Python 中的 Matplotlib：用示例解釋各種繪圖

什麼是matplotlib？

在 Python 中可用的幾個庫中， python 中的 matplotlib就是這樣一個可視化庫，它有助於對數組的二維圖進行可視化。 數據可視化庫基於 NumPy 數組構建。 正是在 2002 年，John Hunter 引入了多平台數據可視化庫。 該庫提供數據的可視化和數據的圖形繪製，提供了 MATLAB 的替代方案。 Matplotlib 的 API 即應用程序編程接口，開發人員使用它們將繪圖嵌入 GUI 應用程序。

matplotlib 提供了幾個圖形圖，如條形圖、線形圖、直方圖、散點圖等。 matplotlib 繪圖提供的可視化允許直觀地訪問大量數據。 僅由於 python matplotlib 腳本的結構化特性，可以通過幾行代碼生成可視化數據圖。

兩個 API 用於覆蓋 matplotlib 腳本層：

• Python API：它是 Python 代碼對象的層次結構。
• OO（面向對象）API：API 提供對 Matplotlib 後端層的直接訪問。

安裝

matplotlib 庫的安裝可以通過從 Python 包索引 (PyPI) 下載 matplotlib 及其依賴項作為二進制包來完成。

可用於安裝庫的命令是

python -m pip 安裝 matplotlib

在 Windows、Linux 和 macOS 等操作系統中，matplotlib 及其依賴項以輪包的形式存在。 在這種情況下，要執行的命令是。

python -mpip install -U matplotlib

該庫也可用作未編譯的源文件，其安裝相當複雜，因為本地系統需要為操作系統提供適當的編譯器。 此外，ActiveState 平台可用於從源代碼構建 matplotlib 並將其打包用於所需的操作系統。

輸入

python中matplotlib的導入是通過命令進行的

• 從 matplotlib 導入 pyplot 作為 plt
• 將 matplotlib.pyplot 導入為 plt

各種情節和例子

1. Matplotlib UI 菜單

Matplotlib UI 菜單是在通過 Matplotlib 創建繪圖時生成的。 Matplotlib UI 提供了繪圖的自定義和元素的切換以及放大繪圖的能力。

2. Matplotlib 和 NumPy

NumPy是 python 下的一個包，用於執行科學計算。 Matplotlib 建立在 NumPy 之上，它使用 NumPy 提供的函數來處理其數值數據和多維數組。

3. Matplotlib 和 Pandas

Pandas 是一個 python 庫，用於 matplotlib 處理數據和分析。 它不是 matplotlib 必需的依賴項，但提供了一個數據框。

Matplotlib 繪圖允許大量數據的可視化表示。 通過這些圖表，可以識別數據中存在的趨勢和特定模式，這對於建立相關性至關重要。 Matplotlib Plots基本上提供了一種推理定量信息的方法。

matplotlib 圖的一些類型是：

1.線圖：

使用兩點

• Matplotlib 線圖是通過導入 pyplot 生成的。
• 對於在圖中繪製點，使用plot()函數，默認情況下從一個點到另一個點繪製一條線。
• 考慮了兩個參數來指定繪製線的點。
• X 軸點在參數 1 中存儲為數組。
• Y 軸點在參數 2 中存儲為數組。
• 示例：如果必須從點 (2, 6) 到 (10, 15) 繪製一條線，則必須傳遞兩個數組，即 [2, 10] 和 [6, 15]。

示例：顯示線圖和生成圖的代碼

資源

2. 使用多點

• 就像使用兩個點進行繪圖的方式一樣，允許在 python 中使用matplotlib繪製多個點。
• 為了繪製多個點，兩個軸上的點數應相同。
• 輸入：

資源

3.沒有x軸點的線點

• 如果未指定 X 軸點，則 X 軸的默認值基於 Y 軸點。
• 輸入： 代碼將與上述用於繪製線條的代碼相同，但只有一個數組作為輸入，即 Y 軸數組。 X 軸將作為默認值。

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

• 生成的圖：

matplotlib 中存在各種選項，可以增加繪圖的視覺效果：

1. 標記

• 為了增強圖表中點的視覺效果，可以使用關鍵字marker使用指定的標記。
• 標記可以是星形、圓形、點、像素、X 等。
• 示例： plt.plot(ypoints, marker = 'o') 可用於繪製點
• 其他標記列表顯示在以下片段中，取自

資源

• 可以根據顏色（支持 140 種顏色）、大小和可以使用的線類型（如虛線、實線或虛線）更改標記。
• markeredge ( mec )和markerfacecolor ( mfc )命令用於為整個標記著色。
• 它提供了僅對標記邊緣或整個標記著色的選項。
• Markersize或簡稱ms用於設置標記的大小。

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

2. Matplotlib 線

• 可以使用 linestyle、dotted 或 dashed 的選項相應地更改繪製線的樣式，這些選項表示為ls 、 :或— 。

語法：plt.plot(ypoints, ls = ':')

• 可以使用關鍵字color或使用c以更短的形式相應地更改線條的顏色。 matplotlib 提供了 140 種支持的顏色來改變線條的顏色外觀。
• 可以使用參數linewidth或lw更改線的寬度。 它是一個浮點數。
• 使用plt.plot()函數可以在同一個圖中繪製多條線。
• grid() 函數用於將網格線添加到繪圖中。 可以添加軸參數以指定需要網格線的軸。

語法：plt.grid(axis = 'x')

• 網格的屬性可以通過參數、顏色、線條樣式和數字相應地更改，例如顏色、線條樣式和寬度。

語法：plt.grid(color = 'green', linestyle = '–', linewidth = 0.5)

3. Matplotlib 標籤和標題

• xlabel()和ylabel()函數用於標記各自的 asex。
• title()函數用於設置繪圖的標題。
• 可以使用fontdict參數更改繪圖的字體屬性。
• loc參數可用於指定標題的位置。

使用subplots()函數可以在一個圖中繪製多個圖。

4. Matplotlib 散點圖

• scatter()函數可以與 pyplot 一起使用來繪製散點圖。
• 需要兩個長度相同的數組，即每個軸一個數組。
• 例子：

資源

生成的圖

• 顏色 或c參數用於為散點圖中的點著色。
• 顏色圖可用於指定散點圖中所需的顏色。 顏色圖中的每種顏色都有一個特定的值。 它可以通過參數 cmap 包含，然後分配顏色圖的名稱。 matplotlib 中提供了幾個內置的顏色圖。

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

Viridis 是 matplotlib 中可用的內置顏色圖。

• 點的大小和透明度可以通過s和alpha參數進行更改。
• 顏色圖可以與不同大小的點組合。

5. Matplotlib 條形圖

• bar()函數用於繪製條形圖。 bar()函數中提到了條形佈局的參數。 它繪製垂直條形圖。

• barh()函數用於繪製水平條形圖。
• 輸入：

• 生成的圖：

資源

• color參數與bar ()和barh()函數一起使用來設置條形顏色。

語法：plt.bar(x, y, color = “green”)。

• width參數與bar ()和barh()函數一起使用來設置條形寬度。

語法：plt.bar(x, y, width = 0.2)。

• bar()和barh()函數使用的另一個參數是height ，它用於設置條形高度。

6. Matplotlib 餅圖

• 餅圖是通過 matplotlib 庫中的 pie() 函數創建的。
• 示例：輸入：

• 生成的圖：

資源

• 每個楔形都可以用參數標籤進行標記，該參數是一個帶有每個楔形標籤的數組。

語法： mylabels = [ “汽車” 、 “自行車” 、 “自行車” 、 “公共汽車” ]

• 餅圖中默認的起始角度為 X 軸，可以通過參數 startangle 進行更改。 角度以度為單位定義，默認角度為 0。
• 使用explode 參數，可以將所需的楔形顯示為突出。 它通過一個數組指定，其中楔形的值突出，其餘值保持為 0。

語法：myexplode = [0.2, 0, 0, 0]

• 將 shadows 參數設置為 true 將為餅圖創建陰影。
• 顏色參數用於通過數組指定每個楔形的顏色。

語法： mylabels = [ “汽車” 、 “自行車” 、 “自行車” 、 “公共汽車” ]

mycolors = [“黑色”、“hotpink”、“藍色”、“綠色””]

• legend() 函數用於為每個楔形添加解釋。

7.直方圖

• 直方圖用於繪製頻率分佈。
• hist()函數用於創建直方圖，該直方圖使用數字數組來創建直方圖。
• 示例： 輸入：上面的線將與用於繪製條形圖的線相同。

x = np.random.normal(90, 100, 200)

打印（x）

• 生成的圖：

結論

正如文章中所討論的， python 中的 matplotlib可用於以各種樣式繪製數據。 進一步的各種選項可用於增強我們的繪圖，允許用戶根據自己的意願進行標記、調整大小和顏色。 因此，python及其庫對於當今時代的數據分析和處理是相當有幫助的。

數據科學領域的 Python 編程培訓可在upGrad提供的數據科學執行 PG 計劃課程中獲得。 如果您願意接受行業專家的培訓並探索數據科學所擁有的各種機會，您可以報名參加該課程。 該課程由 IIIT-Bangalore 提供，專為 21 至 45 歲年齡段的中級專業人士而設計。 無論性別如何，如果您屬於上述類別並夢想成為領先的數據科學家，請加入我們的行列。 對於任何援助船，我們的團隊隨時準備為您提供幫助。