Einführung in Liniendiagramme

Einführung in die Datenvisualisierung mit Seaborn

Content Team

DataCamp

Was sind Liniendiagramme?

Zwei Arten von Beziehungsdiagrammen: Streudiagramme und Liniendiagramme

Streudiagramme

Jeder Punkt ist eine unabhängige Beobachtung

Liniendiagramme

Jeder Punkt repräsentiert dasselbe "Ding", typischerweise über die Zeit verfolgt

Liniendiagramm des Aktienkurses über die Zeit

Luftverschmutzungsdaten

Messstationen in der ganzen Stadt
Luftproben von Stickstoffdioxidwerten

Erste fünf Zeilen des DataFrames zur Luftverschmutzung

Streudiagramm

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2_mean", 
            data=air_df_mean, 
            kind="scatter")

plt.show()

Streudiagramm des durchschnittlichen Stickstoffdioxids über die Zeit

Liniendiagramm

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2_mean", 
            data=air_df_mean, 
            kind="line")

plt.show()

Liniendiagramm des durchschnittlichen Stickstoffdioxids über die Zeit

Untergruppen nach Standort

Erste fünf Zeilen des DataFrames zur Luftverschmutzung nach Standort

Untergruppen nach Standort

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2_mean", 
            data=air_df_loc_mean, 
            kind="line",
            style="location", 
            hue="location")

plt.show()

Liniendiagramm des durchschnittlichen Stickstoffdioxids über die Zeit pro Region

Marker hinzufügen

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2_mean", 
            data=air_df_loc_mean, 
            kind="line", 
            style="location", 
            hue="location",
            markers=True)

plt.show()

Liniendiagramm mit hinzugefügten Markern

Linienstil ausschalten

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2_mean", 
            data=air_df_loc_mean, 
            kind="line", 
            style="location", 
            hue="location",
            markers=True,
            dashes=False)

plt.show()

Liniendiagramm mit Markern und durchgezogenen Linien

Mehrere Beobachtungen pro x-Wert

Erste fünf Zeilen des DataFrames zur Luftverschmutzung pro Station

Mehrere Beobachtungen pro x-Wert

Streudiagramm

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2", 
            data=air_df, 
            kind="scatter")

plt.show()

Streudiagramm des Stickstoffdioxids für alle Stationen über die Zeit

Mehrere Beobachtungen pro x-Wert

Liniendiagramm

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2", 
            data=air_df, 
            kind="line")

plt.show()

Liniendiagramm des Stickstoffdioxids für alle Stationen über die Zeit

Mehrere Beobachtungen pro x-Wert

Schattierter Bereich ist das Konfidenzintervall

Geht davon aus, dass der Datensatz eine Zufallsstichprobe ist
95% sicher, dass der Mittelwert in diesem Intervall liegt
Zeigt Unsicherheit in unserer Schätzung

Liniendiagramm des Stickstoffdioxids für alle Stationen über die Zeit

Konfidenzintervall durch Standardabweichung ersetzen

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2", 
            data=air_df, 
            kind="line",
            errorbar="sd")

plt.show()

Liniendiagramm mit Standardabweichung

Konfidenzintervall ausschalten

import matplotlib.pyplot as plt
import seaborn as sns

sns.relplot(x="hour", y="NO_2", 
            data=air_df, 
            kind="line",
            errorbar=None)

plt.show()

Liniendiagramm ohne Konfidenzintervall

Lass uns üben!

Einführung in die Datenvisualisierung mit Seaborn