Python nodrošina vienu no populārākajām diagrammu bibliotēkām ar nosaukumu Matplotlib . Tā ir atvērtā koda, starpplatforma 2D diagrammu veidošanai no masīva datiem. To parasti izmanto datu vizualizācijai un attēlo, izmantojot dažādus grafikus.
Matplotlib sākotnēji radīja Džons D. Hanters 2003. gadā. Jaunākā Matplotlib versija ir 2.2.0, kas tika izlaista 2018. gada janvārī.
Pirms sākat strādāt ar matplotlib bibliotēku, mums ir jāinstalē mūsu Python vidē.
java kamēr cilpa
Matplotlib instalēšana
Savā terminālī ierakstiet šo komandu un nospiediet enter.
pip install matplotlib
Iepriekš minētā komanda Windows operētājsistēmā instalēs matplotlib bibliotēku un tās atkarības pakotni.
Matplotlib pamatkoncepcija
Grafikā ir šādas daļas. Sapratīsim šīs daļas.
Attēls: Tā ir vesela figūra, kurā var būt viena vai vairākas asis (sižeti). Mēs varam uzskatīt figūru kā audeklu, kas satur sižetus.
Asis: Attēlā var būt vairākas asis. Tas sastāv no diviem vai trim (3D gadījumā) Axis objektiem. Katra asis sastāv no nosaukuma, x-iezīmes un y-iezīmes.
Asis: Asis ir līniju līdzīgu objektu skaits un ir atbildīgas par grafika ierobežojumu ģenerēšanu.
Mākslinieks: Mākslinieks ir viss, ko mēs redzam diagrammā, piemēram, teksta objekti, Line2D objekti un kolekcijas objekti. Lielākā daļa mākslinieku ir piesaistīti cirvjiem.
romiešu cipari 1-100
Ievads pyplot
Matplotlib nodrošina pyplot pakotni, kas tiek izmantota, lai attēlotu doto datu grafiku. The matplotlib.pyplot ir komandu stila funkciju kopums, kas liek matplotlib darboties kā MATLAB. Pyplot pakotnē ir daudzas funkcijas, kuras izmantoja, lai izveidotu figūru, izveidotu zīmējuma laukumu attēlā, dekorētu sižetu ar etiķetēm, iezīmētu dažas līnijas zīmēšanas zonā utt.
Mēs varam ātri uzzīmēt grafiku ar pyplot. Apskatīsim tālāk sniegto piemēru.
Grafika zīmēšanas pamatpiemērs
Šeit ir pamata piemērs vienkārša grafika ģenerēšanai; programma ir sekojoša:
from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show()
Izvade:
Dažādu veidu grafiku zīmēšana
Mēs varam attēlot dažādus grafikus, izmantojot pyplot moduli. Sapratīsim tālāk sniegtos piemērus.
1. Līniju diagramma
Līniju diagramma tiek izmantota, lai parādītu informāciju kā līnijas sēriju. To ir viegli uzzīmēt. Apsveriet šādu piemēru.
Piemērs -
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()
Izvade:
pavasara instrumentu komplekts
Līniju var mainīt, izmantojot dažādas funkcijas. Tas padara grafiku pievilcīgāku. Zemāk ir piemērs.
Piemērs -
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. Joslu diagramma
Joslu diagramma ir viens no visizplatītākajiem grafikiem, un to izmanto, lai attēlotu datus, kas saistīti ar kategoriskiem mainīgajiem. The bārs() funkcija pieņem trīs argumentus - kategoriskos mainīgos, vērtības un krāsu.
Piemērs -
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. Sektoru diagramma
Diagramma ir apļveida diagramma, kas ir sadalīta apakšdaļā vai segmentā. To izmanto, lai attēlotu procentuālos vai proporcionālos datus, kur katra pīrāga šķēle apzīmē noteiktu kategoriju. Sapratīsim tālāk sniegto piemēru.
Piemērs -
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()
Izvade:
4. Histogramma
Histogramma un joslu diagramma ir diezgan līdzīgas, taču tām ir neliela atšķirība. Histogramma tiek izmantota, lai attēlotu sadalījumu, un joslu diagramma tiek izmantota, lai salīdzinātu dažādas entītijas. Histogrammu parasti izmanto, lai attēlotu vairāku vērtību biežumu salīdzinājumā ar vērtību diapazonu kopu.
Nākamajā piemērā mēs esam ņēmuši datus par studenta atšķirīgo punktu skaitu un uzzīmējuši histogrammu attiecībā pret studentu skaitu. Sapratīsim šādu piemēru.
tcp vs udp
Piemērs -
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()
Izvade:
Sapratīsim citu piemēru.
Piemērs — 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()
Izvade:
5. Izkliedes diagramma
Izkliedes diagrammu izmanto, lai salīdzinātu mainīgo ar citiem mainīgajiem. Tas tiek definēts kā viens mainīgais ietekmēja otru mainīgo. Dati tiek attēloti kā punktu kopums. Sapratīsim šādu piemēru.
Piemērs -
hiba bukhari
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()
Izvade:
Piemērs — 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()
Izvade:
Šajā apmācībā mēs esam apsprieduši visus pamata grafiku veidus, kas tiek izmantoti datu vizualizācijā. Lai uzzinātu vairāk par grafiku, apmeklējiet mūsu matplotlib apmācību.