Posted by Line plot adalah salah satu jenis visualisasi data yang banyak digunakan dan merupakan jenis plot dasar dalam visualisasi data. Jenis plot ini menampilkan informasi berupa rangkaian titik data yang terhubung dengan segmen garis lurus.
Line plot dapat digunakan pada dataset yang memiliki nilai kontinu untuk melihat pergerakan data dari waktu ke waktu.
Disini kita akan membahas cara membuat plot sederhana dengan line plot.
Single Line
Misalnya kita memiliki dua kumpulan data numerik yang disimpan dalam variabel x dan y. Kemudian kita ingin memvisualisasikannya menggunakan line plot. Perhatikan kode berikut.
import matplotlib.pyplot as plt
%matplotlib inline
plt.style.use('ggplot')
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [32, 76, 30, 57, 28, 90, 66, 34, 45, 26]
plt.plot(x, y)
plt.show()
Baca Juga: Manipulasi Series Pandas dengan map() Python
Output:
Untuk membuat line plot, kita dapat menggunakan method .plot() dan memberikan argumen berupa data yang akan digunakan sebagai sumbu x dan y. Dalam hal ini, kita menggunakan data x untuk sumbu x dan data y untuk sumbu y, sehingga kodenya dapat kita tulis plt.plot(x,y).
plt.style.use('ggplot') adalah kode untuk menentukan style yang ingin digunakan untuk visualisasi data, dalah hal ini kita menggunakan ‘ggplot’ sebagai style-nya.
Ada berbagai macam style yang dapat digunakan. Anda dapat melihat style apa saja yang tersedia dengan menuliskan kode plt.style.available di Jupyter notebook.
Baca Juga: Menjumlahkan Data Berdasarkan Kategori di Python
Kode di atas adalah cara paling sederhana untuk membuat visualisasi dengan Matplotlib.
Selanjutnya saya akan membuat visualisasi yang sama namun dengan kode yang sedikit berbeda. Perhatikan kode berikut.
import matplotlib.pyplot as plt
%matplotlib inline
plt.style.use('ggplot')
fig = plt.figure(figsize=(10,6))
ax = fig.add_subplot()
ax.plot(x, y)
plt.show()
Output:
Jika menggunakan kode seperti di atas, kita harus membuat figure terlebih dahulu dengan method .figure(). Kita dapat mengatur ukuran figure dengan parameter figsize, kemudian menambahkan axes ke dalam figure dengan fig.add_subplot(). Setelah itu barulah kita membuat plot di dalam axes dengan ax.plot(x,y).
Cara ini terlihat lebih rumit dibanding sebelumnya, bukan? Ya, ini adalah cara explicit dalam membuat line plot ataupun jenis visualisasi data dengan Matplotlib lainnya, sedangkan yang sebelumnya adalah cara implicit. Cara explicit sangat direkomendasikan jika ingin membuat visualisasi yang lebih kompleks.
Multiple Line
Jika sebelumnya kita hanya menampilkan single line pada satu axes, kali ini kita akan menampilkan beberapa line dalam satu axes.
Misalnya kita ingin menampilkan visualisasi data dari fungsi matematika cos dan sin seperti di bawah ini.
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
plt.style.use('ggplot')
X = np.linspace(0, 30, 100)
y1 = np.cos(X)
y2 = np.sin(X/3)
fig, ax = plt.subplots(figsize=(10,6))
ax.plot(X, y1, color='orange')
ax.plot(X, y2, color='blue')
plt.show()
Baca Juga: Mengatur Warna Scatter Plot Berdasarkan Kategori di Python
Output:
Dari kode di atas, kita menggunakan method linspace() dari numpy untuk menghasilkan nilai dari 0 sampai 30 sebanyak 100 titik yang disimpan dalam variabel X untuk ditempatkan pada sumbu x. Selanjutnya untuk sumbu y, kita membuat dua buah data, yaitu nilai cos X yang disimpan dalam variabel y1 dan sin X/3 yang disimpan dalam variabel y2.
Disini kita menggunakan cara explicit untuk visualisasi data tersebut. Kita membuat dua buah plot di dalam axes yang sama yang dibedakan dengan warnanya.
ax.plot(X, y1, color=’orange’) menghasilkan garis cos(X) yang berwarna oranye, sedangkan ax.plot(X, y2, color=’blue’) menghasilkan garis sin(X/3) yang berwarna biru.
Semoga bermanfaat!
Jika Anda yang sedang belajar data science atau mengolah data dengan bahasa pemrograman Python namun masih suka bingung menulis kode Python-nya, kami telah menyusun Paket E-modul Data Science dengan Python yang didesain khusus untuk pemula dengan penjelasan bahasa Indonesia yang lengkap untuk setiap blok kode-nya. Dapatkan sekarang juga dengan klik di sini!
