Come utilizzare tutte le funzionalità di Matplotlib per raccontare una storia più avvincente
Qualche mese fa ho scritto un articolo sui grafici a barre e su come realizzarli chiaro, autoesplicativo, E visivamente piacevole al pubblico per raccontare una storia più avvincente (link sotto).
In questo articolo approfondisco grafici a linee che hanno invece altre specificità che vale la pena approfondire.
Matplotlib semplifica e velocizza il tracciamento dei dati con funzioni standard, ma i passaggi di messa a punto richiedono uno sforzo maggiore.
Ho passato un bel po’ di tempo a ricercare le migliori pratiche per creare grafici accattivanti con Matplotlib, quindi non devi farlo tu.
L’idea è partire da questo…
… a tale:
Tutte le immagini, se non diversamente specificato, sono dell’autore.
Per illustrare la metodologia, ho utilizzato un set di dati pubblici contenente informazioni sul PIL dei paesi negli ultimi 50 anni:
Fonte: dati sui conti nazionali della Banca Mondiale e file di dati sui conti nazionali dell’OCSE.
URL della licenza: https://datacatalog.worldbank.org/public-licenses#cc-by
Tipo di licenza: CC BY-4.0
Dopo aver importato i pacchetti necessari per leggere i dati e costruire i nostri grafici, ho semplicemente filtrato in base ai 20 paesi principali del 2022:
import pandas as pd
import matplotlib.pyplot as plt
from datetime import timedelta# Read the data
df = pd.read_csv('88a1e584-0a94-4e73-b650-749332831ef4_Data.csv', sep=',')
df.drop(('Series Name', 'Series Code', 'Country Code')…
Fonte: towardsdatascience.com
