Ta seria zaprezentuje Ci grafowanie w Pythonie z Matplotlibem, który jest prawdopodobnie najpopularniejszą biblioteką grafików i wizualizacji danych dla Pythona.

Instalacja

Najłatwiejszym sposobem umieszczenia w matplotlibie jest użycie pipety. Wpisz następujące polecenie w terminalu:

ip instalować matplotlib

LUB, ściągniesz go stąd i zainstalujesz ręcznie.

Rozpoczęcie pracy ( Plotkowanie linii )

filter_none

Edycja

play_arrow

jaskrawość_4

# importując określony moduł

import matplotlib.pyplot jako plt

# x wartości osi

x = [1,2,3]

# odpowiednie wartości osi y

y = [2,4,1]

# wykreślając punkty

plt.plot(x, y)

# nazywając osi x

plt.xlabel(“x – oś”)

# nazywając osi y

plt.ylabel(‘y – oś’)

# dając tytuł do mojego wykresu

plt.title(‘My first graph!’)

# funkcja wskazująca fabułę

plt.show()

Wyjście:

Kod wydaje się być samowytłumaczalny. Następne kroki zostały wykonane:

Zdefiniuj oś x i odpowiadające jej wartości osi y jako listy.

Wykreśl je na płótnie za pomocą funkcji .plot().

Podaj nazwę osi x i osi y za pomocą funkcji .xlabel() i .ylabel().

Podaj tytuł działki za pomocą funkcji .title().

Na koniec, aby przyjrzeć się twojej działce, używamy funkcji .show().

Wykreślenie dwóch lub więcej linii na tej samej powierzchni

filter_none

edytować

play_arrow

jaskrawość_4

import matplotlib.pyplot jako plt

# linia 1 punkty

x1 = [1,2,3]

y1 = [2,4,1]

# wykreślając drogę 1 punktów

plt.plot(x1, y1, etykieta = “linia 1”)

# linia 2 punkty

x2 = [1,2,3]

y2 = [4,1,3]

# wykreślenie drogi 2 punktów

plt.plot(x2, y2, etykieta = “linia 2”)

# nazywając osi x

plt.xlabel(‘x – oś’)

# nazywając osi y

plt.ylabel(‘y – oś’)

# dając tytuł do mojego wykresu

plt.title(“Dwie linie na tym samym wykresie!”)

# show a legend on the plot

plt.legend()

# funkcja wskazująca fabułę

plt.show()

Wyjście:

Tutaj, wykreślamy dwie linie na tym samym wykresie. Rozróżniamy je, nadając im nazwę(etykietę), która jest przekazywana jako argument funkcji .plot().

Małe prostokątne okienko z informacją o rodzaju linii i jej kolorze nosi nazwę legendy. legendę dodamy do wykresu za pomocą funkcji .legend().

Dostosowywanie wykresów

Tutaj omawiamy kilka elementarnych dostosowań, które można zastosować na prawie każdej działce.

filter_none

edytować

play_arrow

jaskrawość_4

import matplotlib.pyplot jako plt

# x wartości osi

x = [1,2,3,4,5,6]

# odpowiednie wartości osi y

y = [2,4,1,5,2,6]

# wykreślając punkty

plt.plot(x, y, color=’green’, linestyle=’dashed’, linewidth = 3,

marker=”o”, markerfacecolor=”niebieski”, markersize=12)

# ustawienie zakresu osi x i y

plt.ylim(1,8)

plt.xlim(1,8)

# nazywając osi x

plt.xlabel(‘x – oś’)

# nazywając osi y

plt.ylabel(‘y – oś’)

# dając tytuł do mojego wykresu

plt.title(‘Some cool customizations!’)

# funkcja wskazująca fabułę

plt.show()

Wyjście:

Jak zobaczysz, wykonaliśmy kilka modyfikacji, takich jak

ustawiając line-szerokość, line-style, line-color.

ustawienie markera, koloru twarzy markera, rozmiaru markera.

przeważające nad zakresem osi x i y. Jeśli nadpisywanie nie jest wykonywane, moduł pyplot używa funkcji autoskalowania do wyznaczania linii zakresu osi i skali.

Wykres słupkowy

filter_none

edytować

play_arrow

jaskrawość_4

import matplotlib.pyplot jako plt

# x współrzędne lewych boków prętów

w lewo = [1, 2, 3, 4, 5]

# wysokości barów

wysokość = [10, 24, 36, 40, 5]

# etykiety na kraty

tick_label = [“jeden”, “dwa”, “trzy”, “cztery”, “pięć”]

# wykres słupkowy

plt.bar(lewo, wysokość, tick_label = tick_label,

szerokość = 0,8, kolor = [“czerwony”, “zielony”])

# nazywając osi x

plt.xlabel(‘x – oś’)

# nazywając osi y

plt.ylabel(‘y – oś’)

# tytuł działki

# funkcja pokazująca fabułę

plt.show()

Tutaj używamy funkcji plt.bar() do wykresu słupkowego.

Współrzędne x lewej strony słupków są przekazywane wraz z wysokościami słupków.

Możesz również nadać jakąś nazwę współrzędnym osi x, definiując tick_labels

edytować

play_arrow

jaskrawość_4

import matplotlib.pyplot jako plt

# częstotliwości

Wiek = [2,5,70,40,30,45,50,45,43,40,44,

60,7,13,57,18,90,77,32,21,20,40]

# ustawiając zakresy i liczbę interwałów

zakres = (0, 100)

pojemniki = 10

# wykreślając histogram

plt.hist(wiek, pojemniki, zakres, kolor = “zielony”,

histtype = “bar”, rwidth = 0,8)

# etykieta osi x

plt.xlabel(“wiek”)

# frequency label

plt.ylabel(‘No. of people’)

# tytuł działki

plt.title(“Mój histogram”)

# funkcja pokazująca fabułę

plt.show()

Tutaj, używamy funkcji plt.hist() do wykreślenia histogramu.

Częstotliwości są przekazywane, ponieważ lista wiekowa.

Zakres można ustawić poprzez zdefiniowanie tupletu zawierającego wartości min i max.

Następnym krokiem jest “bin” zakres wartości – czyli podzielenie całego zakresu wartości na serię przedziałów – a następnie zliczenie, jakie wartości procentowe mieszczą się w każdym przedziale. Tutaj zdefiniowaliśmy bins = 10. Tak więc, istnieje kompletny 100/10 = 10 przedziałów.

Wykres rozproszenia

ere, używamy funkcji plt.scatter() do sporządzenia wykresu rozproszenia.

Podobnie jak linię, definiujemy tu również x i odpowiadające jej wartości y – osi.

Argument marker jest używany do wykreślania linii znaku, który ma być użyty jako marker. Jego rozmiar jest często definiowany za pomocą parametru s.

Pie-chart

filter_none

edytować

play_arrow

jaskrawość_4

import matplotlib.pyplot jako plt

# definiowanie etykiet

działania = [“jedzenie”, “sen”, “praca”, “zabawa”]

# porcję objętą każdą etykietą

plasterki = [3, 7, 8, 6]

# kolor dla każdej etykiety

kolory = [“r”, “y”, “g”, “b”]

# plotkując wykres

plt.pie(plastry, etykiety = czynności, kolory=kolory,

startangle=90, shadow = True, explode = (0, 0, 0.1, 0),

promień = 1,2, autopct = “%1,1f%%”)

# legenda plotkarstwa

plt.legend()

# pokazując fabułę

plt.show()

Wyjście z powyższego programu wygląda tak:

Tutaj wykreślamy wykres za pomocą metody plt.pie().

Przede wszystkim definiujemy etykiety wykorzystujące listę nazwaną czynnościami.

Następnie, część każdej etykiety jest często definiowana przy użyciu innej listy nazywanej plasterkami.

Kolor dla każdej etykiety jest definiowany za pomocą listy nazwanej kolorami.

shadow = True pokaże cień pod każdą etykietą w pie-charcie.

Startangle obraca początek wykresu o podane stopnie w kierunku przeciwnym do ruchu wskazówek zegara od osi x.

Explode jest wykorzystywany do wyrównania ułamka promienia, z którym odsuwamy każdy klin.

do formatowania wartości każdej etykiety stosowany jest autopakt. Tutaj ustawiliśmy ją tak, aby wskazywała wartość udziału tylko do 1 miejsca po przecinku.

Wyznaczanie krzywych danego równania

filter_none

edytować

play_arrow

jaskrawość_4

# importując wymagane moduły

import matplotlib.pyplot jako plt

importować zdrętwiały jak np.

# ustawiając x – współrzędne

x = np.arange(0, 2*(np.pi), 0,1)

# ustawienie odpowiednich współrzędnych y – współrzędnych

y = np.sin(x)

# potting the points

plt.plot(x, y)

# funkcja pokazująca fabułę

plt.show()

Używamy tutaj NumPy, który może być pakietem do przetwarzania macierzy ogólnego przeznaczenia w pytonie.

Do ustawienia wartości x – axis, używamy np.arange() metody, podczas której pierwsze dwa argumenty są dla zakresu, a trzeci dla stopniowego przyrostu. Wynikiem jest tablica numpy.

Aby uzyskać odpowiednie wartości osi y, po prostu używamy predefiniowanej metody np.sin() na tablicy numpy.

Na koniec, wykreślamy punkty, przekazując tablice x i y do funkcji plt.plot().

W tej części omówiliśmy więc różne rodzaje wykresów, które stworzymy w matplotlibie. Jest więcej działek, które nie zostały jeszcze omówione, ale najważniejsze z nich zostały tutaj omówione –