A Python az egyik legnépszerűbb ábrázolási könyvtár, az úgynevezett Matplotlib . Nyílt forráskódú, többplatformos tömbben lévő adatokból 2D diagramok készítésére. Általában adatvizualizációra használják, és különféle grafikonokon keresztül ábrázolják.

A Matplotlib ötletet eredetileg John D. Hunter készítette 2003-ban. A matplotlib legújabb verziója a 2.2.0, amelyet 2018 januárjában adtak ki.

Mielőtt elkezdené dolgozni a matplotlib könyvtárral, telepítenünk kell a Python-környezetünkbe.

A Matplotlib telepítése

Írja be a következő parancsot a termináljába, és nyomja meg az enter billentyűt.

 pip install matplotlib 

A fenti parancs a matplotlib könyvtárat és annak függőségi csomagját telepíti a Window operációs rendszerre.

A Matplotlib alapkoncepciója

Egy grafikon a következő részeket tartalmazza. Értsük meg ezeket a részeket.

Ábra: Ez egy egész alak, amely egy vagy több tengelyt (parcellát) tartalmazhat. A figurát olyan vászonnak tekinthetjük, amely cselekményeket tartalmaz.

hogyan alakítsunk át egy karakterláncot int

Tengelyek: Egy ábra több tengelyt is tartalmazhat. Két vagy három (3D esetén) tengelyobjektumból áll. Minden tengely egy címből, egy x-címkéből és egy y-címkéből áll.

Tengely: A tengelyek a vonalszerű objektumok száma, és felelősek a grafikon határértékeinek létrehozásáért.

Művész: A művész minden, amit a grafikonon látunk, mint például a szövegobjektumok, a Line2D objektumok és a gyűjteményobjektumok. A legtöbb művész a tengelyekhez kötődik.

Bevezetés a pyplotba

A matplotlib biztosítja a pyplot csomagot, amely az adott adatok grafikonjának ábrázolására szolgál. A matplotlib.pyplot parancsstílus-függvények halmaza, amelyek a Matplotlib-et a MATLAB-hoz hasonlóan működnek. A pyplot csomag számos olyan funkciót tartalmaz, amelyek segítségével figurát hoztunk létre, ábrázolási területet hoztunk létre az ábrán, címkékkel díszíthetjük a cselekményt, néhány vonalat ábrázolhatunk egy ábrázolási területen stb.

A pyplot segítségével gyorsan megrajzolhatunk egy gráfot. Nézzük meg a következő példát.

Alappélda a grafikon ábrázolására

Íme az egyszerű gráf létrehozásának alapvető példája; a program a következő:

 from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show() 

Kimenet:

Különböző típusú grafikonok ábrázolása

A különböző gráfokat a pyplot modul segítségével ábrázolhatjuk. Értsük meg a következő példákat.

1. Vonalgrafikon

A vonaldiagram arra szolgál, hogy az információkat a vonal sorozataként jelenítse meg. Könnyű rajzolni. Tekintsük a következő példát.

Példa -

 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() 

Kimenet:

A sor a különböző funkciókkal módosítható. Ez vonzóbbá teszi a grafikont. Alább látható a példa.

internetböngésző beállításai

Példa -

 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. Oszlopdiagram

Az oszlopdiagram az egyik leggyakoribb grafikon, és a kategorikus változókhoz kapcsolódó adatok ábrázolására szolgál. A rúd() függvény három argumentumot fogad el – kategorikus változókat, értékeket és színt.

Példa -

 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. Kördiagram

A diagram egy kör alakú grafikon, amely részre vagy szegmensre van felosztva. A százalékos vagy arányos adatok megjelenítésére szolgál, ahol minden tortaszelet egy adott kategóriát képvisel. Értsük meg az alábbi példát.

Példa -

 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() 

Kimenet:

4. Hisztogram

A hisztogram és az oszlopdiagram meglehetősen hasonló, de van egy kis különbség közöttük. A hisztogramot az eloszlás ábrázolására, az oszlopdiagramot pedig a különböző entitások összehasonlítására használjuk. A hisztogramot általában számos érték gyakoriságának ábrázolására használják értéktartományokhoz viszonyítva.

A következő példában a tanulók különböző pontértékeinek adatait vettük, és a hisztogramot a tanulók számának függvényében ábrázoltuk. Értsük meg a következő példát.

Példa -

 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() 

Kimenet:

kali linux parancsokat

Értsünk egy másik példát.

Példa - 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() 

Kimenet:

5. Scatter Plot

A szóródiagram a változó összehasonlítására szolgál a többi változóval. Úgy definiálható, hogy az egyik változó hogyan befolyásolta a másik változót. Az adatok pontgyűjteményként jelennek meg. Értsük meg a következő példát.

Példa -

 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() 

Kimenet:

Példa - 2:

 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() 

Kimenet:

Ebben az oktatóanyagban az adatvizualizációban használt összes alapvető gráftípust tárgyaltuk. Ha többet szeretne megtudni a grafikonról, keresse fel a matplotlib oktatóanyagunkat.