ФУНКЦІЯ MATPLOTLIB.PYPLOT.PLOT() У PYTHON

Matplotlib це потужна бібліотека Python, яка служить чисельним і математичним розширенням для бібліотеки NumPy. Одним із ключових його компонентів є Pyplot , який пропонує інтерфейс на основі стану для модуля Matplotlib, надаючи користувачам знайоме середовище, схоже на MATLAB. За допомогою функції Matplotlib.pyplot.plot() у Python користувачі можуть без особливих зусиль створювати різноманітні графіки, зокрема лінійні, контурні, гістограми, точкові, 3D тощо. Ця універсальність робить Matplotlib безцінним інструментом для візуалізації та аналізу даних у Python мова програмування.

Що таке функція Matplotlib.pyplot.plot()?

The matplotlib.pyplot.plot()> є фундаментальним компонентом бібліотеки Matplotlib, зокрема в модулі Pyplot. Він служить для створення двовимірної гексагональної діаграми групування на основі заданих точок даних, представлених змінними x і y. Він з’єднує точки даних лініями, дозволяючи налаштовувати зовнішній вигляд графіка за допомогою таких параметрів, як стилі ліній і маркери. Ця універсальна функція широко використовується для візуалізації даних у різних областях.

Синтаксис: matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

штучна нейронна мережа

Параметри:

x, y: Ці параметри представляють горизонтальні та вертикальні координати точок даних. Значення «x» необов’язкові, що забезпечує гнучкість у процесі побудови.

fmt: Це необов’язковий параметр, який містить рядкове значення. Він використовується для визначення формату графіка, визначення стилю лінії, маркера та кольору.

дані: Необов’язковий параметр «дані» стосується об’єкта з позначеними даними. Він забезпечує зручний спосіб прямої передачі даних, покращуючи читабельність і зручність використання.

Повернення: Theplot()>функція повертає список об’єктів Line2D, кожен з яких представляє сегмент нанесених даних. Ці об’єкти Line2D інкапсулюють характеристики та атрибути нанесених ліній, що дозволяє подальше налаштування та аналіз.

Існують різні способи створення графіка за допомогою функції Matplotlib.pyplot.plot() у Python. Нижче наведено кілька прикладів, які ілюструють matplotlib.pyplot.plot() функція в matplotlib.pyplot:

Базовий лінійний графік
Багатолінійний сюжет
Точкова діаграма з кількома маркерами
Графік двох кривих

Лінійні графіки в Matplotlib

Шляхом імпорту Сюжет Matplotlib() ми створили лінійний графік із даними [1, 2, 3]. Функція title() встановлює назву графіка, draw() оновлює графік, а show() відображає його, надаючи базову ілюстрацію Matplotlib для візуалізації даних у Python.

Python3

import> matplotlib.pyplot as plt> import> numpy as np> # Plotting a simple line graph> plt.plot([>1>,>2>,>3>])> # Setting the title> plt.title(>'Matplotlib Line Plot Example'>)> # Updating and displaying the plot> plt.draw()> plt.show()>

фільтрація python

Вихід:

Базовий лінійний графік

Кілька рядків за допомогою Matplotlib

Шляхом імпорту Matplotlib побудувати функції синус і косинус на одному графіку. Він генерує дані, встановлює стилі для кожної функції, додає мітки та заголовок, відображає легенду, а потім показує графік, що ілюструє криві синуса та косинуса.

Python3

import> matplotlib.pyplot as plt> import> numpy as np> # Generate data> x>=> np.linspace(>0>,>2>*>np.pi,>100>)> y1, y2>=> np.sin(x), np.cos(x)> # Plotting multiple lines on a single plot> plt.plot(x, y1, label>=>'Sin(x)'>, color>=>'b'>)> plt.plot(x, y2, label>=>'Cos(x)'>, color>=>'r'>, linestyle>=>'--'>)> # Adding labels and title> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.title(>'Multiple Lines Plot'>)> # Displaying the legend and the plot> plt.legend()> plt.show()>

javascript

Вихід

Багатолінійний сюжет

Маркери в Matplotlib

Шляхом імпорту Matplotlib ми створили індивідуальну діаграму розсіювання з 50 випадковими точками даних із червоними круглими маркерами. Він містить мітки осей, заголовок («Приклад точкової діаграми») і легенду. The show()> функція відображає графік, демонструючи базовий приклад візуалізації даних за допомогою Matplotlib у Python.

Python3

з'єднання та типи з'єднань

import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> np.random.seed(>42>)> x>=> np.random.rand(>50>)> y>=> np.random.rand(>50>)> # Plotting a scatter plot with custom markers> plt.plot(x, y, marker>=>'o'>, linestyle>=>'>', markersize=8, color='>r>', label='>Scatter Plot')> # Adding labels and title> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.title(>'Scatter Plot Example'>)> # Displaying the legend> plt.legend()> # Display the plot> plt.show()>

Вихід:

Точкова діаграма з кількома маркерами

Побудова кількох кривих

Імпортувавши Matplotlib, ми створили лінійний графік із двома кривими: синьою кривою ( і = х^ 2) і оранжева крива (y=1− х^ 3). Дані генеруються випадковим чином, сортуються для плавних кривих і наносяться на графікplot()>функція. Діаграма обмежена діапазоном [0, 1] на обох осях, демонструючи візуальне представлення математичних функцій.

Python3

# Implementation of matplotlib function> > import> matplotlib.pyplot as plt> import> numpy as np> > # Fixing random state for reproducibility> np.random.seed(>19680801>)> > # create random data> xdata>=> np.random.random([>2>,>10>])> > # split the data into two parts> xdata1>=> xdata[>0>, :]> xdata2>=> xdata[>1>, :]> > # sort the data so it makes clean curves> xdata1.sort()> xdata2.sort()> > # create some y data points> ydata1>=> xdata1>*>*> 2> ydata2>=> 1> -> xdata2>*>*> 3> > # plot the data> plt.plot(xdata1, ydata1, color>=>'tab:blue'>)> plt.plot(xdata2, ydata2, color>=>'tab:orange'>)> > > # set the limits> plt.xlim([>0>,>1>])> plt.ylim([>0>,>1>])> plt.title(>'matplotlib.pyplot.plot() example 2'>)> > # display the plot> plt.show()>

поліморфізм

Вихід

Графік двох кривих

Висновок

На закінчення, matplotlib.pyplot.plot()> функція в Python є основним інструментом для створення різноманітних двовимірних графіків, включаючи лінійні діаграми, діаграми розсіювання тощо. Його універсальність дозволяє користувачам налаштовувати графіки, вказуючи точки даних, стилі ліній, маркери та кольори. Завдяки необов’язковим параметрам, таким як «fmt» і «data», функція забезпечує гнучкість у форматуванні графіка та обробці даних. Крім того, повернуті об’єкти Line2D дозволяють подальше маніпулювання та аналіз нанесених даних. Загалом, Matplotlibplot()>функція є ключовим компонентом у сфері візуалізації даних, пропонуючи зручний інтерфейс для створення проникливих і візуально привабливих графіків у Python.