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 –