20 KiB

Raw Permalink Blame History

ਰਿਸ਼ਤਿਆਂ ਦੀ ਦ੍ਰਿਸ਼ਟੀਕਰਨ: ਸ਼ਹਿਦ ਬਾਰੇ ਸਭ ਕੁਝ 🍯

](../../sketchnotes/12-Visualizing-Relationships.png)
ਰਿਸ਼ਤਿਆਂ ਦੀ ਦ੍ਰਿਸ਼ਟੀਕਰਨ - @nitya ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਸਕੈਚਨੋਟ

ਸਾਡੇ ਖੋਜ ਦੇ ਕੁਦਰਤੀ ਧਿਆਨ ਨੂੰ ਜਾਰੀ ਰੱਖਦੇ ਹੋਏ, ਆਓ ਦ੍ਰਿਸ਼ਟੀਕਰਨ ਦੇ ਰੂਪਾਂ ਦੀ ਖੋਜ ਕਰੀਏ ਜੋ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਸ਼ਹਿਦ ਦੇ ਰਿਸ਼ਤਿਆਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਇਹ ਡਾਟਾਸੈੱਟ ਸੰਯੁਕਤ ਰਾਜ ਦੇ ਖੇਤੀਬਾੜੀ ਵਿਭਾਗ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ।

ਇਹ ਡਾਟਾਸੈੱਟ, ਜਿਸ ਵਿੱਚ ਲਗਭਗ 600 ਆਈਟਮ ਹਨ, ਅਮਰੀਕਾ ਦੇ ਕਈ ਰਾਜਾਂ ਵਿੱਚ ਸ਼ਹਿਦ ਦੇ ਉਤਪਾਦਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਉਦਾਹਰਣ ਲਈ, ਤੁਸੀਂ 1998-2012 ਦੇ ਸਮੇਂ ਵਿੱਚ ਕਿਸੇ ਦਿੱਤੇ ਗਏ ਰਾਜ ਵਿੱਚ ਸ਼ਹਿਦ ਦੇ ਉਤਪਾਦਨ ਦੀਆਂ ਕਾਲਮਾਂ, ਪ੍ਰਤੀ ਕਾਲਮ ਉਪਜ, ਕੁੱਲ ਉਤਪਾਦਨ, ਸਟਾਕ, ਪ੍ਰਤੀ ਪੌਂਡ ਕੀਮਤ, ਅਤੇ ਸ਼ਹਿਦ ਦੀ ਕੀਮਤ ਦੇਖ ਸਕਦੇ ਹੋ। ਹਰ ਰਾਜ ਲਈ ਹਰ ਸਾਲ ਇੱਕ ਪੰਕਤੀ ਹੈ।

ਇਹ ਦ੍ਰਿਸ਼ਟੀਕਰਨ ਦਿਲਚਸਪ ਹੋਵੇਗਾ ਕਿ ਕਿਸੇ ਦਿੱਤੇ ਰਾਜ ਦੇ ਸਾਲਾਨਾ ਉਤਪਾਦਨ ਅਤੇ ਉਸ ਰਾਜ ਵਿੱਚ ਸ਼ਹਿਦ ਦੀ ਕੀਮਤ ਦੇ ਰਿਸ਼ਤੇ ਨੂੰ ਕਿਵੇਂ ਦਰਸਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਤੁਸੀਂ ਰਾਜਾਂ ਦੇ ਪ੍ਰਤੀ ਕਾਲਮ ਸ਼ਹਿਦ ਦੀ ਉਪਜ ਦੇ ਰਿਸ਼ਤੇ ਨੂੰ ਵੀ ਦਿਖਾ ਸਕਦੇ ਹੋ। ਇਹ ਸਾਲਾਂ 'CCD' ਜਾਂ 'ਕਾਲੋਨੀ ਕਲੈਪਸ ਡਿਸਆਰਡਰ' (http://npic.orst.edu/envir/ccd.html) ਦੇ ਪਹਿਲੀ ਵਾਰ 2006 ਵਿੱਚ ਦੇਖੇ ਜਾਣ ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਨ, ਇਸ ਲਈ ਇਹ ਡਾਟਾਸੈੱਟ ਅਧਿਐਨ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। 🐝

ਪ੍ਰੀ-ਲੈਕਚਰ ਕਵਿਜ਼

ਇਸ ਪਾਠ ਵਿੱਚ, ਤੁਸੀਂ Seaborn ਵਰਤ ਸਕਦੇ ਹੋ, ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਪਹਿਲਾਂ ਵਰਤ ਚੁੱਕੇ ਹੋ, ਜੋ ਵੈਰੀਏਬਲਾਂ ਦੇ ਰਿਸ਼ਤਿਆਂ ਨੂੰ ਦ੍ਰਿਸ਼ਟੀਕਰਣ ਕਰਨ ਲਈ ਇੱਕ ਚੰਗਾ ਲਾਇਬ੍ਰੇਰੀ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ ਦਿਲਚਸਪ ਹੈ Seaborn ਦਾ relplot ਫੰਕਸ਼ਨ, ਜੋ ਸਕੈਟਰ ਪਲਾਟ ਅਤੇ ਲਾਈਨ ਪਲਾਟਾਂ ਨੂੰ 'ਸੰਖਿਆਕੀ ਰਿਸ਼ਤੇ' ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਦਿਖਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਹ ਡਾਟਾ ਸਾਇੰਟਿਸਟ ਨੂੰ ਵੈਰੀਏਬਲਾਂ ਦੇ ਆਪਸੀ ਰਿਸ਼ਤਿਆਂ ਨੂੰ ਬਿਹਤਰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।

ਸਕੈਟਰਪਲਾਟ

ਸਕੈਟਰਪਲਾਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਦਿਖਾਓ ਕਿ ਸ਼ਹਿਦ ਦੀ ਕੀਮਤ ਸਾਲ ਦਰ ਸਾਲ, ਪ੍ਰਤੀ ਰਾਜ ਕਿਵੇਂ ਬਦਲੀ ਹੈ। Seaborn, relplot ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਰਾਜ ਦੇ ਡਾਟਾ ਨੂੰ ਸਮੂਹਬੱਧ ਕਰਦਾ ਹੈ ਅਤੇ ਸ਼੍ਰੇਣੀਬੱਧ ਅਤੇ ਸੰਖਿਆਕੀ ਡਾਟਾ ਲਈ ਡਾਟਾ ਪੌਇੰਟ ਦਿਖਾਉਂਦਾ ਹੈ।

ਆਓ ਡਾਟਾ ਅਤੇ Seaborn ਨੂੰ ਇੰਪੋਰਟ ਕਰਕੇ ਸ਼ੁਰੂ ਕਰੀਏ:

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
honey = pd.read_csv('../../data/honey.csv')
honey.head()

ਤੁਸੀਂ ਨੋਟ ਕਰਦੇ ਹੋ ਕਿ ਸ਼ਹਿਦ ਦੇ ਡਾਟਾ ਵਿੱਚ ਕਈ ਦਿਲਚਸਪ ਕਾਲਮ ਹਨ, ਜਿਵੇਂ ਕਿ ਸਾਲ ਅਤੇ ਪ੍ਰਤੀ ਪੌਂਡ ਕੀਮਤ। ਆਓ ਇਸ ਡਾਟਾ ਨੂੰ ਅਮਰੀਕਾ ਦੇ ਰਾਜਾਂ ਦੁਆਰਾ ਸਮੂਹਬੱਧ ਕਰਕੇ ਖੋਜੀਏ:

state	numcol	yieldpercol	totalprod	stocks	priceperlb	prodvalue	year
AL	16000	71	1136000	159000	0.72	818000	1998
AZ	55000	60	3300000	1485000	0.64	2112000	1998
AR	53000	65	3445000	1688000	0.59	2033000	1998
CA	450000	83	37350000	12326000	0.62	23157000	1998
CO	27000	72	1944000	1594000	0.7	1361000	1998

ਸ਼ਹਿਦ ਦੀ ਪ੍ਰਤੀ ਪੌਂਡ ਕੀਮਤ ਅਤੇ ਉਸ ਦੇ ਅਮਰੀਕੀ ਰਾਜ ਦੇ ਮੂਲ ਦੇ ਰਿਸ਼ਤੇ ਨੂੰ ਦਿਖਾਉਣ ਲਈ ਇੱਕ ਬੁਨਿਆਦੀ ਸਕੈਟਰਪਲਾਟ ਬਣਾਓ। y ਧੁਰੇ ਨੂੰ ਇੰਨਾ ਉੱਚਾ ਬਣਾਓ ਕਿ ਸਾਰੇ ਰਾਜ ਦਿਖਾਈ ਦੇ ਸਕਣ:

sns.relplot(x="priceperlb", y="state", data=honey, height=15, aspect=.5);

ਹੁਣ, ਸਾਲਾਂ ਦੇ ਦੌਰਾਨ ਸ਼ਹਿਦ ਦੀ ਕੀਮਤ ਕਿਵੇਂ ਬਦਲਦੀ ਹੈ, ਇਹ ਦਿਖਾਉਣ ਲਈ ਸ਼ਹਿਦ ਦੇ ਰੰਗ ਦੀ ਸਕੀਮ ਨਾਲ ਉਹੀ ਡਾਟਾ ਦਿਖਾਓ। ਤੁਸੀਂ ਇਹ 'hue' ਪੈਰਾਮੀਟਰ ਸ਼ਾਮਲ ਕਰਕੇ ਕਰ ਸਕਦੇ ਹੋ ਜੋ ਸਾਲ ਦਰ ਸਾਲ ਬਦਲਾਅ ਦਿਖਾਉਂਦਾ ਹੈ:

✅ Seaborn ਵਿੱਚ ਵਰਤਣ ਲਈ ਰੰਗ ਪੈਲੇਟਾਂ ਬਾਰੇ ਹੋਰ ਜਾਣੋ - ਇੱਕ ਸੁੰਦਰ ਰੇਂਬੋ ਰੰਗ ਸਕੀਮ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ!

sns.relplot(x="priceperlb", y="state", hue="year", palette="YlOrBr", data=honey, height=15, aspect=.5);

ਇਸ ਰੰਗ ਸਕੀਮ ਬਦਲਾਅ ਨਾਲ, ਤੁਸੀਂ ਦੇਖ ਸਕਦੇ ਹੋ ਕਿ ਸਾਲਾਂ ਦੇ ਦੌਰਾਨ ਸ਼ਹਿਦ ਦੀ ਪ੍ਰਤੀ ਪੌਂਡ ਕੀਮਤ ਵਿੱਚ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਇੱਕ ਮਜ਼ਬੂਤ ਤਰੱਕੀ ਹੈ। ਵਾਸਤਵ ਵਿੱਚ, ਜੇ ਤੁਸੀਂ ਡਾਟਾ ਵਿੱਚ ਇੱਕ ਨਮੂਨਾ ਸੈੱਟ ਦੀ ਜਾਂਚ ਕਰੋ (ਉਦਾਹਰਣ ਲਈ, ਅਰੀਜ਼ੋਨਾ), ਤੁਸੀਂ ਸਾਲ ਦਰ ਸਾਲ ਕੀਮਤ ਵਧਣ ਦਾ ਪੈਟਰਨ ਦੇਖ ਸਕਦੇ ਹੋ, ਕੁਝ ਛੋਟਾਂ ਦੇ ਨਾਲ:

state	numcol	yieldpercol	totalprod	stocks	priceperlb	prodvalue	year
AZ	55000	60	3300000	1485000	0.64	2112000	1998
AZ	52000	62	3224000	1548000	0.62	1999000	1999
AZ	40000	59	2360000	1322000	0.73	1723000	2000
AZ	43000	59	2537000	1142000	0.72	1827000	2001
AZ	38000	63	2394000	1197000	1.08	2586000	2002
AZ	35000	72	2520000	983000	1.34	3377000	2003
AZ	32000	55	1760000	774000	1.11	1954000	2004
AZ	36000	50	1800000	720000	1.04	1872000	2005
AZ	30000	65	1950000	839000	0.91	1775000	2006
AZ	30000	64	1920000	902000	1.26	2419000	2007
AZ	25000	64	1600000	336000	1.26	2016000	2008
AZ	20000	52	1040000	562000	1.45	1508000	2009
AZ	24000	77	1848000	665000	1.52	2809000	2010
AZ	23000	53	1219000	427000	1.55	1889000	2011
AZ	22000	46	1012000	253000	1.79	1811000	2012

ਇਸ ਤਰੱਕੀ ਨੂੰ ਦਿਖਾਉਣ ਦਾ ਇੱਕ ਹੋਰ ਤਰੀਕਾ ਰੰਗ ਦੀ ਬਜਾਏ ਆਕਾਰ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ। ਰੰਗ-ਅੰਧੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ, ਇਹ ਇੱਕ ਬਿਹਤਰ ਵਿਕਲਪ ਹੋ ਸਕਦਾ ਹੈ। ਆਪਣੀ ਦ੍ਰਿਸ਼ਟੀਕਰਨ ਨੂੰ ਸੋਧੋ ਤਾਂ ਜੋ ਕੀਮਤ ਵਿੱਚ ਵਾਧਾ ਡਾਟ ਦੇ ਘੇਰੇ ਵਿੱਚ ਵਾਧੇ ਦੁਆਰਾ ਦਿਖਾਇਆ ਜਾ ਸਕੇ:

sns.relplot(x="priceperlb", y="state", size="year", data=honey, height=15, aspect=.5);

ਤੁਸੀਂ ਡਾਟਾਂ ਦੇ ਆਕਾਰ ਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਵਧਦੇ ਹੋਏ ਦੇਖ ਸਕਦੇ ਹੋ।

ਕੀ ਇਹ ਸਪਲਾਈ ਅਤੇ ਡਿਮਾਂਡ ਦਾ ਸਧਾਰਨ ਮਾਮਲਾ ਹੈ? ਜਿਵੇਂ ਕਿ ਮੌਸਮ ਬਦਲਾਅ ਅਤੇ ਕਾਲੋਨੀ ਕਲੈਪਸ ਵਰਗੇ ਕਾਰਕਾਂ ਦੇ ਕਾਰਨ, ਕੀ ਸਾਲ ਦਰ ਸਾਲ ਖਰੀਦਣ ਲਈ ਘੱਟ ਸ਼ਹਿਦ ਉਪਲਬਧ ਹੈ, ਅਤੇ ਇਸ ਲਈ ਕੀਮਤ ਵਧਦੀ ਹੈ?

ਇਸ ਡਾਟਾਸੈੱਟ ਵਿੱਚ ਕੁਝ ਵੈਰੀਏਬਲਾਂ ਦੇ ਰਿਸ਼ਤੇ ਦੀ ਖੋਜ ਕਰਨ ਲਈ, ਆਓ ਕੁਝ ਲਾਈਨ ਚਾਰਟਾਂ ਦੀ ਜਾਂਚ ਕਰੀਏ।

ਲਾਈਨ ਚਾਰਟ

ਸਵਾਲ: ਕੀ ਸਾਲ ਦਰ ਸਾਲ ਸ਼ਹਿਦ ਦੀ ਪ੍ਰਤੀ ਪੌਂਡ ਕੀਮਤ ਵਿੱਚ ਸਪਸ਼ਟ ਵਾਧਾ ਹੈ? ਤੁਸੀਂ ਇਸ ਨੂੰ ਸਭ ਤੋਂ ਆਸਾਨੀ ਨਾਲ ਇੱਕ ਸਿੰਗਲ ਲਾਈਨ ਚਾਰਟ ਬਣਾਕੇ ਪਤਾ ਕਰ ਸਕਦੇ ਹੋ:

sns.relplot(x="year", y="priceperlb", kind="line", data=honey);

ਜਵਾਬ: ਹਾਂ, ਕੁਝ ਛੋਟਾਂ ਦੇ ਨਾਲ, 2003 ਦੇ ਆਸਪਾਸ:

✅ ਕਿਉਂਕਿ Seaborn ਇੱਕ ਲਾਈਨ ਦੇ ਆਸਪਾਸ ਡਾਟਾ ਨੂੰ ਸਮੂਹਬੱਧ ਕਰ ਰਿਹਾ ਹੈ, ਇਹ "x ਮੁੱਲ 'ਤੇ ਕਈ ਮਾਪਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਮੀਨ ਅਤੇ ਮੀਨ ਦੇ ਆਸਪਾਸ 95% ਭਰੋਸੇਮੰਦ ਅੰਤਰਾਲ ਨੂੰ ਪਲਾਟ ਕਰਕੇ"। ਸਰੋਤ। ਇਸ ਸਮਾਂ-ਖਪਤ ਵਿਵਹਾਰ ਨੂੰ ci=None ਸ਼ਾਮਲ ਕਰਕੇ ਅਯੋਗ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਸਵਾਲ: ਖੈਰ, 2003 ਵਿੱਚ ਕੀ ਤੁਸੀਂ ਸ਼ਹਿਦ ਦੀ ਸਪਲਾਈ ਵਿੱਚ ਵੀ ਵਾਧਾ ਦੇਖ ਸਕਦੇ ਹੋ? ਜੇ ਤੁਸੀਂ ਸਾਲ ਦਰ ਸਾਲ ਕੁੱਲ ਉਤਪਾਦਨ ਨੂੰ ਦੇਖੋ ਤਾਂ?

sns.relplot(x="year", y="totalprod", kind="line", data=honey);

ਜਵਾਬ: ਸੱਚਮੁੱਚ ਨਹੀਂ। ਜੇ ਤੁਸੀਂ ਕੁੱਲ ਉਤਪਾਦਨ ਨੂੰ ਦੇਖੋ, ਤਾਂ ਇਹ ਵਾਸਤਵ ਵਿੱਚ ਉਸ ਖਾਸ ਸਾਲ ਵਿੱਚ ਵਧਦਾ ਹੋਇਆ ਲੱਗਦਾ ਹੈ, ਹਾਲਾਂਕਿ ਆਮ ਤੌਰ 'ਤੇ ਸ਼ਹਿਦ ਦੇ ਉਤਪਾਦਨ ਦੀ ਮਾਤਰਾ ਇਨ੍ਹਾਂ ਸਾਲਾਂ ਦੌਰਾਨ ਘਟ ਰਹੀ ਹੈ।

ਸਵਾਲ: ਇਸ ਮਾਮਲੇ ਵਿੱਚ, 2003 ਦੇ ਆਸਪਾਸ ਸ਼ਹਿਦ ਦੀ ਕੀਮਤ ਵਿੱਚ ਵਾਧੇ ਦਾ ਕਾਰਨ ਕੀ ਹੋ ਸਕਦਾ ਹੈ?

ਇਸ ਨੂੰ ਪਤਾ ਕਰਨ ਲਈ, ਤੁਸੀਂ ਇੱਕ ਫੈਸਿਟ ਗ੍ਰਿਡ ਦੀ ਜਾਂਚ ਕਰ ਸਕਦੇ ਹੋ।

ਫੈਸਿਟ ਗ੍ਰਿਡ

ਫੈਸਿਟ ਗ੍ਰਿਡ ਤੁਹਾਡੇ ਡਾਟਾਸੈੱਟ ਦੇ ਇੱਕ ਫੈਸਿਟ (ਸਾਡੇ ਮਾਮਲੇ ਵਿੱਚ, ਤੁਸੀਂ 'ਸਾਲ' ਚੁਣ ਸਕਦੇ ਹੋ ਤਾਂ ਕਿ ਬਹੁਤ ਜ਼ਿਆਦਾ ਫੈਸਿਟਾਂ ਨਾ ਬਣਨ) ਨੂੰ ਲੈਂਦਾ ਹੈ। Seaborn ਫਿਰ ਤੁਹਾਡੇ ਚੁਣੇ ਗਏ x ਅਤੇ y ਕੋਆਰਡੀਨੇਟਾਂ ਲਈ ਹਰ ਫੈਸਿਟ ਲਈ ਇੱਕ ਪਲਾਟ ਬਣਾਉਂਦਾ ਹੈ, ਜੋ ਸੌਖੀ ਦ੍ਰਿਸ਼ਟੀਕਰਨ ਦੀ ਤੁਲਨਾ ਲਈ ਹੈ। ਕੀ 2003 ਇਸ ਕਿਸਮ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਖਾਸ ਤੌਰ 'ਤੇ ਖੜ੍ਹਾ ਹੁੰਦਾ ਹੈ?

ਫੈਸਿਟ ਗ੍ਰਿਡ ਬਣਾਉਣ ਲਈ relplot ਦੀ ਵਰਤੋਂ ਜਾਰੀ ਰੱਖੋ ਜਿਵੇਂ ਕਿ Seaborn ਦੀ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਗਈ ਹੈ।

sns.relplot(
    data=honey, 
    x="yieldpercol", y="numcol",
    col="year", 
    col_wrap=3,
    kind="line"

ਇਸ ਦ੍ਰਿਸ਼ਟੀਕਰਨ ਵਿੱਚ, ਤੁਸੀਂ ਸਾਲ ਦਰ ਸਾਲ ਅਤੇ ਰਾਜ ਦਰ ਰਾਜ ਪ੍ਰਤੀ ਕਾਲਮ ਉਪਜ ਅਤੇ ਕਾਲਮਾਂ ਦੀ ਗਿਣਤੀ ਦੀ ਤੁਲਨਾ ਕਰ ਸਕਦੇ ਹੋ, ਕਾਲਮਾਂ ਲਈ 3 'ਤੇ ਰੈਪ ਸੈਟ ਕਰਕੇ:

ਇਸ ਡਾਟਾਸੈੱਟ ਲਈ, ਸਾਲ ਦਰ ਸਾਲ ਅਤੇ ਰਾਜ ਦਰ ਰਾਜ ਕਾਲਮਾਂ ਦੀ ਗਿਣਤੀ ਅਤੇ ਉਪਜ ਦੇ ਸਬੰਧ ਵਿੱਚ ਕੁਝ ਖਾਸ ਨਹੀਂ ਦਿਖਾਈ ਦਿੰਦਾ। ਕੀ ਇਹ ਦੋ ਵੈਰੀਏਬਲਾਂ ਦੇ ਰਿਸ਼ਤੇ ਨੂੰ ਲੱਭਣ ਲਈ ਦੇਖਣ ਦਾ ਇੱਕ ਵੱਖਰਾ ਤਰੀਕਾ ਹੈ?

ਡੁਅਲ-ਲਾਈਨ ਪਲਾਟ

ਦੋ ਲਾਈਨਪਲਾਟਾਂ ਨੂੰ ਇੱਕ ਦੂਜੇ ਦੇ ਉੱਤੇ ਸਪਰਿੰਪੋਜ਼ ਕਰਕੇ, Seaborn ਦੇ 'despine' ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਨ੍ਹਾਂ ਦੇ ਉੱਪਰ ਅਤੇ ਸੱਜੇ ਸਪਾਈਨ ਨੂੰ ਹਟਾਉਣ, ਅਤੇ ax.twinx ਦੀ ਵਰਤੋਂ ਕਰਕੇ Matplotlib ਤੋਂ ਲਿਆ। Twinx ਇੱਕ ਚਾਰਟ ਨੂੰ x ਧੁਰੇ ਨੂੰ ਸਾਂਝਾ ਕਰਨ ਅਤੇ ਦੋ y ਧੁਰੇ ਦਿਖਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਸ ਲਈ, ਪ੍ਰਤੀ ਕਾਲਮ ਉਪਜ ਅਤੇ ਕਾਲਮਾਂ ਦੀ ਗਿਣਤੀ ਦਿਖਾਓ, ਸਪਰਿੰਪੋਜ਼:

fig, ax = plt.subplots(figsize=(12,6))
lineplot = sns.lineplot(x=honey['year'], y=honey['numcol'], data=honey, 
                        label = 'Number of bee colonies', legend=False)
sns.despine()
plt.ylabel('# colonies')
plt.title('Honey Production Year over Year');

ax2 = ax.twinx()
lineplot2 = sns.lineplot(x=honey['year'], y=honey['yieldpercol'], ax=ax2, color="r", 
                         label ='Yield per colony', legend=False) 
sns.despine(right=False)
plt.ylabel('colony yield')
ax.figure.legend();

ਹਾਲਾਂਕਿ 2003 ਦੇ ਆਸਪਾਸ ਕੁਝ ਵੀ ਅੱਖ ਨੂੰ ਖਾਸ ਤੌਰ 'ਤੇ ਨਹੀਂ ਦਿਖਾਈ ਦਿੰਦਾ, ਇਹ ਸਾਨੂੰ ਇਸ ਪਾਠ ਨੂੰ ਇੱਕ ਥੋੜ੍ਹੇ ਖੁਸ਼ੀ ਦੇ ਨੋਟ 'ਤੇ ਖਤਮ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ: ਹਾਲਾਂਕਿ ਕਾਲਮਾਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ ਕੁੱਲ ਘਟਾਓ ਹੈ, ਕਾਲਮਾਂ ਦੀ ਗਿਣਤੀ ਸਥਿਰ ਹੋ ਰਹੀ ਹੈ, ਭਾਵੇਂ ਉਨ੍ਹਾਂ ਦੀ ਪ੍ਰਤੀ ਕਾਲਮ ਉਪਜ ਘਟ ਰਹੀ ਹੈ।

ਜਾਓ, ਮੱਖੀਆਂ, ਜਾਓ!

🐝❤️

🚀 ਚੁਣੌਤੀ

ਇਸ ਪਾਠ ਵਿੱਚ, ਤੁਸੀਂ ਸਕੈਟਰਪਲਾਟ ਅਤੇ ਲਾਈਨ ਗ੍ਰਿਡਾਂ ਦੇ ਹੋਰ ਵਰਤੋਂ ਬਾਰੇ ਕੁਝ ਹੋਰ ਸਿੱਖਿਆ, ਜਿਸ ਵਿੱਚ ਫੈਸਿਟ ਗ੍ਰਿਡ ਸ਼ਾਮਲ ਹਨ। ਆਪਣੇ ਆਪ ਨੂੰ ਇੱਕ ਵੱਖਰੇ ਡਾਟਾਸੈੱਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਫੈਸਿਟ ਗ੍ਰਿਡ ਬਣਾਉਣ ਦੀ ਚੁਣੌਤੀ ਦਿਓ, ਸ਼ਾਇਦ ਉਹ ਜੋ ਤੁਸੀਂ ਇਨ੍ਹਾਂ ਪਾਠਾਂ ਤੋਂ ਪਹਿਲਾਂ ਵਰਤਿਆ ਸੀ। ਨੋਟ ਕਰੋ ਕਿ ਉਹ ਬਣਾਉਣ ਵਿੱਚ ਕਿੰ

ਅਸਵੀਕਰਤੀ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਪੂਰੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਆਟੋਮੈਟਿਕ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚੱਜੇਪਣ ਹੋ ਸਕਦੇ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਇਸਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।

20 KiB Raw Permalink Blame History