Matplotlib в Python: объяснение различных графиков с примерами

Что такое матплотлиб?

Из нескольких библиотек, доступных в Python, matplotlib в python является одной из таких библиотек визуализации, которая помогает визуализировать 2D-графики массива. Библиотека визуализации данных построена на массивах NumPy. В 2002 году Джон Хантер представил мультиплатформенную библиотеку визуализации данных. Библиотека предлагает визуализацию данных и графическое представление данных, являясь альтернативой MATLAB. API-интерфейсы Matplotlib, то есть интерфейсы прикладного программирования, которые используются разработчиками для встраивания графиков в приложения с графическим интерфейсом.

Matplotlib предлагает несколько графических графиков, таких как столбцы, линии, гистограммы, разброс и т. д. Визуализация, предлагаемая графиком matplotlib, позволяет визуально получить доступ к огромным объемам данных. График визуальных данных может быть создан с помощью кода из нескольких строк только из-за структурированного характера скрипта python matplotlib.

Для наложения слоя сценариев matplotlib используются два API:

• Python API: это иерархия объектов кода Python.
• OO (объектно-ориентированный) API: API обеспечивает прямой доступ к внутренним слоям Matplotlib.

Установка

Установку библиотеки matplotlib можно выполнить, загрузив matplotlib и ее зависимости из индекса пакетов Python (PyPI) в виде двоичного пакета.

Команда, которую можно использовать для установки библиотеки:

python -m pip установить matplotlib

В таких операционных системах, как Windows, Linux и macOS, matplotlib и его зависимости представлены в виде пакетов wheel. В таких случаях выполняется команда.

Python -mpip установить -U matplotlib

Библиотека также доступна в виде нескомпилированных исходных файлов, установка которых довольно сложна, поскольку для локальной системы потребуется соответствующий компилятор для ОС. Кроме того, платформа ActiveState может использоваться для сборки matplotlib из исходного кода и ее упаковки для требуемой ОС.

Импорт

Импорт matplotlib в python осуществляется через команды

• из matplotlib импортировать pyplot как plt
• импортировать matplotlib.pyplot как plt

Различные сюжеты и примеры

1. Меню пользовательского интерфейса Matplotlib

Меню пользовательского интерфейса Matplotlib создается, когда графики создаются с помощью Matplotlib. Пользовательский интерфейс Matplotlib предлагает настройку графика и переключение элементов, а также возможность масштабирования графиков.

2. Matplotlib и NumPy

NumPy — это пакет под Python для проведения научных вычислений. Matplotlib построен на основе NumPy и использует функции, предоставляемые NumPy для своих числовых данных и многомерных массивов.

3. Matplotlib и панды

Pandas — это библиотека Python, которая используется для обработки данных и анализа с помощью matplotlib. Это не обязательная зависимость для matplotlib, но предоставляет фрейм данных.

Графики Matplotlib позволяют визуально представлять огромные объемы данных. С помощью графиков можно определить тенденции и конкретные закономерности, присутствующие в данных, что необходимо для установления корреляций. Графики Matplotlib в основном предоставляют способ рассуждать о количественной информации.

Вот некоторые из типов графиков matplotlib:

1. Линейный сюжет:

Использование двух точек

• Линейный график Matplotlib создается путем импорта pyplot.
• Для рисования точек на диаграмме используется функция plot() , которая по умолчанию рисует линию из одной точки в другую.
• Учитываются два параметра, которые задают точки для рисования линии.
• Точки оси X хранятся в виде массива в параметре 1.
• Точки оси Y хранятся в виде массива в параметре 2.
• Пример: если необходимо провести линию от точек (2, 6) до (10, 15), необходимо передать два массива, т.е. [2, 10] и [6, 15].

Пример: код, показывающий построение линий и сгенерированный график

Источник

2. Использование нескольких точек

• Подобно тому, как две точки используются для построения графика, можно отображать несколько точек с помощью matplotlib в python .
• Точки должны быть в одном и том же количестве на обеих осях для построения количества точек.
• Вход:

Источник

3. Точки линии без точек оси x

• Если точки оси X не указаны, то значения по умолчанию для оси X берутся на основе точек оси Y.
• Ввод: код останется таким же, как и приведенные выше коды для построения линий, но только с одним массивом в качестве входных данных, т. е. массивом для оси Y. Ось X будет принята по умолчанию.

ypoints = np.массив ([10, 8, 12, 20, 3, 9])

• Сюжет создан:

В matplotlib присутствуют различные опции, позволяющие усилить визуальные эффекты графиков:

1. Маркеры

• Чтобы улучшить визуальные эффекты точек на диаграмме, можно использовать указанный маркер с помощью ключевого слова marker .
• Маркеры могут быть звездой, кругом, точкой, пикселем, крестиком и т. д.
• Пример: plt.plot(ypoints, marker = 'o') можно использовать для построения точек
• Другие списки маркеров показаны в приведенном ниже фрагменте, взятом из

Источник

• Маркер можно изменить в зависимости от цвета (поддерживается 140 цветов), размера и типа линии, которая может использоваться как пунктирная, сплошная или пунктирная линия.
• Команды markeredge ( mec ) и markerfacecolor ( mfc ) используются для окрашивания всего маркера.
• Он предлагает возможность окрашивания только края маркера или всего маркера.
• Размер маркера или сокращенно ms используется для установки размера маркера.

Синтаксис: plt.plot(ypoints, marker = 'o', ms = 30)

2. Линия Matplotlib

• Стиль построенной линии можно изменить соответствующим образом с помощью параметров стиля линии, пунктирной или пунктирной линии, представленных как ls , : или — .

Синтаксис: plt.plot(ypoints, ls = ':')

• Цвет линии можно изменить соответствующим образом с помощью ключевого слова color или в более короткой форме с помощью c . matplotlib предоставляет 140 поддерживаемых цветов для изменения цвета линии.
• Ширину строки можно изменить с помощью аргумента linewidth или lw . Это плавающее число в пунктах.
• Несколько линий могут быть нанесены на один и тот же график с помощью функций plt.plot() .
• Функция grid() используется для добавления линий сетки на график. Можно добавить параметры оси, чтобы указать, по какой оси требуется линия сетки.

Синтаксис: plt.grid(ось = 'x')

• Свойства сетки могут быть соответственно изменены, такие как цвет, стиль линии и ширина, с помощью аргументов, цвета, стилей линий и числа.

Синтаксис: plt.grid (цвет = «зеленый», стиль линии = «–», ширина линии = 0,5)

3. Метки и заголовки Matplotlib

• Функции xlabel() и ylabel() используются для маркировки соответствующего asex.
• Функция title() используется для установки заголовка графика.
• Свойства шрифта графика можно изменить с помощью параметра fontdict .
• Параметр loc может использоваться для указания позиции заголовка.

На одном рисунке можно нарисовать несколько графиков с помощью функции subplots() .

4. График разброса Matplotlib

• Функцию scatter() можно использовать с pyplot для построения графика рассеяния.
• Требуются два массива одинаковой длины, т.е. по одному массиву для каждой оси.
• Пример:

Источник

Сюжет создан

• цвет или аргумент c используется для окрашивания точек на точечной диаграмме.
• Цветовую карту можно использовать для указания требуемого цвета на диаграмме рассеивания. Каждый цвет в палитре имеет определенное значение. Его можно включить через аргумент cmap, а затем назначить имя цветовой карты. Несколько встроенных цветовых карт доступны в matplotlib.

Синтаксис: plt.scatter(x, y, c=colors, cmap='viridis')

Viridis — это встроенная цветовая карта, доступная в matplotlib.

• Размер и прозрачность точек можно изменить с помощью аргументов s и alpha .
• Цветовую карту можно комбинировать с разными размерами точек.

5. Гистограммы Matplotlib

• Функция bar() используется для рисования гистограмм . Аргументы для расположения баров упоминаются в функции bar() . Он строит вертикальные гистограммы.

• Для построения горизонтальных гистограмм используется функция barh() .
• Вход:

• Сюжет создан:

Источник

• Аргумент цвета используется с функциями bar() и barh() для установки цвета полос.

Синтаксис: plt.bar(x, y, color = «зеленый»).

• Аргумент ширины используется с функциями bar() и barh() для установки ширины полосы.

Синтаксис: plt.bar(x, y, ширина = 0,2).

• Другим аргументом функций bar() и barh() является высота , которая используется для установки высоты столбца.

6. График пирога Matplotlib

• Круговая диаграмма создается с помощью функции pie() в библиотеке matplotlib.
• Пример: Ввод:

• Сюжет создан:

Источник

• Каждый клин может быть помечен меткой параметра, которая представляет собой массив с метками для каждого сегмента.

Синтаксис: mylabels = [ "автомобили" , "велосипеды" , "велосипеды" , "автобусы" ]

• Начальный угол по умолчанию в круговой диаграмме — это ось X, которую можно изменить с помощью параметра startangle. Угол определяется в градусах, и угол по умолчанию равен 0.
• С помощью параметра разнесения нужный клин может отображаться выделяющимся. Он указывается через массив, в котором значение клина выделяется, а остальные значения остаются равными 0.

Синтаксис: myexplode = [0.2, 0, 0, 0]

• Установка для параметра shadows значения true создаст тень для круговой диаграммы.
• Параметр colors используется для указания цветов каждого сегмента в массиве.

Синтаксис: mylabels = [ "автомобили" , "велосипеды" , "велосипеды" , "автобусы" ]

mycolors = ["черный", "ярко-розовый", "синий", зеленый""]

• Функция legend() используется для добавления объяснения к каждому клину.

7. Гистограмма

• Гистограмма используется для построения графика распределения частот.
• Функция hist() используется для создания гистограммы, которая использует массив чисел для создания гистограммы.
• Пример: Ввод: приведенные выше линии будут такими же, как те, которые используются для построения гистограмм.

х = np.random.normal (90, 100, 200)

печать (х)

• Сюжет создан:

Заключение

Как обсуждалось в статье, matplotlib в python можно использовать для отображения данных в различных стилях. Для улучшения наших графиков доступны дополнительные различные опции, позволяющие пользователю маркировать, изменять размер и цвет по своему желанию. Таким образом, Python и его библиотеки весьма полезны для анализа и обработки данных в настоящее время.

Обучение программированию на Python в области науки о данных доступно в курсе Executive PG Program in Data Science , предлагаемом upGrad . Если вы хотите пройти обучение у отраслевых экспертов и изучить различные возможности науки о данных, вы можете записаться на курс. Курс предлагается IIIT-Bangalore и разработан специально для начинающих профессионалов среднего уровня в возрастной группе от 21 до 45 лет. Независимо от пола, если вы попадаете в эту упомянутую категорию и мечтаете стать ведущим специалистом по данным, присоединяйтесь к нам в этом начинании. Для любого корабля помощи наша команда готова помочь вам.