Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment tracer plusieurs séries à partir d’un DataFrame Pandas

Vous pouvez utiliser la syntaxe suivante pour tracer plusieurs séries à partir d’un seul DataFrame pandas :

plt.plot(df['series1'])
plt.plot(df['series2'])
plt.plot(df['series3'])

L’exemple suivant étape par étape montre comment utiliser cette syntaxe dans la pratique.

Étape 1 : Créer les données

Tout d’abord, créons un DataFrame pandas qui contient le total des ventes réalisées par trois entreprises sur une période de 8 semaines :

import pandas as pd

#create data
df = pd.DataFrame({'A': [9, 12, 15, 14, 19, 23, 25, 29],
                   'B': [5, 7, 7, 9, 12, 9, 9, 14],
                   'C': [5, 4, 7, 13, 15, 15, 18, 31]})
#view data
print(df)

    A   B   C
0   9   5   5
1  12   7   4
2  15   7   7
3  14   9  13
4  19  12  15
5  23   9  15
6  25   9  18
7  29  14  31

Étape 2 : tracer plusieurs séries

Ensuite, traçons les ventes de chaque entreprise sur le même graphique :

import matplotlib.pyplot as plt

#plot each series
plt.plot(df['A'])
plt.plot(df['B'])
plt.plot(df['C'])

#display plot
plt.show()

Étape 3 : ajouter une légende et des étiquettes

Ensuite, ajoutons une légende et quelques étiquettes d’axes pour rendre le tracé plus facile à lire :

#plot individual lines with custom colors and labels
plt.plot(df['A'], label='A', color='green')
plt.plot(df['B'], label='B', color='steelblue')
plt.plot(df['C'], label='C', color='purple')

#add legend
plt.legend(title='Group')

#add axes labels and a title
plt.ylabel('Sales', fontsize=14)
plt.xlabel('Time', fontsize=14)
plt.title('Sales by Group', fontsize=16)

#display plot
plt.show()


Vous pouvez trouver plus de tutoriels sur les pandas sur cette page .

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *