Cómo usar la línea de tendencia matplotlib

Una línea de tendencia es una línea creada en o justo por debajo de picos fundamentales o puntos bajos para ilustrar la dirección de valoración actual. Para los analistas técnicos, una línea de tendencia es un componente efectivo. Los analistas pueden identificar representaciones de la línea de tendencias para determinar la dirección de la tendencia y las tendencias de rebote posteriores. Durante el intervalo de tiempo en consideración, los analistas eligen dos puntos en un gráfico y los conectan para formar un gráfico de línea.

Cuando aceptamos un punto más pequeño en una tendencia, funciona como una línea de soporte. Y cuando seleccionamos puntos más altos, sirve como una línea de resistencia. Como resultado, se usará para descubrir estos dos puntos en un gráfico. Discutamos el método de agregar una línea de tendencia al gráfico mediante el uso de matplotlib en Python.

Use matplotlib para crear una línea de tendencia en un gráfico de dispersión:

Utilizaremos las funciones polyfit () y poly1d () para adquirir los valores de la línea de tendencia en matplotlib para construir una línea de tendencia en un gráfico de dispersión. El siguiente código es un boceto para insertar una línea de tendencia en un gráfico de dispersión con grupos:

Importar matplotlib.Pyplot como PLT
importar numpy como np
PLT.rcParams ["Figura.Figsize "] = [8.50, 2.50]
PLT.rcParams ["Figura.Autolayout "] = True
a = np.aleatorio.Rand (200)
B = NP.aleatorio.Rand (200)
Fig, Ax = PLT.subtramas ()
_ = AX.dispersión (A, B, C = A, CMAP = 'Rainbow')
D = NP.Polyfit (A, B, 1)
P = NP.poly1d (d)
PLT.Parcela (a, p (a), "m:*")
PLT.espectáculo()

Aquí incluimos el Numpy y Matplotlib.bibliotecas de pyplot. Mate.Pyplot es un paquete gráfico utilizado para dibujar visualizaciones en Python. Podemos utilizarlo en aplicaciones y diferentes interfaces gráficas de usuario. La biblioteca Numpy proporciona una gran cantidad de tipos de datos numéricos que podemos utilizar para declarar matrices.

En la siguiente línea, ajustamos el tamaño de la figura llamando a la función PLT.rcParams (). La figura.Figsize se pasa como un parámetro para esta función. Establecemos el valor "verdadero" para ajustar el espacio entre las subtramas. Ahora tomamos dos variables. Y luego, hacemos conjuntos de datos del eje X y el eje Y. Los puntos de datos del eje X se almacenan en la variable "A", y los puntos de datos del eje Y se almacenan en la variable "B". Esto se puede completar mediante el uso de la biblioteca Numpy. Hacemos un nuevo objeto de la figura. Y la trama se crea aplicando el PLT.función de subtruces ().

Además, se aplica la función de dispersión (). Esta función comprende cuatro parámetros. El esquema de color del gráfico también se especifica al proporcionar "CMAP" como argumento para esta función. Ahora, trazamos conjuntos de datos del eje X y el eje Y. Aquí, ajustamos la línea de tendencia de los conjuntos de datos utilizando funciones polyfit () y poly1d (). Utilizamos la función tram () para dibujar la línea de tendencia.

Aquí, establecemos el estilo de línea, el color de la línea y el marcador de la línea de tendencia. Al final, mostraremos el siguiente gráfico con la ayuda del PLT.show () función:

Agregar conectores gráficos:

Cada vez que observamos un gráfico de dispersión, es posible que deseemos identificar la dirección general que el conjunto de datos se dirige en algunas situaciones. Aunque si obtenemos una representación clara de los subgrupos, la dirección general de la información disponible no será evidente. Insertamos una línea de tendencia al resultado en este escenario. En este paso, observamos cómo agregamos conectores al gráfico.

Importar matplotlib.Pyplot como PLT
importar numpy como np
importar pylab como PLB
a1 = 25 * np.aleatorio.Rand (60)
a2 = 25 * np.aleatorio.rand (60) + 25
A3 = 20 * NP.aleatorio.Rand (20)
x = NP.concatenate ((A1, A2, A3))
b1 = 25 * np.aleatorio.Rand (50)
B2 = 25 * NP.aleatorio.rand (60) + 25
B3 = 20 * NP.aleatorio.Rand (20)
y = NP.concatenate ((A1, B2, B3))
PLT.dispersión (x, y, s = [200], marcador = 'o')
Z = NP.Polyfit (x, y, 2)
P = NP.Poly1d (z)
PLB.Parcela (x, p (x), 'r-.')
PLT.espectáculo()

Al comienzo del programa, importamos tres bibliotecas. Estos incluyen numpy, matplotlib.pyplot y matplotlib.pylab. Matplotlib es una biblioteca de Python que permite a los usuarios crear representaciones gráficas dinámicas e innovadoras. Matplotlib genera gráficos de alta calidad con la capacidad de cambiar los elementos visuales y el estilo.

El paquete Pylab integra el pyplot y las bibliotecas numpy en un dominio de origen particular. Ahora, tomamos tres variables para crear los conjuntos de datos del eje X, que se logra utilizando la función Random () de la biblioteca Numpy.

Primero, almacenamos los puntos de datos en la variable "A1". Y luego, los datos se almacenan en variables "A2" y "A3", respectivamente. Ahora, creamos una nueva variable que almacena todos los conjuntos de datos del eje X. Utiliza la función concatenate () de la biblioteca numpy.

Del mismo modo, almacenamos conjuntos de datos del eje Y en las otras tres variables. Creamos los conjuntos de datos del eje Y utilizando el método Random (). Además, concatenamos todos estos conjuntos de datos en una nueva variable. Aquí, dibujaremos un gráfico de dispersión, por lo que empleamos el PLT.Método de dispersión (). Esta función contiene cuatro parámetros diferentes. Pasamos conjuntos de datos del eje x y el eje y en esta función. Y también especificamos el símbolo del marcador que queremos dibujar en un gráfico de dispersión utilizando el parámetro "Marcador".

Proporcionamos los datos al método Numpy Polyfit (), que proporciona una variedad de parámetros, "P". Aquí, optimiza el error de diferencia finita. Por lo tanto, se podría crear una línea de tendencia. El análisis de regresión es una técnica estadística para determinar una línea que se incluye dentro del rango de la variable instructiva x. Y representa la correlación entre dos variables, en el caso del eje x y el eje Y. La intensidad de la congruencia polinómica se indica mediante el tercer argumento de polyfit ().

Polyfit () devuelve una matriz, pasada a la función poly1d () y determina los conjuntos de datos originales del eje Y. Dibujamos una línea de tendencia en el gráfico de dispersión utilizando la función trrcot (). Podemos ajustar el estilo y el color de la línea de tendencia. Por último, empleamos el PLT.Método show () para representar el gráfico.

Conclusión:

En este artículo, hablamos sobre las líneas de tendencia de Matplotlib con varios ejemplos. También discutimos cómo crear una línea de tendencia en un gráfico de dispersión mediante el uso de funciones polyfit () y poly1d (). Al final, ilustramos correlaciones en los grupos de datos. Esperamos que hayas encontrado este artículo útil. Consulte los otros artículos de Sugerencia de Linux para obtener más consejos y tutoriales.