽ vẽ dữ liệu tương tự cho nhiều loại thanh ngũ cốc có sẵn trong quán cà phê

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Trong mã này, bạn cấu trúc lại các tên biến để tính đến việc bạn hiện có dữ liệu cho hai sản phẩm khác nhau. Sau đó, bạn vẽ cả hai biểu đồ phân tán trong một hình duy nhất. Điều này mang lại đầu ra sau

Thật không may, bạn không còn có thể tìm ra điểm dữ liệu nào thuộc về đồ uống màu cam và điểm nào thuộc về thanh ngũ cốc. Bạn có thể thay đổi hình dạng của điểm đánh dấu cho một trong các ô phân tán

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Bạn giữ hình dạng điểm đánh dấu mặc định cho dữ liệu đồ uống màu cam. Điểm đánh dấu mặc định là

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Giờ đây, bạn có thể phân biệt điểm dữ liệu của đồ uống màu cam với điểm dữ liệu của thanh ngũ cốc. Nhưng có một vấn đề với cốt truyện cuối cùng mà bạn đã tạo mà bạn sẽ khám phá trong phần tiếp theo

Thay đổi độ trong suốt

Một trong những điểm dữ liệu cho đồ uống cam đã biến mất. Nên có sáu đồ uống màu cam, nhưng chỉ có thể nhìn thấy năm dấu tròn trong hình. Một trong những điểm dữ liệu thanh ngũ cốc đang ẩn điểm dữ liệu đồ uống màu cam

Bạn có thể khắc phục sự cố trực quan hóa này bằng cách làm cho các điểm dữ liệu trong suốt một phần bằng cách sử dụng giá trị alpha

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Bạn đã đặt giá trị

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter[price, sales_per_day]
plt.show[]

Bạn cũng đã thêm tiêu đề và các nhãn khác vào biểu đồ để hoàn thành hình với nhiều thông tin hơn về những gì đang được hiển thị