Python надає одну з найпопулярніших бібліотек графічних зображень під назвою Matplotlib . Це крос-платформа з відкритим кодом для створення двовимірних графіків із даних у масиві. Зазвичай він використовується для візуалізації даних і представлення за допомогою різних графіків.
Matplotlib спочатку був задуманий Джоном Д. Хантером у 2003 році. Остання версія matplotlib — 2.2.0, випущена в січні 2018 року.
Перш ніж почати працювати з бібліотекою matplotlib, нам потрібно встановити її в наше середовище Python.
Встановлення Matplotlib
Введіть наступну команду у свій термінал і натисніть enter.
pip install matplotlib
Наведена вище команда встановить бібліотеку matplotlib і її пакет залежностей в операційній системі Window.
Основна концепція Matplotlib
Графік містить такі частини. Давайте розберемося в цих частинах.
Малюнок: Це ціла фігура, яка може містити одну або декілька осей (ділянок). Ми можемо думати про фігуру як про полотно, яке містить сюжети.
Осі: Фігура може містити кілька осей. Він складається з двох або трьох (у випадку 3D) об’єктів осі. Кожна вісь складається із заголовка, мітки x та y-мітки.
Вісь: Осі — це кількість лінійноподібних об’єктів, які відповідають за формування меж графіка.
Виконавець: Художник — це все, що ми бачимо на графіку, наприклад текстові об’єкти, об’єкти Line2D та об’єкти колекції. Більшість артистів прив'язані до Axes.
г шльопанець
Вступ до pyplot
Matplotlib надає пакет pyplot, який використовується для побудови графіка заданих даних. The matplotlib.pyplot це набір функцій командного стилю, завдяки яким matplotlib працює як MATLAB. Пакет pyplot містить багато функцій, які використовуються для створення фігури, створення області малювання на фігурі, прикрашання графіка мітками, малювання деяких ліній у області малювання тощо.
Ми можемо швидко побудувати графік за допомогою pyplot. Давайте розглянемо наступний приклад.
Базовий приклад побудови графіка
Ось основний приклад створення простого графіка; програма така:
from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show()
Вихід:
Побудова різних типів графіків
Ми можемо побудувати різні графіки за допомогою модуля pyplot. Розберемося на наступних прикладах.
1. Лінійний графік
Лінійна діаграма використовується для відображення інформації у вигляді ряду ліній. Його легко накреслити. Розглянемо наступний приклад.
приклад -
from matplotlib import pyplot as plt x = [1,2,3] y = [10,11,12] plt.plot(x,y) plt.title('Line graph') plt.ylabel('Y axis') plt.xlabel('X axis') plt.show()
Вихід:
Лінію можна змінювати за допомогою різних функцій. Це робить графік більш привабливим. Нижче наведено приклад.
приклад -
from matplotlib import pyplot as plt from matplotlib import style style.use('ggplot') x = [10, 12, 13] y = [8, 16, 6] x2 = [8, 15, 11] y2 = [6, 15, 7] plt.plot(x, y, 'b', label='line one', linewidth=5) plt.plot(x2, y2, 'r', label='line two', linewidth=5) plt.title('Epic Info') fig = plt.figure() plt.ylabel('Y axis') plt.xlabel('X axis') plt.show()
2. Стовпчаста діаграма
Гістограма є одним із найпоширеніших графіків, і вона використовується для представлення даних, пов’язаних із категоріальними змінними. The бар() функція приймає три аргументи - категоричні змінні, значення та колір.
приклад -
замінити всю java
from matplotlib import pyplot as plt Names = ['Arun','James','Ricky','Patrick'] Marks = [51,87,45,67] plt.bar(Names,Marks,color = 'blue') plt.title('Result') plt.xlabel('Names') plt.ylabel('Marks') plt.show()
3. Кругова діаграма
Діаграма — це круговий графік, який розділений на підчастини або сегменти. Він використовується для представлення відсоткових або пропорційних даних, де кожен шматок пирога представляє певну категорію. Давайте розберемо наведений нижче приклад.
приклад -
from matplotlib import pyplot as plt # Pie chart, where the slices will be ordered and plotted counter-clockwise: Aus_Players = 'Smith', 'Finch', 'Warner', 'Lumberchane' Runs = [42, 32, 18, 24] explode = (0.1, 0, 0, 0) # it 'explode' the 1st slice fig1, ax1 = plt.subplots() ax1.pie(Runs, explode=explode, labels=Aus_Players, autopct='%1.1f%%', shadow=True, startangle=90) ax1.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle. plt.show()
Вихід:
4. Гістограма
Гістограма та гістограма досить схожі, але між ними є незначна різниця. Гістограма використовується для представлення розподілу, а гістограма використовується для порівняння різних об’єктів. Гістограма зазвичай використовується для побудови частоти ряду значень у порівнянні з набором діапазонів значень.
У наступному прикладі ми взяли дані про різні відсотки балів студента та побудували гістограму щодо кількості студентів. Давайте розберемося в наступному прикладі.
приклад -
from matplotlib import pyplot as plt from matplotlib import pyplot as plt percentage = [97,54,45,10, 20, 10, 30,97,50,71,40,49,40,74,95,80,65,82,70,65,55,70,75,60,52,44,43,42,45] number_of_student = [0,10,20,30,40,50,60,70,80,90,100] plt.hist(percentage, number_of_student, histtype='bar', rwidth=0.8) plt.xlabel('percentage') plt.ylabel('Number of people') plt.title('Histogram') plt.show()
Вихід:
Давайте розберемо інший приклад.
Приклад - 2:
from matplotlib import pyplot as plt # Importing Numpy Library import numpy as np plt.style.use('fivethirtyeight') mu = 50 sigma = 7 x = np.random.normal(mu, sigma, size=200) fig, ax = plt.subplots() ax.hist(x, 20) ax.set_title('Historgram') ax.set_xlabel('bin range') ax.set_ylabel('frequency') fig.tight_layout() plt.show()
Вихід:
5. Точкова діаграма
Діаграма розсіювання використовується для порівняння змінної відносно інших змінних. Він визначається як одна змінна вплинула на іншу змінну. Дані представлені у вигляді набору точок. Давайте розберемося в наступному прикладі.
приклад -
from matplotlib import pyplot as plt from matplotlib import style style.use('ggplot') x = [4,8,12] y = [19,11,7] x2 = [7,10,12] y2 = [8,18,24] plt.scatter(x, y) plt.scatter(x2, y2, color='g') plt.title('Epic Info') plt.ylabel('Y axis') plt.xlabel('X axis') plt.show()
Вихід:
Приклад - 2:
import matplotlib.pyplot as plt a = [2, 2.5, 3, 3.5, 4.5, 4.7, 5.0] b = [7.5, 8, 8.5, 9, 9.5, 10, 10.5] a1 = [9, 8.5, 9, 9.5, 10, 10.5, 12] b1 = [3, 3.5, 4.7, 4, 4.5, 5, 5.2] plt.scatter(a, b, label='high income low saving', color='b') plt.scatter(a1, b1, label='low income high savings', color='g') plt.xlabel('saving*100') plt.ylabel('income*1000') plt.title('Scatter Plot') plt.legend() plt.show()
Вихід:
У цьому посібнику ми обговорили всі основні типи графіків, які використовуються для візуалізації даних. Щоб дізнатися більше про графік, відвідайте наш підручник matplotlib.