В этой серии мы познакомим вас с графикой на питоне с помощью Matplotlib, которая, пожалуй, является самой популярной библиотекой графики и визуализации данных для Python.
Установка
Самый простой способ вставить матплотлиб – это использовать трубу. Введите следующую команду в терминал:
ip установить matplotlib
ИЛИ вы загрузите его отсюда и установите вручную.
Начало работы (построение строки)
фильтр_нет
Редактирование
стрелка-плейер
яркость_4
# импорт указанного модуля
импорт matplotlib.pyplot как plt
# значения по оси х
x = [1,2,3]
# соответствующие значения по оси y
y = [2,4,1]
# замышляя очки
plt.plot(x, y)
# наименование оси х
plt.xlabel(‘x – ось’)
# называя ось y
plt.ylabel(‘y – axis’)
# давая название моей графике
plt.title(‘My first graph!’)
# функция, указывающая на сюжет
plt.show()
Выход:
Код кажется само собой разумеющимся. Были предприняты следующие шаги:
Определите ось x и соответствующие значения по оси y в виде списков.
Поместите их на холст с помощью функции .plot().
Дайте имя x-осям и y-осям, используя .xlabel() и .ylabel() функции.
Дайте название вашему рисунку, используя функцию .title().
Наконец, чтобы посмотреть на ваш сюжет, мы используем функцию .show().
Построение двух или более строк на одном и том же участке.
фильтр_нет
редактирование
стрелка-плейер
яркость_4
импорт matplotlib.pyplot как plt
# прямая 1 точки
x1 = [1,2,3]
y1 = [2,4,1]
# замышляя дорогу 1 балл
plt.plot(x1, y1, метка = “строка 1”)
# прямая 2 точки
x2 = [1,2,3]
y2 = [4,1,3]
# замышляя дорогу, 2 очка
plt.plot(x2, y2, метка = “строка 2”)
# наименование оси х
plt.xlabel(‘x – ось’)
# называя ось y
plt.ylabel(‘y – axis’)
# давая название моей графике
plt.title(‘Две строки на одном графе!’)
# показать легенду на сюжете
plt.legend()
# функция, указывающая на участок
plt.show()
Выход:
Здесь мы построим две линии на одном графике. Мы различаем их, давая им имя (метку), которое передается в качестве аргумента функции .plot().
Маленькое прямоугольное окошко, дающее информацию о сорте линии и ее цвете, называется легендой. Мы добавим легенду в наш график с помощью функции .legend().
Настройка графиков
Здесь мы обсудим некоторые элементарные настройки, применимые практически к любому сюжету.
filter_none
редактирование
стрелка-плейер
яркость_4
импорт matplotlib.pyplot как plt
# значения по оси х
x = [1,2,3,4,5,6]
# соответствующие значения по оси y
y = [2,4,1,5,2,6]
# замышляя очки
plt.plot(x, y, color=’зеленый’, linetyle=’dashed’, lineewidth = 3,
marker=’o’, markerfacecolor=’blue’, markersize=12)
# установка диапазона осей x и y
plt.ylim(1,8)
plt.xlim(1,8)
# наименование оси х
plt.xlabel(‘x – ось’)
# называя ось y
plt.ylabel(‘y – axis’)
# давая название моей графике
plt.title(“Классные настройки!”)
# функция, указывающая на сюжет
plt.show()
Выход:
Как вы увидите, мы сделали несколько настроек, таких как
установка ширины линии, стиля линии, цвета линии.
установка маркера, цвета лица маркера, размера маркера.
переопределяя диапазон по осям x и y. Если переопределение не выполнено, то в модуле пиктограммы используется функция автомасштабирования для выравнивания диапазона и масштаба осей.
Столбчатая диаграмма
фильтр_нет
редактирование
стрелка-плейер
яркость_4
импорт matplotlib.pyplot как plt
# x-координаты левых сторон брусьев
слева = [1, 2, 3, 4, 5]
# высота баров
высота = [10, 24, 36, 40, 5]
# этикетки для баров
tick_label = [‘one’, ‘two’, ‘three’, ‘four’, ‘five’]
# построение гистограммы
plt.bar(left, height, tick_label = tick_label,
ширина = 0.8, цвет = [“красный”, “зеленый”]]).
# называя ось Х
plt.xlabel(‘x – ось’)
# называя ось y
plt.ylabel(‘y – axis’)
# заглавие участка
# функция для отображения сюжета
plt.show()
Здесь мы используем функцию plt.bar() для построения гистограммы.
Передаются x-координаты левой стороны баров вместе с высотой баров.
Также можно дать некоторое имя координатам оси x, определив tick_labels
редактирование
стрелка-плейер
яркость_4
импорт matplotlib.pyplot как plt
# частоты
возраст = [2,5,70,40,30,45,50,45,43,40,44,
60,7,13,57,18,90,77,32,21,20,40]
# установка диапазонов и нет. интервалов
диапазон = (0, 100)
мусорные ящики = 10
# строит гистограмму
plt.hist(возраст, корзины, диапазон, цвет = ‘зеленый’,
histtype = ‘bar’, rwidth = 0.8)
# метка оси х
plt.xlabel(‘age’)
# метка частоты
plt.ylabel (“Нет. из людей”)
# название сюжета
plt.title(‘Моя гистограмма’)
# функция для отображения сюжета
plt.show()
Здесь мы используем функцию plt.hist() для построения гистограммы.
Частоты передаются из-за списка возрастов.
Диапазон можно задать, определив кортеж, содержащий минимальное и максимальное значение.
Следующим шагом является “выбивание” диапазона значений, т.е. деление всего диапазона значений на ряд интервалов, а затем подсчет, какие процентные значения попадают под каждый интервал. Здесь мы определили bins = 10. Итак, есть полный 100/10 = 10 интервалов.
График рассеяния
Мы используем функцию plt.scatter() для построения графика рассеяния.
Здесь, как и в линии, мы определяем x и соответствующие значения y – оси.
Аргумент маркера используется для строки символа, который будет использоваться в качестве маркера. Его размер часто определяется с помощью параметра s.
Круговая диаграмма
фильтр_нет
редактирование
стрелка-плейер
яркость_4
импорт matplotlib.pyplot как plt
# определяющие этикетки
Деятельность = [“есть”, “спать”, “работать”, “играть”]
# порция, покрытая каждой этикеткой
ломтики = [3, 7, 8, 6]
# цвет для каждого лейбла
цвета = [‘r’, ‘y’, ‘g’, ‘b’]
# строит график
plt.pie(ломтики, метки = действия, цвета = цвета,
startangle=90, shadow = True, explode = (0, 0, 0.1, 0),
радиус = 1.2, autopct = ‘%1.1f%%’)
# заговорщицкая легенда
plt.legend()
# показывая сюжет
plt.show()
Выход вышеуказанной программы выглядит следующим образом:
Здесь мы строим график с помощью метода plt.pie().
Прежде всего, мы определяем метки, используя список, называемый деятельностью.
Затем, часть каждой метки часто определяется с помощью другого списка, называемого фрагментами.
Цвет для каждой метки определяется с помощью списка, называемого цветами.
shadow = True будет показывать тень под каждой меткой в круговой диаграмме.
Стартовый угол поворачивает начало графика на заданные градусы против часовой стрелки от оси x.
Взрыв используется для выравнивания доли радиуса, с которой мы смещаем каждый клин.
Автопокт используется для форматирования стоимости каждой метки. Здесь мы задали значение доли только до 1 знака после запятой.
Построение кривых заданного уравнения
фильтр_нет
редактирование
стрелка-плейер
яркость_4
# импорт необходимых модулей
импорт matplotlib.pyplot как plt
импорт онемелый как пшт
# установка координат x –
x = np.arange(0, 2*(np.pi), 0.1)
# установка соответствующих y – координат
y = np.sin(x)
# набивая очки
plt.plot(x, y)
# функция для отображения сюжета
plt.show()
Здесь мы используем NumPy, который может быть пакетом общего назначения для обработки массивов на питоне.
Для установки значений по оси x мы используем метод np.arange(), в котором первые два аргумента являются аргументами диапазона, а третий – аргументами шагового инкремента. В результате получается массив numpy.
Для получения соответствующих значений по оси y просто используем предопределенный метод np.sin() на массиве numpy.
Наконец, мы строим точки, передавая массивы x и y в функцию plt.plot().
Итак, в этой части мы обсудили различные виды графиков, которые мы будем создавать в matplotlib. Есть еще несколько участков, которые не были охвачены, но здесь обсуждаются наиболее значимые из них –
