Python yra viena iš populiariausių braižymo bibliotekų, vadinamų Matplotlib . Tai atvirojo kodo, kelių platformų platforma, skirta kurti 2D brėžinius iš masyvo duomenų. Paprastai jis naudojamas duomenims vizualizuoti ir vaizduoti įvairiuose grafikuose.
„Matplotlib“ iš pradžių sukūrė Johnas D. Hunteris 2003 m. Naujausia „matplotlib“ versija yra 2.2.0, išleista 2018 m. sausio mėn.
Prieš pradėdami dirbti su „matplotlib“ biblioteka, turime įdiegti „Python“ aplinkoje.
Matplotlib diegimas
Savo terminale įveskite šią komandą ir paspauskite enter.
pip install matplotlib
Aukščiau pateikta komanda įdiegs „matplotlib“ biblioteką ir jos priklausomybės paketą „Windows“ operacinėje sistemoje.
Pagrindinė Matplotlib koncepcija
Grafiką sudaro šios dalys. Supraskime šias dalis.
statinė funkcija java
Paveikslas: Tai visa figūra, kurioje gali būti viena ar daugiau ašių (sklypų). Figūrą galime įsivaizduoti kaip drobę, kurioje telpa siužetai.
Ašys: Figūroje gali būti kelios ašys. Jį sudaro du arba trys (3D atveju) ašies objektai. Kiekvieną ašį sudaro pavadinimas, x etiketė ir y etiketė.
Ašis: Ašys yra linijinių objektų skaičius ir yra atsakingi už grafiko ribų generavimą.
Atlikėjas: Menininkas yra viskas, ką matome diagramoje, pvz., Teksto objektai, Line2D objektai ir kolekcijos objektai. Dauguma menininkų yra susieti su kirviais.
Įvadas į pyplot
Matplotlib pateikia pyplot paketą, kuris naudojamas duotų duomenų grafikui nubraižyti. The matplotlib.pyplot yra komandų stiliaus funkcijų rinkinys, dėl kurio matplotlib veikia kaip MATLAB. Pyplot pakete yra daug funkcijų, kurios buvo naudojamos kuriant figūrą, sukuriant braižymo plotą figūroje, papuošiant siužetą etiketėmis, nubrėžiant kai kurias linijas braižymo srityje ir pan.
Su pyplot galime greitai nubraižyti grafiką. Pažvelkime į šį pavyzdį.
Pagrindinis grafiko sudarymo pavyzdys
Štai pagrindinis paprasto grafiko generavimo pavyzdys; programa tokia:
from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show()
Išvestis:
Įvairių tipų grafikų braižymas
Naudodami pyplot modulį galime nubraižyti įvairius grafikus. Supraskime šiuos pavyzdžius.
1. Linijinė diagrama
Linijinė diagrama naudojama informacijai rodyti kaip linijos seriją. Tai lengva brėžti. Apsvarstykite toliau pateiktą pavyzdį.
Pavyzdys -
java programos ciklas
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()
Išvestis:
Liniją galima keisti naudojant įvairias funkcijas. Tai daro grafiką patrauklesnį. Žemiau pateikiamas pavyzdys.
žibintuvėlio montavimas
Pavyzdys -
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. Juostinė diagrama
Juostinė diagrama yra viena iš labiausiai paplitusių grafikų ir naudojama duomenims, susijusiems su kategoriniais kintamaisiais, pavaizduoti. The baras () funkcija priima tris argumentus – kategorinius kintamuosius, reikšmes ir spalvą.
Pavyzdys -
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. Skritulinė diagrama
Diagrama yra apskritas grafikas, padalytas į pogrupį arba segmentą. Jis naudojamas procentiniams arba proporcingiems duomenims pavaizduoti, kai kiekvienas pyrago gabalas atitinka tam tikrą kategoriją. Supraskime žemiau pateiktą pavyzdį.
Pavyzdys -
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()
Išvestis:
4. Histograma
Histograma ir juostinė diagrama yra gana panašios, tačiau jos šiek tiek skiriasi. Paskirstymui pavaizduoti naudojama histograma, o skirtingiems objektams palyginti naudojama juostinė diagrama. Histograma paprastai naudojama tam tikros reikšmių dažniui nubrėžti, palyginti su verčių diapazonų rinkiniu.
Šiame pavyzdyje mes paėmėme skirtingų studento balų procentų duomenis ir nubraižome histogramą mokinių skaičiaus atžvilgiu. Supraskime šį pavyzdį.
Pavyzdys -
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()
Išvestis:
Supraskime kitą pavyzdį.
Pavyzdys – 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()
Išvestis:
5. Sklaidos diagrama
Sklaidos diagrama naudojama palyginti kintamąjį su kitais kintamaisiais. Jis apibrėžiamas kaip vienas kintamasis paveikė kitą kintamąjį. Duomenys pateikiami kaip taškų rinkinys. Supraskime šį pavyzdį.
Pavyzdys -
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()
Išvestis:
Pavyzdys – 2:
uri vs url
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()
Išvestis:
Šioje pamokoje aptarėme visus pagrindinius grafikų tipus, naudojamus duomenų vizualizavimui. Norėdami sužinoti daugiau apie grafiką, apsilankykite mūsų „matplotlib“ mokymo programoje.