Visualisation de données avec Matplotlib : des bases aux techniques avancées

1. Intro: Bienvenue dans le cours MD Blot Leap. Dans ce cours, nous allons apprendre à travailler avec Matlot Leap, la bibliothèque la plus populaire et la plus utilisée pour la visualisation de données et Python Il est très demandé dans les domaines de la science des données, de l'apprentissage automatique et de l'analyse, car il permet créer rapidement et facilement de puissantes visualisations Nous aborderons également les principales fonctions et capacités de Matplot Leap, notamment comment créer différents types de tracés, les personnaliser et créer des visualisations interactives Vous apprendrez à utiliser efficacement MD Blot Leap pour présenter les données de manière visuellement convaincante Dans notre premier projet, nous allons créer une animation à l'aide de fausses données que nous générerons à l'aide d'une simple fonction Python et de la bibliothèque num pi. Cela vous donnera une expérience pratique du fonctionnement des animations et de la mise à jour dynamique de vos tracés. Pour le deuxième projet, nous utiliserons la bibliothèque Python Y Finance pour récupérer des données boursières réelles pour Google et Apple Nous créerons ensuite un graphique animé pour visualiser les mouvements du cours des actions sur une période donnée, vous montrant comment deux données du monde réel peuvent être représentées dynamiquement. À la fin de ce cours, vous aurez une base solide créer différents types d'intrigues et d' animations avec Md plot Leap et serez prêt à explorer des fonctionnalités encore plus avancées. Commençons. 2. Configuration et bases de Matplotlib : tutoriel sur le tracé de lignes et de dispersion: Il est important de connaître MD Blot Leap, car il permet de créer des graphiques et des diagrammes pour visualiser les données, ce qui facilite la compréhension et l'analyse des En utilisant MD Blot Leap avec Bands, vous pouvez facilement visualiser les données d'un bloc de données. La bibliothèque fournit un large éventail de paramètres et d' options de personnalisation pour les tracés et les diagrammes. Avant de commencer, assurez-vous que Matlod Lip est installé. Sinon, utilisez la commande Pep Install Matlod Lip. Ou si vous utilisez Anaconda, vous pouvez utiliser cette commande J'ai déjà installé Mud Blood Leap, donc je vais juste lancer Jupiter Notebook, et nous allons commencer à travailler ensemble. J'ouvre le terminal, j' active mon environnement virtuel. Sur lequel est déjà installé le bloc-notes Jubiter, quel environnement virtuel et comment l'utiliser, vous pouvez le voir dans ma vidéo bonus Vous n'êtes pas obligé d'utiliser un environnement virtuel pour le moment. Vous pouvez travailler confortablement dans le terminal. Mais pour l'avenir, il sera très utile de savoir de quoi il s'agit. C'est également très pratique lorsque vous devez travailler avec différents projets et différentes versions de bibliothèques. Je vais augmenter légèrement la taille de notre terminal, et voilà que je lance Jubiter Notebook, après avoir accédé au répertoire où notre projet démarrera Vous pouvez utiliser Jupiter Notebook de la manière qui vous convient le mieux. Nous sommes actuellement dans Jupiter dans ce répertoire où nous allons créer notre premier fichier pour explorer Mat Blot Leap. Créons notre dossier. Passons donc en revue les étapes de base de l' utilisation de Matplot Leap Tout d'abord, j'importe la bibliothèque avec le Alias PLT. Ensuite, nous avons besoin de données pour travailler. Données sur la base desquelles nous allons construire notre parcelle. Créons quelque chose de très basique comme celui-ci. D. Et maintenant, nous pouvons créer notre première visualisation de données, en construisant le diagramme. Et voilà, notre premier diagramme linéaire simple. Dans le passé, nous utilisions la commande magique MD plot leaping line dans Jupiter Notebook pour afficher les tracés directement dans le bloc-notes Cependant, dans la dernière version de Jupiter, cette commande n'est généralement plus nécessaire. Il est activé par défaut. Ainsi, lorsque vous créez un tracé, il apparaît automatiquement dans le bloc-notes sans qu'il soit nécessaire d' ajouter une ligne de saut Mud Blot Désormais, les utilisateurs peuvent simplement appeler fonctions de visualisation et les tracés s'afficheront automatiquement. Pour l'instant, nous avons importé la bibliothèque Mult plot leap et lui avons attribué l'alias BLT, comme c'est la pratique courante pour Ensuite, nous avons créé des données, pas vraiment fausses, mais des données sur la base desquelles nous allons construire notre intrigue. Ensuite, à l'aide de la fonction plot, nous avons créé notre tracé. Au final, nous avons dû soit ajouter la fonction Show pour afficher notre tracé, soit écrire Md Blot en ligne à ce sujet Mais comme je l'ai mentionné, dans notre cas, nous travaillons avec la dernière version du bloc-notes Jupiter, et nous l' avons déjà sous le capot . Nous n'avons pas besoin de prendre de mesures supplémentaires. Je vais supprimer cette ligne car nous n'en avons pas besoin. Nous pouvons également ajouter une étiquette ici et l'afficher ainsi. Et c'est ici. Nous pouvons voir notre étiquette sur le graphique. Maintenant, construisons un diagramme de dispersion. Le diagramme de dispersion est un puissant outil de visualisation qui nous aide à comprendre la relation entre deux variables numériques en traçant des points de données sur un graphique bidimensionnel Chaque point du diagramme correspond à une paire de valeurs les axes X et Y représentant différentes variables. Pour créer un diagramme de dispersion, nous devons d'abord transmettre les données des axes X et Y. Ce sont les valeurs qui définiront les positions des points sur le graphique. Ensuite, nous pouvons spécifier la couleur, qu'elle soit rouge. Ensuite, nous indiquons le marqueur, qui est le symbole ou désignation utilisés pour marquer chaque point de données sur le graphique. Le marqueur peut être de différents types et tailles, ce qui vous permet de choisir la manière dont vous souhaitez afficher les points de données individuels. Ensuite, nous indiquons l'étiquette, qui sera affichée dans notre légende, ajoutons la légende et voilà. Voici ce que nous avons obtenu : un diagramme de dispersion. 3. Explorer la visualisation des données : diagrammes en barres, analyse multidimensionnelle et style de tracé de dispersion: Maintenant, nous allons également apprendre à créer un graphique à barres. Et pour ce faire, je vais légèrement manipuler la base de données sur laquelle nous allons le construire. Redémarrons tout et créons notre graphique à barres. Cette fois, j'utiliserai la fonction barre. Ensuite, nous interrompons à nouveau nos paramètres. Mettons-le en vert, apposons une étiquette et, bien sûr, affichons-le. Un graphique à barres est une représentation visuelle utilisée pour comparer différentes catégories ou groupes. Ils sont couramment utilisés dans l'analyse des données pour représenter des données telles que les ventes ou toute autre information catégorique Voyons maintenant comment ajouter un titre à notre tracé à l'aide de la fonction title et comment nous pouvons étiqueter notre tracé xs en utilisant les étiquettes X et Y. Passons en revue ça. Pour cela, nous utiliserons les méthodes title X label et Ylabel. Et regardez, maintenant nous avons un titre et un excédent étiqueté. Apprenons également à modifier le style et la couleur de nos marqueurs de tracé. Les styles et les couleurs des lignes peuvent contribuer à rendre notre tracé plus informatif. Expérimentons. Pour cela, passons à notre diagramme linéaire et apportons quelques modifications. Nous avons simplement ajouté un marqueur, défini un style pour notre ligne, rendu la couleur bleue, changé notre légende. Et nous avons obtenu une bien meilleure représentation sur le même graphique linéaire. Revenons maintenant au diagramme de dispersion. Il existe un autre paramètre, S, qui contrôle la taille du marqueur. Nous pouvons définir différentes valeurs, expérimenter et voir comment cela fonctionne. Il existe également un paramètre appelé Alpha. Elle définit la transparence. Comme vous pouvez le constater, nous pouvons également expérimenter cela. Zéro signifie transparence totale, et un opacité totale Essaie d'expérimenter toi-même. Travaillons maintenant avec des données multidimensionnelles. Les diagrammes de dispersion ne sont pas réservés aux cas simples où vous voyez la relation entre deux éléments Imaginons que nous ayons un ensemble de données contenant trois variables et que nous voulions déterminer comment deux variables interagissent et influencent la troisième. Pour cela, nous utiliserons un diagramme de dispersion et travaillerons avec des données multidimensionnelles J'importe donc Numbi puis je génère des données aléatoires dont j'aurai besoin Cette ligne définit la valeur initiale du générateur de nombres aléatoires dans la bibliothèque Numbi Si le SED est égal à 42, le nombre 42 est choisi à la valeur initiale du SED. en résulte que le générateur de nombres aléatoires reproduit la même séquence de nombres aléatoires chaque exécution du programme Ne vous concentrez pas dessus pour le moment. Il n'est pas nécessaire que tu apprennes immédiatement. Essayez simplement de le répéter pour avoir une idée de ce que nous faisons. Ensuite, nous générons nos données multidimensionnelles, X un, X deux et Y. Nous avons généré des nombres aléatoires à l'aide de la bibliothèque Napi, ce qui est extrêmement important Si vous ne l'avez pas encore appris, il y a un tutoriel dans mon profil. Vérifiez-le. Et c'est ici. Nos données sont prêtes. Créons maintenant un diagramme de scat up basé sur celui-ci. Nous passons les premier et deuxième paramètres, puis l'étiquette. Ici, je vais examiner l'interaction entre X un et Y. Faisons en sorte que la couleur soit bleue, puis je comparerai X deux avec le troisième paramètre de Y. L'étiqueter avec une couleur différente Et voici ce que nous avons pour le moment. Ajoutons un titre par souci d'exhaustivité. Étiquetez ensuite l'axe avec l'étiquette X et l'étiquette Y. Dans cet exemple, nous utilisons deux ensembles de marqueurs pour afficher la relation entre X un et Y et entre X deux et Y. De cette façon, nous pouvons facilement comparer l'influence des deux variables sur la variable Y. Les diagrammes multidimensionnels de dispersion dans MD plot leap sont souvent utilisés pour visualiser relations entre Ils aident à comprendre les modèles, les corrélations ou les clusters au sein des données En représentant chaque point de données en plusieurs dimensions, ils permettent de mieux comprendre les ensembles de données complexes, souvent utilisés dans l'apprentissage automatique, l' analyse des données et les statistiques 4. Explorer les tracés et les histogrammes 3D dans la visualisation de données: Nous avons plus de deux variables, trois diagrammes en D deviennent un outil important pour la visualisation. Imaginons, par exemple, création d'un diagramme en trois D pour trois variables. Pour cela, nous devons importer un module de la bibliothèque Matplotlap contenant la classe axis three D conçue pour créer des tracés en trois Ce module étend les fonctionnalités de base de MDPlot Leap pour l'affichage et l'analyse de données tridimensionnelles Il ajoute des classes et des fonctions qui simplifient la création de différents types de graphes en trois D. Pour éviter les répétitions, je vais le copier ici. Affinez-le un peu et renommez les variables. Maintenant, je vais rapidement écrire le code, puis je vais expliquer ce que nous avons fait ici. En attendant, publiez la vidéo, copiez le code, puis nous l'examinerons ensemble. Nous avons donc importé ce module, puis généré des données aléatoires. Ensuite, nous créons un objet figuré, qui est le conteneur de tous les éléments du tracé. C'est un élément fondamental de tout complot Mdlolap. Ensuite, nous créons un sous-diagramme en trois D à l'aide de la méthode AdsAlot. Cela crée un sous-diagramme avec une projection en trois D basée sur l'objet de figure que nous avons créé précédemment Le paramètre projection en trois D indique que nous voulons créer un sous-diagramme en trois D. Après avoir appelé cette commande, nous obtenons un objet en trois axes qui nous permet de dessiner trois tracés en D. Nous pouvons appeler des méthodes telles que le scatter et d'autres sur cet objet pour visualiser trois tracés en D. Appelons dispersion en utilisant la méthode de dispersion et ajoutons des points au diagramme pour X, Y et Z. Il s'agit de données pour les dimensions respectives Le paramètre C étant destiné à la couleur, la couleur des points est rouge. Ensuite, nous spécifiez le marqueur, qui dans notre cas est circulaire. Ensuite, je spécifie l'étiquette pour ajouter une légende, puis je lance tout cela. Oups, nous avons une faute de frappe. Réparons-le. Et regardez le beau complot que nous avons ici. Nous pouvons observer la dispersion des tracés dans espace tridimensionnel en utilisant les données X, Y et autres fournies C'est très pratique lorsque vous devez comprendre les relations dans des ensembles de données complexes Découvrons maintenant les histogrammes. histogrammes sont un outil important pour visualiser la distribution des données et identifier les modèles dans les ensembles de données numériques Ils divisent la plage de valeurs en intervalles et affichent le nombre d'observations comprises dans chaque intervalle. Envisageons donc de créer un histogramme l'aide de MD plot leap et de quelques données aléatoires Nous avons généré des données à l'aide de Napi et dans cet exemple, nous générons 1 000 nombres aléatoires. Ensuite, nous appelons la fonction hist et transmettons les données générées Le paramètre Bins détermine le nombre d'intervalles. Le paramètre de couleur définit la couleur de l'histogramme et la couleur des bords détermine la couleur des bords Ajoutons également un titre. Désolé pour une autre faute de frappe. Changeons rapidement ce redémarrage, et voilà que tout fonctionne. Ajoutons une étiquette X et étiquette Y pour un affichage plus convivial sur le graphique. Et voici ce que nous avons obtenu. Mettez cette vidéo en pause et entraînez-vous. Essayez de répéter ou de modifier quelque chose, par exemple en modifiant les valeurs des haricots, en créant votre propre couleur pour cet histogramme ou, par exemple, en générant fausses données pour créer un nouvel histogramme Vous pouvez personnaliser chaque parcelle que nous construisons à votre guise, et plus vous vous entraînez, mieux c'est. 5. Diagrammes circulaires, enregistrement de tracés dans différents formats et animations avec FuncAnimation: Un graphique circulaire est un moyen efficace de visualiser les proportions ou les fréquences des différentes catégories d'un ensemble de données. Ce type de diagramme est particulièrement utile pour représenter des portions, des fréquences ou des pourcentages Voyons comment créer un graphique circulaire. Et d'abord, je crée des données sur la base desquelles nous allons construire le graphique Bie. Dans cet exemple, j'utilise la fonction Pi pour créer un graphique Bie. Et ici je passe les tailles. paramètre spécifie les proportions pour les étiquettes de chaque catégorie, le paramètre définit les noms des catégories et les couleurs. Le paramètre définit la couleur pour chaque catégorie. Vient ensuite le paramètre qui définit le format d' affichage des pourcentages Le paramètre d'angle de départ permet faire pivoter le graphique selon un certain angle. Habituellement, il est défini en degrés et peut être un nombre quelconque de 0 à 360. Ajoutons un titre. Le paramètre d'angle de départ qui, dans Mud blot lip indique l'angle à partir duquel le graphique circulaire commence à dessiner Par défaut, zéro degré se trouve généralement en haut du graphique , sans rotation. dessin commence dans la direction positive de l'axe X, en augmentant dans le sens contraire des aiguilles d'une montre Nous pouvons expérimenter cela et essayer différentes valeurs, voir comment cela fonctionne. En outre, M plot leap permet d'enregistrer facilement des tracés dans différents formats, tels que PNG, GPG et PDF Cela est particulièrement utile lorsque vous devez utiliser des tracés dans d'autres programmes ou les publier en ligne. Nous avons déjà notre diagramme circulaire. Enregistrons-le sous forme de fichier PNG. Vous pouvez également modifier l'extension en spécifiant un autre format de fichier tel que GPG ou PDF Le paramètre DPI indique la résolution en points par pouce, ce qui vous permet de contrôler la qualité de l'image. Lancez cette cellule. Le fichier sera enregistré dans le répertoire de travail actuel au format hist PNG L'enregistrement du graphique peut prendre un peu de temps, et voici notre graphique à secteurs enregistré. Les diagrammes binaires sont souvent utilisés en marketing pour illustrer la part de marché des produits ou services par rapport à la concurrence. Ils peuvent également être utilisés pour évaluer le temps consacré aux différentes étapes du projet. Passons maintenant à quelque chose plus intéressant : l'animation Mud Blood Leap, qui nous permet de créer des diagrammes avec des données en temps réel en temps réel. Les animations sont utiles pour visualiser l'évolution des données au fil du temps, ce qui les rend idéales pour le suivi des données en temps réel, simulations et narration interactive dans le domaine de la science des données Nous allons apprendre à créer des animations en utilisant l' funk du module d'animation Md Blood Leaps Cette fonction nous permet de mettre à jour les données à intervalles réguliers, simulant ainsi l' effet des Je vais passer à la visualisation du code Studio pour cet exemple, car je le trouve plus pratique pour moi. Commençons donc. Tout d'abord, nous importons tout ce dont nous avons besoin. Bien entendu, nous aurons besoin de certaines données. Dans la vie réelle, ces données proviennent de sources externes, par exemple des graphiques boursiers ou de toute autre visualisation de données en temps réel. Dans notre cas, nous générerons les données nous-mêmes. Créons une fonction qui générera constamment de nouvelles données pour le diagramme. Si vous connaissez les bases de Python, elles seront plus faciles à comprendre. Mais sinon, ne vous inquiétez pas, copiez cette fonction. Publiez la vidéo et réécrivez ce code. J'expliquerai ce que nous faisons actuellement un peu plus tard. Dans un projet réel, vous recevrez des données provenant de sources externes, vous n'avez donc pas besoin de bien comprendre ce code tout de suite. J'espère que cela a du sens. Mettez donc la vidéo en pause et réécrivez ce code. heure actuelle, si j' exécute le script, nous verrons une fenêtre avec une intrigue animée. Cela peut prendre un peu de temps, mais voilà. Nous pouvons désormais consulter nos données en temps réel. Notez ce message d'avertissement. Dans certains cas, le cache peut s'étendre de manière illimitée, ce qui peut entraîner des problèmes de mémoire, en particulier pour les animations de longue durée ou animations contenant une grande quantité de données par image. Pour pallier ce problème, Dlod Lib désactive la mise en cache des données de trame par défaut et déplace Si vous ne souhaitez pas voir cet avertissement, vous pouvez suivre les instructions et définir des données de trame de cache égales à false, ou vous pouvez simplement les ignorer. Décomposons maintenant le code étape par étape. Tout d'abord, nous avons importé MD plot leap. Ensuite, nous avons importé la classe d'animation funk. Nous avons également importé Napi pour générer des nombres aléatoires. Nous avons besoin d'une fonction de mise à jour qui sera appelée pour mettre à jour le tracé pour chaque image. Dans ce cas, les nouvelles données sont générées de manière aléatoire. Mais comme je l'ai mentionné plus tôt, vous pouvez modifier cette partie du code pour utiliser des données réelles provenant d'une source externe. À quoi sert donc la fonction de mise à jour ? Cette fonction génère de nouvelles données à afficher dans un diagramme en temps réel. Nous initialisons un nouvel objet de données qui génère des nombres aléatoires à l'aide de Num Pi. Ensuite, nous utilisons une liste en Python et la méthode append pour ajouter ces numéros générés à la liste, en veillant à ce que la liste soit constamment mise à jour Cette liste constamment mise à jour constitue la base de notre diagramme en temps réel. Ensuite, nous avons un objet linéaire, qui représente la ligne tracée en temps réel. Nous utilisons la méthode set data sur cet objet, en passant deux arguments. Le premier argument définit les valeurs de l'axe X et le second définit les valeurs de l'axe Y. Ici, nous utilisons la longueur de la liste sous forme valeurs X et la liste elle-même pour les valeurs Y. Ensuite, nous créons une nouvelle figure en utilisant les machines à sous PLT S. La fonction renvoie deux objets, la figure et l'axe. Ensuite, nous mettons à jour les limites des axes de manière dynamique car les valeurs maximales minimales des axes X et Y changent au fil du temps. Pour gérer cela, nous utilisons la fonction Lin. Cela recalcule les limites de données en fonction des valeurs actuelles. Ensuite, nous avons la vue Autoscale. Cela permet de redimensionner automatiquement le diagramme afin que toutes les nouvelles données restent visibles. Cela garantit que le diagramme se met à jour en douceur à mesure que de nouvelles données arrivent. Configurons maintenant les propriétés du tracé. Ici, j'ai utilisé la fonction de légende. Vous savez déjà qu'il s' agit d'une légende ajoutée à une intrigue. Il permet d'identifier les différents éléments en affichant des étiquettes pour les données tracées J'ai fixé des limites de 0 à 50 sur l'axe X. Les courses Y sont limitées à 0-1. Ensuite, j'ai défini un titre pour l'intrigue, et j'ajoute des étiquettes pour les deux x. Enfin, pour créer une animation, j'utilise l'animation funk Tout d'abord, je passe l'objet de figure auquel l'animation sera appliquée. Ensuite, je passe la fonction de mise à jour, qui mettra à jour chaque image d'animation. Le paramètre du cadre détermine le nombre de cadres. Comme nous l'avons définie sur none, l'animation continue indéfiniment. Le paramètre d'intervalle détermine le délai entre les images en millisecondes Par exemple, si l'intervalle est égal à 1 000, une nouvelle image apparaît toutes les 1 000 millisecondes ou Cela contrôle la vitesse de l' animation, et à la fin, j'appelle PLT show pour afficher l'animation Et voici ce que nous avons obtenu. De nombreux effets d'animation sont disponibles dans Mad Blot Leap. Vous pouvez le voir dans la documentation. Vous pouvez donc expérimenter avec eux. Vous trouverez ici d' autres codes. Vous pouvez le réécrire et l'exécuter. N'hésitez pas à ajouter vos propres modifications. 6. Animation des graphiques des cours d'actions avec Matplotlib et yFinance : comparaison entre Apple et Google: Maintenant, pratiquons un peu. Nous récupérerons les données boursières d'Apple et de Google, puis traiterons leurs graphiques des cours des dernières années et créerons un tableau comparatif pour déterminer quelle action est actuellement la plus rentable pour nous. Pour cela, je vais utiliser les bibliothèques Yahoo Finance et Mod Plot Lip. Yahoo Finance est une bibliothèque qui vous permet d'obtenir des données historiques sur le cours des actions, des dividendes, des bilans et d'autres indicateurs financiers pour les sociétés cotées en bourse. Tout d'abord, nous installons la bibliothèque à l'aide du gestionnaire de paquets PIP. Dans l'exemple précédent avec Funk Animation, nous avons simulé nos données à l'aide de la Je vais maintenant récupérer les données réelles auprès de Yahoo Finance. Après avoir installé la bibliothèque, nous l'importons et récupérons les données boursières d' Apple. Je précise le ticker, qui est un code alphanumérique unique, identifiant une société cotée en bourse Vous pouvez consulter les billets disponibles ici et choisir celui qui vous intéresse Dans notre cas, nous avons sélectionné Apple. Ensuite, je crée un objet et je définis les dates de début et de fin de la période que je souhaite analyser. Ensuite, en utilisant la méthode de l'historique, je récupère les données historiques du cours des actions pour la période sélectionnée. Maintenant, apportons les données que nous avons obtenues. Et c'est ici. C'était si facile. Maintenant, nous importons Mtodlp et visualisons les données. Nous créons une figure. Dans matplot leap, une figure est un conteneur global qui contient tous les éléments d'un graphique, y compris les titres des axes, les étiquettes et la visualisation des données elle-même Sa source est le canevas dans lequel plusieurs sous-diagrammes ou graphiques peuvent être placés Le paramètre taille de la figue définit la taille de la figurine en pouces. Il contrôle la taille ou la taille du tracé lorsqu'il est affiché ou enregistré. L'ajustement de la taille des figures permet d'améliorer la lisibilité et la mise en page, en particulier lorsque vous travaillez avec plusieurs tracés ou des visualisations détaillées Utilisez ensuite la fonction plot pour dessiner un graphique. Comme premier paramètre, nous avons X valeurs d'accès, et ici nous avons un index de données. L'objet de données est un cadre de données Pandas qui contient des données boursières historiques Si vous ne savez pas ce qu'est Pandas, je vous recommande vivement de consulter mon profil Vous pouvez trouver le tutoriel Pandas. Il s'agit d'une bibliothèque extrêmement importante. L'index de ce bloc de données contient donc généralement des dates, des étapes temporelles, car Yahoo Finance fournit des données chronophages. Cela signifie que nous traçons les cours des actions au fil du temps avec les dates sur l'axe X. Le deuxième paramètre, data close, représente les valeurs de l'axe Y. La clôture est une colonne du bloc de données qui contient les cours de clôture de l'action pour chaque date. Le cours de clôture est le dernier cours enregistré de l'action à la fin de chaque jour de bourse. J'ai également ajouté des libellés de titre et d'axe. Et puis affichez le tracé en utilisant la fonction PLT Show. Le résultat est un graphique illustrant l'évolution cours de l'action Apple au cours de la période sélectionnée. Ajoutons maintenant les données boursières de Google et comparons les prix de ces deux géants de la technologie sur la même période. Nous créons une liste de tickers, en ajoutant Google aux côtés d'Apple Ensuite, je crée une liste d'objets correspondant à chaque ticker à l'aide d'une liste de compréhensions Si vous n'êtes pas familier avec Imprehension, bienvenue dans mon cours de Python Il suffit de consulter mon profil ici. Il existe un excellent cours de Python qui permet de passer de la programmation débutant à la programmation orientée objet. Je garde les mêmes dates de début et de fin et je crée un dictionnaire qui stocke les données historiques des cours de clôture pour chaque entreprise. Pour cela, j'utilise un dictionnaire de compréhensions. Conseil rapide. Je recommande vivement de vous familiariser avec les générateurs Python. Vous les rencontrerez souvent, et ils sont très utiles. Ajustons maintenant un peu la mise en page pour rendre le code plus lisible. Je supprime les données d'impression. Ensuite, je crée une figure d'une taille spécifiée, et j'utilise for loop pour tracer les cours de clôture des actions de chaque société sur le même graphique. Chaque ligne représente l'évolution du cours de l'action d'une entreprise. Nous avons défini le titre, l'étiquette X aces et l'étiquette Y Access, ainsi qu'une légende à l'aide de la fonction de légende PLT. Et à la fin, affichez le graphique comparatif final avec la fonction PLT Show Le résultat est le graphique, comparant les cours des actions Apple et Google sur la période sélectionnée, où chaque ligne représente l'évolution des cours de l'entreprise. Maintenant, animons le graphique. abord, j'importe le module d'animation depuis MDPot Lip. Ensuite, nous créons quelques figures en utilisant sous-diagrammes FLT et nous spécifions les Dans le premier cas, lorsque j'ai utilisé X label, ylabel, c'était un attribut directement associé à l'objet axis C'est un moyen d'accéder ou modifier le libellé des axes X et Y. Cependant, cette approche n'est pas recommandée ou la plus courante. Dans ce cas, j'utilise l'étiquette set X et set Y. le second cas, il s'agit de la méthode fournie par Mt Blot Leap pour définir les étiquettes des axes X et Y. C'est un moyen plus robuste et privilégié d'interagir avec l'intrigue. Ces méthodes font partie de l'API officielle de Mtplot Leap. Il vous suffit donc de savoir que nous avons deux variantes. La première variante, ce sont les attributs Il peut s'agir d'un raccourci ou d'une approche plus ancienne, mais elle est moins flexible et moins largement utilisée. Il en va de même pour le titre. Ensuite, nous définissons la fonction d'animation, qui sera appelée pour chaque image d'animation. Cette fonction efface le graphique à l'aide fonction X clear, puis trace les cours des actions de chaque entreprise en de données à l' dictionnaire de données à l'aide de la boucle à quatre boucles Chaque ligne de l'animation correspond à un ticker différent, et nous utilisons un diagramme pour tracer les données L'axe X représente les dates et l'axe Y représente les cours de clôture. Si vous connaissez Pandas, vous savez déjà que I alg sélectionne lignes ou les colonnes par position d'index ou par Ici, nous sélectionnons dynamiquement des lignes sur chaque nouvelle image d'animation, créant ainsi un effet d'accumulation progressif sur le graphique. Le paramètre d'étiquette garantit que le nom de société correct apparaît dans la légende. Ainsi, comme dans le premier cas, nous avons des éléments de données, et à partir de ces éléments de données, nous avons obtenu des prix. Et nous avons l'indice des prix comme date, et nous l'utilisons pour la valeur d'accès X. Ensuite, nous utilisons les prix pour la valeur de l'axe Y. Nous créons maintenant l'animation en utilisant l'animation funk, comme dans l'exemple précédent Ici, je précise le nombre d'images que l' animation aura. Il définit le nombre total de cadres en fonction de la longueur des données pour le premier ticker de la liste des tickers Cela signifie que l'animation sera mise à jour une fois pour chaque point de données de cet ensemble de données spécifique. Cela permet à l'animation de montrer l' évolution du prix stop au fil du temps. Nous avons dit que le paramètre repeat est égal à false afin que l'animation ne redémarre pas une fois terminée. Enfin, nous affichons l'animation. Après avoir exécuté ce code, nous obtenons un graphique animé montrant évolution du cours des actions Apple et Google au cours des années sélectionnées. Essayez d'expérimenter avec différents stocks. Visitez le site Web du NASDAQ, choisissez d'autres sociétés et créez votre propre graphique comparatif Dans quelle action investiriez-vous ? Comme vous pouvez le constater, Mat Bot Lip est une puissante bibliothèque pour la visualisation des données et Python. Il joue un rôle clé dans l'écosystème Python pour le calcul scientifique et la visualisation, en fournissant une boîte à outils flexible et efficace pour créer une variété de diagrammes, pour des graphiques simples ou des visualisations complexes pour différentes tâches analytiques Mat Boot Lip reste l'une des bibliothèques les plus utilisées dans les domaines de la science des données et de la finance. Je recommande vivement de l'apprendre. 7. Bonus : Travail efficace dans un environnement virtuel. Configurer votre espace de travail: Très souvent en réalité, vous devrez travailler avec plusieurs versions de Python. Cela est dû au fait que chaque projet possède sa propre pile technologique et ses propres versions de package. Pour éviter de créer des dégâts sur votre ordinateur de travail et de gérer des conflits entre les différentes versions, il est idéal d'utiliser un environnement virtuel. Ce n'est pas un besoin urgent pour le moment, mais je vous suggère de comprendre comment cela fonctionne. Cela vous aidera beaucoup. Vous pouvez ignorer cette partie. Cela n'affectera pas votre apprentissage des bases de Python. Cela sera d'autant plus nécessaire lorsque vous commencerez à travailler sur un projet. Et maintenant, commençons. Les gars, si vous souhaitez gérer plusieurs versions de Python sur votre machine, il existe un outil PMF Il vous permet de basculer facilement entre plusieurs versions de Python et de modifier les versions globales de Python sur votre machine. Commençons par le Macos , puis je vais vous montrer comment cela fonctionne sur Ubuntu. La première étape à franchir avant installer quelque chose de nouveau est la mise à jour. Et juste au cas où, effectuez une mise à niveau pour mettre à jour tous les packages. La première commande met à jour les métadonnées du référentiel local, la seconde commande, Brew upgrade, met à niveau tous les packages installés sur votre système vers les dernières versions disponibles. Il est courant que les utilisateurs exécutent d'abord Brew update pour obtenir les dernières métadonnées, puis exécutent Brew upgrade pour mettre à jour leurs packages installés. Cela garantit que le logiciel le plus récent est installé sur le système . Nous allons sur le Github et suivons les instructions. Ensuite, nous les utilisons Brew install pour installer PMF. Copiez simplement cette commande et exécutez-la. Revenons à la documentation et voyons ce dont nous avons besoin pour la suite. En faisant défiler la page vers le bas, et nous y voilà, j'utilise Z SH ou shell. Il s'agit d'un shell de ligne courant qui constitue une alternative au shell Boss, plus connu. Je copie donc tout ce code et je le poste dans le fichier SHC. Nous avons donc installé le PNF, et maintenant je veux vous parler de l'environnement virtuel. L'environnement virtuel résout un problème réel. Vous n'avez pas à vous soucier des packages que vous installez sur l'emplacement principal du système. PynVirtonV est un plugin pour l'outil PNF qui permet à l' utilisateur de créer et de gérer des environnements virtuels pour des environnements Cela vous permet d'isoler dépendances du projet de manière plus efficace. Encore une fois, suivez les instructions et installez ce plugin. Après l'installation, nous copions cette commande et l'ajoutons au fichier SHRC Dans ce cas, nous le faisons manuellement. Ouvrez le fichier HRC. Il s'agit d'un fichier caché se trouve généralement dans le répertoire personnel de l'utilisateur. J'utilise un éditeur de texte nano simple et convivial. Vous pouvez utiliser VIM. Ici, nous pouvons voir trois lignes de code qui ont été exécutées lors de l'installation de PAN. Et mettez cette commande en pause ici. J'écris mon commentaire pour une meilleure compréhension à l'avenir. Encore une fois, pour l'éditeur de texte nano, j'utilise les commandes Control O et control exit. Cela me permet d'écrire et de sortir de l'éditeur de texte. Vous pouvez utiliser votre éditeur de texte et exécuter vos commandes. Redémarrez ensuite le shell avec cette commande. Et nous pouvons utiliser ces outils. Alors vérifions-le. Ici, nous pouvons voir une petite documentation avec des commandes pour PNP et PM Vertls La première commande, on vérifie la version PN. Il affichait la version de Python actuellement active, ainsi que des informations sur la façon dont elle avait été définie. Pour l'instant, je n'en ai aucune. Si je veux maintenant lister toutes les versions de Python connues PM, j'utilise les versions de Command Pimp Et pour l'instant, je n'ai installé aucune version de Python avec PMP Si je veux voir la liste des versions de Python disponibles pour être installées, je peux utiliser la liste de tableau de bord d'installation de Command PM. Essayons donc d'installer Python avec PM. Pour cela, nous utilisons la commande PM install, puis je spécifie la version de Python. J'installerai une autre version de Python pour montrer comment vous pouvez travailler dans des environnements virtuels isolés avec différentes versions de Python. Dans le même temps, vous allez apprendre à installer et à supprimer Python à l'aide de PNP. Si je vérifie maintenant les versions, nous verrons plusieurs versions de Python. L'Astérix indique que je suis actuellement dans un environnement global, mais j'ai deux versions de Python que je peux utiliser pour créer de nouveaux environnements virtuels pour d'autres projets Sur ce système d'exploitation, j'ai globalement, je veux dire, la version 3.10 de Python huit J'ai dit globalement parce que pour chaque projet, nous pouvons avoir ses propres versions de Python. Et maintenant, avec cette commande, je vais créer le premier environnement virtuel. Pour le projet de test, j'utilise la commande Py Virtual ENF. Ensuite, je choisis la version de Python, puis je peux appeler mon environnement virtuel, comme bon vous semble. Je l'appellerai NF et version de Python. Et maintenant, avec la commande PN virtual lens, je peux voir la liste de tous les environnements virtuels existants. Pour activer mon environnement virtuel nouvellement créé, j'utilise la commande PNF, activate, puis je nomme mon environnement virtuel V 3.90 Je vois tout de suite que je suis dedans. Si je vérifie la version de Python ici, c'est 3.90, contrairement à la version globale que nous avons testée plus tôt Si vous avez plusieurs environnements virtuels et que vous souhaitez passer de l'un à l'autre, vous pouvez exécuter la commande PM, activer puis nommer un autre environnement virtuel, même si vous écrivez maintenant dans un autre environnement virtuel actif. Maintenant, si nous installons quelque chose ici, il reste isolé de l'environnement mondial. Les packages ou dépendances installés dans mon environnement virtuel n' affecteront pas l'installation de Python à l'échelle du système ou les autres environnements virtuels que nous pouvons créer. Alors installons quelque chose ici. Que ce soit Jupiter. Je consulte la documentation et je suis les instructions. Jupiter est un outil d'exécution de code. Je choisis Jupiter, par exemple, il peut s'agir de tous les packages ou bibliothèques que vous souhaitez. Maintenant, avec la commande PIP freeze, je peux voir tous les packages installés dans mon environnement virtuel. PP est un gestionnaire de paquets pour Python. Imaginons maintenant que nous n'ayons plus besoin de cet environnement virtuel. Comment pouvons-nous le supprimer. Tout d'abord, s'il est actif, il faut le désactiver avec la commande PM deactivate Ensuite, nous utilisons la commande Virtual delete et nommons l'environnement virtuel que nous voulons supprimer. Ainsi, lorsque je vérifie Pi sur Virtual Lens, nous ne voyons plus notre environnement virtuel. Il a été supprimé avec tous les packages et bibliothèques que nous y avons installés, ce qui est très utile. Mais cela ne signifie pas que la version de Python que nous utilisons dans cet environnement virtuel a également été supprimée. Si nous vérifions les versions de Python, nous pouvons toujours en voir plusieurs. J'en ai ajouté un autre, juste pour vous montrer comment nous pouvons désinstaller les versions de Python avec BMP, la commande, la désinstallation puis la version de Python et Viola, nous désinstallons Python version 3.9 0.8 Avec ces outils, il est si simple gérer différentes versions de Python. Maintenant, installons-le sur un Bunto. Nous faisons la même chose. Accédez à la page Github et suivez les instructions. Ici, j'ai choisi l'installateur automatique. Et ici je copie cette commande pour l'installation. Avant l'installation, j'utilise la commande pudo Ug update, cette commande pour gérer les paquets système, puis PSUDoug Nous mettons donc à jour et améliorons tous les packages installés sur notre système. Nous pouvons maintenant installer PAMP Fast cette commande que nous avons copiée précédemment Retournez ensuite à la page d'accueil, ou à la documentation, et copiez ces trois lignes de code. Nous l'écrirons dans le fichier Bahar C. C'est également un fichier caché. C'est très similaire à ce que nous avions fait avec MACOS précédemment. Si vous n'avez pas pu installer Tmp et que vous avez un message d'erreur, assurez-vous que vous avez installé toutes les dépendances pour Python et que Gid est installé sur votre PC Après tout cela, redémarrez le shell avec la commande, et nous pourrons utiliser cet outil. Nous utilisons ici la même commande que celle que nous avons utilisée précédemment sur les macros. Installons Python 3.90. Ici, nous pouvons voir notre Python installé. Créons maintenant un environnement virtuel basé sur cette version de Python. Nous l'activons de la même manière que précédemment avec macOS avec la commande et activons puis nommons un environnement virtuel. Vous ne rencontrerez probablement pas ce problème, mais j'ai un comportement peu pratique sur mon système. Pour le moment, je ne vois pas que je suis dans un environnement virtuel. Si je le vérifie, je peux voir que nous l'avons créé. J'ai donc dû ajouter ces quelques lignes de code dans mon BachRCFle et tout fonctionne Sur un Bundu, j' utilise également un éditeur de nanotexte. Ces commandes me permettent d' écrire et d'exécuter à partir du BachRCFle Exécutez la source de commande BRC. C'est pour exécuter le script BRC dans la session shell en cours Et pendant que nous le réparions. heure actuelle, nous sommes dans notre environnement virtuel, et à l'intérieur, nous avons la version Python qui a été utilisée pour la création. Donc, les gars, toutes les commandes et toutes les étapes suivantes, comme nous l'avons fait précédemment. J'espère que ces connaissances vous aideront à vous retrouver dans la prochaine leçon.