Data Science Academy · บทเรียน

กราฟเส้นและกราฟแท่งใน matplotlib

สร้างกราฟโดยตรงจาก DataFrame

บทเรียน 3 จาก 413 ขั้นตอน

กราฟเส้นและกราฟแท่งใน matplotlib เป็นบทเรียน Data Science Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Data Science Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Data Science Academy มีบทเรียนทั้งหมด 4 บทเรียน

ภาพชนะตาราง

กำแพงตัวเลขอาจซ่อนแนวโน้มไว้ แผนภูมิอย่างรวดเร็วจะเผยให้เห็นแนวโน้มทันที นี่จึงเป็นเหตุผลที่การวิเคราะห์ทุกครั้งจบลงด้วยแผนภูมิ 📊

นำเข้า pyplot เพียงครั้งเดียว

เครื่องมือวาดภาพอยู่ใน matplotlib.pyplot ซึ่งมักนำเข้าในชื่อ plt ชื่อย่อนี้ช่วยให้การเรียกใช้แผนภูมิทุกครั้งกระชับ

import matplotlib.pyplot as plt

แผนภูมิเส้นแสดงการเปลี่ยนแปลง

เลือกใช้แผนภูมิเส้นเมื่อสิ่งที่คุณสนใจเปลี่ยนแปลงไปตามแกนต่อเนื่อง เช่น ยอดขายที่เพิ่มขึ้นเดือนแล้วเดือนเล่า

plt.plot(months, sales)

แท่งใช้เปรียบเทียบหมวดหมู่

ใช้แผนภูมิแท่งเพื่อเปรียบเทียบกลุ่มที่แยกจากกันแบบเคียงข้างกัน เช่น ยอดขายรวมของแต่ละภูมิภาค

plt.bar(regions, totals)

สร้างแผนภูมิโดยตรงจาก pandas

ทุก Series และ DataFrame มี .plot ในตัวซึ่งเรียกใช้ matplotlib ให้คุณ คุณจึงไม่ต้องตั้งค่าด้วยตนเอง

df["sales"].plot()

เลือกชนิดของแผนภูมิ

แผนภูมิของ pandas รับอาร์กิวเมนต์ kind ส่ง kind="bar" สำหรับแผนภูมิแท่ง หรือไม่ต้องระบุเพื่อใช้เส้นเป็นค่าเริ่มต้น

df["sales"].plot(kind="bar")

จัดกลุ่มแล้วจึงสร้างแผนภูมิ

ข้อมูลสรุปแบบจัดกลุ่มสร้างแผนภูมิได้สวยงาม เพราะดัชนีของข้อมูลจะกลายเป็นแกน x จัดกลุ่ม รวมข้อมูล แล้วต่อด้วย .plot

df.groupby("region")["sales"].sum().plot(kind="bar")

แสดงรูปภาพ

นอกสมุดบันทึก คุณต้องเรียกใช้ plt.show เพื่อเปิดหน้าต่างแสดงแผนภูมิ ใน Jupyter แผนภูมิจะปรากฏขึ้นเอง

plt.show()

ปรับขนาดให้เหมาะสม

แผนภูมิขนาดเล็กอาจซ่อนรายละเอียดไว้ ส่ง figsize เป็นความกว้างและความสูงหน่วยนิ้ว เพื่อให้แผนภูมิของคุณมีพื้นที่แสดงผลเพียงพอ

df["sales"].plot(figsize=(8, 4))

เพิ่มเส้นอีกหลายเส้น

เรียกใช้ plt.plot หลายครั้งก่อนแสดงผล แล้ว matplotlib จะวางแต่ละเส้นซ้อนกันบนแกนเดียวกันเพื่อให้เปรียบเทียบได้ง่าย

ล้างก่อนวาดใหม่

แผนภูมิที่ค้างอยู่สามารถสะสมข้ามเซลล์ได้ เริ่มต้นใหม่ด้วย plt.figure หรือปิดแผนภูมิเก่า เพื่อไม่ให้แผนภูมิซ้อนทับกัน

ตรวจสอบด่วน

คุณต้องการเปรียบเทียบยอดขายรวมของหลายภูมิภาค แผนภูมิชนิดใดเหมาะที่สุด

ตอบคำถามในบทเรียนแบบโต้ตอบ

ทบทวน: แผนภูมิแรกของคุณ

ตอนนี้คุณสามารถนำเข้า plt วาดเส้นเพื่อแสดงแนวโน้มและแท่งเพื่อแสดงหมวดหมู่ รวมทั้งสร้างแผนภูมิโดยตรงจาก pandas ได้แล้ว ข้อมูลของคุณมีหน้าตาให้เห็นแล้ว! 🎨

เริ่มต้นได้ฟรี

เรียนรู้ Python ด้วย AI tutor — ฟรี

เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป

คอร์ส: 30
บทเรียน: 120

เริ่มเรียนฟรี ดูหลักสูตรเต็ม

คำถามที่พบบ่อย

บทเรียน “กราฟเส้นและกราฟแท่งใน matplotlib” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “กราฟเส้นและกราฟแท่งใน matplotlib” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Data Science Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Data Science Academy มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “กราฟเส้นและกราฟแท่งใน matplotlib”

สร้างกราฟโดยตรงจาก DataFrame คุณปฏิบัติ Data Science Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Data Science Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน Data Science Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน

บทเรียน “กราฟเส้นและกราฟแท่งใน matplotlib” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน Data Science Academy นี้ได้ไหม

ได้ บทเรียน Data Science Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

← กลับไปที่ Data Science Academy