Phenquestions
- Что такое Python Matplotlib?
- Типы графиков, которые мы можем построить, такие как гистограмма, гистограмма, точечная диаграмма, диаграмма с областями и диаграмма Pe
- Работа с несколькими графиками
- Некоторые альтернативы Python Matplotlib
Что такое Python Matplotlib?
Матплотлиб.pyplot - это пакет для построения графиков, который можно использовать для построения двухмерной графики с использованием языка программирования Python. Благодаря своей подключаемой природе этот пакет может использоваться в любых приложениях с графическим интерфейсом пользователя, серверах веб-приложений или простых скриптах Python. Вот некоторые наборы инструментов, расширяющие функциональность Python Matplotlib:
- Базовая карта - это библиотека построения карт, которая предоставляет функции для создания проектов карт, береговых линий и политических границ
- Natgrid может использоваться для объединения нерегулярных данных в разнесенные данные
- Инструменты Excel может использоваться для обмена данными между MS Excel и Matplotlib
- Картопия - это очень сложная библиотека картографии, которая даже предоставляет функции преобразования изображений, помимо точечных, линейных и многоугольных проекций
Перед тем как начать, обратите внимание на то, что мы используем виртуальную среду для этого урока, который мы сделали с помощью следующей команды:
Python -m virtualenv matplotlibисточник matplotlib / bin / активировать
Как только виртуальная среда станет активной, мы можем установить библиотеку matplotlib в виртуальную среду, чтобы можно было выполнять следующие примеры:
pip install matplotlibМы видим что-то подобное, когда выполняем указанную выше команду:
Вы также можете использовать Anaconda для запуска этих примеров, что проще. Если вы хотите установить его на свой компьютер, посмотрите урок, который описывает «Как установить Anaconda Python на Ubuntu 18».04 LTS »и поделитесь своим мнением. Теперь давайте перейдем к различным типам графиков, которые можно построить с помощью Python Matplotlib.
Типы участков
Здесь мы демонстрируем типы графиков, которые можно нарисовать с помощью Python Matplotlib.
Простой график
Первый пример, который мы увидим, будет представлять собой простой график. Этот пример используется в качестве демонстрации того, насколько просто построить график графика вместе с простыми настройками, которые к нему прилагаются. Мы начинаем с импорта matplotlib и определения координат x и y, которые мы хотим построить:
из matplotlib импортировать pyplot как pltх = [3, 6, 9]
y = [2, 4, 6]
После этого мы можем нанести эти координаты на график и показать его:
plt.сюжет (x, y)plt.показывать()
Когда мы запустим это, мы увидим следующий график:
С помощью всего нескольких строк кода мы смогли построить график. Давайте добавим несколько настроек, чтобы сделать этот график немного более выразительным:
plt.ylabel ('ось Y')
plt.xlabel ('ось X')
Добавьте приведенные выше строки кода непосредственно перед тем, как вы покажете график, и график теперь будет иметь метки:
Мы сделаем еще одну попытку настроить этот график, чтобы сделать его интуитивно понятным, с помощью следующих строк кода, прежде чем мы покажем график:
x1 = [3, 6, 9]y1 = [2, 4, 6]
x2 = [2, 7, 9]
y2 = [4, 5, 8]
plt.title ('Информация')
plt.ylabel ('ось Y')
plt.xlabel ('ось X')
plt.plot (x1, y1, 'g', label = 'Quarter 1', linewidth = 5)
plt.plot (x2, y2, 'r', label = 'Quarter 2', linewidth = 5)
plt.легенда ()
plt.сетка (True, color = 'k')
plt.показывать()
Мы увидим следующий график, когда запустим приведенный выше фрагмент кода:
Обратите внимание, с чего мы начали и чем закончили, очень интуитивно понятный и привлекательный график, который вы можете использовать в своих презентациях, и он сделан с использованием чистого кода Python, определенно то, чем можно гордиться !
Создание гистограммы
Гистограмма особенно полезна, когда мы хотим провести сравнение с конкретными и ограниченными показателями. Например, сравнение средних оценок учащихся по одному предмету - хороший вариант использования. Давайте построим здесь гистограмму для того же варианта использования, фрагмент кода для этого будет:
avg_marks = [81, 92, 55, 79]физика = [68, 77, 62, 74]
plt.бар ([0.25, 1.25, 2.25, 3.25], avg_marks, label = "Среднее", width =.5)
plt.бар([.75, 1.75, 2.75, 3.75], физика, label = "Physics", color = 'r', width =.5)
plt.легенда ()
plt.xlabel ('Диапазон')
plt.ylabel ('Знаки')
plt.title ('Сравнение')
plt.показывать()
Гистограмма, созданная с использованием приведенных выше примеров данных, будет выглядеть следующим образом:
Здесь есть несколько полос для сравнения. Обратите внимание, что мы указали ширину каждой полосы в качестве первых параметров, а полоса сдвинута на 0.5 значений из предыдущего.
Мы можем объединить эту конструкцию гистограммы с библиотекой Pandas, чтобы настроить ее больше, но мы рассмотрим это в другом уроке о Pandas.
Распределения с гистограммами
Гистограммы часто путают с гистограммами. Основное различие заключается в их сценарии использования. Гистограммы используются для сравнения данных, а гистограммы - для описания распределения данных.
Например, давайте снова применим пример для оценок учащихся, но на этот раз мы посмотрим только на средние оценки учащихся и посмотрим, как они распределяются. Вот фрагмент кода, очень похожий на предыдущий пример:
корзины = [0,10,20,30,40,50,60,70,80,90,100]avg_marks = [81, 77, 55, 88, 81, 66, 51, 66, 81, 92, 55, 51]
plt.hist (avg_marks, bins, histtype = 'bar', rwidth = 0.8)
plt.xlabel ('Диапазон')
plt.ylabel ('Знаки')
plt.title ('Сравнение')
plt.показывать()
Гистограмма, созданная с использованием приведенных выше примеров данных, будет выглядеть следующим образом:
Ось Y показывает здесь, сколько учеников получили те же оценки, которые были предоставлены в качестве данных для строительства.
Создание точечной диаграммы
Когда дело доходит до сравнения нескольких переменных и определения их влияния друг на друга, диаграмма рассеяния - хороший способ представить то же самое. В этом случае данные представлены в виде точек со значением одной переменной, отраженным по горизонтальной оси, а значение второй переменной определяет положение точки на вертикальной оси.
Давайте посмотрим на простой фрагмент кода, чтобы описать то же самое:
х = [1,1.5,2,2.5,3,3.5,3.6]y = [75,8,85,9,95,10,75]
х1 = [8,8.5,9,9.5,10,10.5,11]
y1 = [3,35,3.7,4,45,5,52]
plt.scatter (x, y, label = '10 учащихся с высокими результатами', color = 'r')
plt.scatter (x1, y1, label = '10 учащихся с низкими баллами', color = 'b')
plt.xlabel ('Знаки')
plt.ylabel ('Количество студентов')
plt.title ('Точечная диаграмма')
plt.легенда ()
plt.показывать()
Диаграмма рассеяния, созданная с использованием приведенных выше примеров данных, будет выглядеть следующим образом:
Участки
Графики площадей используются в основном для отслеживания изменений данных с течением времени. В различных текстах они также называются диаграммами стека. Например, если мы хотим установить представление о времени, затраченном студентом на каждый предмет в течение одного дня, вот код, с помощью которого мы можем сделать то же самое:
дней = [1,2,3,4,5]физика = [2,8,6,5,7]
питон = [5,4,6,4,1]
г = [7,9,4,3,1]
математика = [8,5,7,8,13]
plt.plot ([], [], color = 'm', label = 'Physics', linewidth = 5)
plt.plot ([], [], color = 'c', label = 'Python', linewidth = 5)
plt.plot ([], [], color = 'r', label = 'R', linewidth = 5)
plt.plot ([], [], color = 'k', label = 'Math', linewidth = 5)
plt.stackplot (дни, физика, питон, r, математика, цвета = ['g', 'k', 'r', 'b'])
plt.xlabel ('х')
plt.ylabel ('у')
plt.title ("Заговор стека")
plt.легенда ()
plt.показывать()
График площади, созданный с использованием приведенных выше примеров данных, будет выглядеть следующим образом:
Приведенные выше выходные данные четко показывают разницу во времени, затрачиваемом студентом на каждый предмет, с четким способом предоставления разницы и распределения.
Круговые диаграммы
Когда мы хотим разбить целую часть на несколько частей и описать количество, которое каждая часть занимает, круговая диаграмма - хороший способ сделать это представление. Он используется для отображения процента данных в полном наборе данных. Вот базовый фрагмент кода для создания простой круговой диаграммы:
метки = 'Python', 'C ++', 'Ruby', 'Java'size = [225, 130, 245, 210]
цвета = ['r', 'b', 'g', 'c']
взорваться = (0.1, 0, 0, 0) # расчленить 1-й срез
# Сюжет
plt.круговая диаграмма (размеры, разнесение = разнесение, метки = метки, цвета = цвета,
autopct = '% 1.1f %% ', shadow = True, startangle = 140)
plt.ось ('равно')
plt.показывать()
Круговая диаграмма, созданная с использованием приведенных выше примеров данных, будет выглядеть следующим образом:
В приведенных выше разделах мы рассмотрели различные графические компоненты, которые мы можем построить с библиотекой Matplotlib для представления наших данных в различных формах и установления различий интуитивно понятным образом, будучи статистическими.
Возможности и альтернативы для Matplotlib
Одной из лучших особенностей matplotlib является то, что он может работать во многих операционных системах и графических серверных приложениях. Он поддерживает десятки операционных систем и графический вывод, который мы рассмотрели в этом уроке. Это означает, что мы можем рассчитывать на него, когда речь идет о предоставлении вывода таким образом, который нам нужен.
Существуют различные другие библиотеки, которые могут конкурировать с matplotlib, например:
- Морской Рог
- Сюжетно
- Ggplot2
Несмотря на то, что вышеупомянутые библиотеки могут представлять некоторые продвинутые способы описания и представления данных в графическом виде, нельзя отрицать простоту и эффективность библиотеки matplotlib.
Заключение
В этом уроке мы рассмотрели различные аспекты этой библиотеки визуализации данных, которую мы можем использовать с Python для создания красивых и интуитивно понятных графиков, которые могут визуализировать данные в той форме, которая требуется бизнесу от платформы. Matplotlib - одна из самых важных библиотек визуализации, когда дело доходит до инженерии данных и представления данных в большинстве визуальных форм, определенно навык, который нам нужен.
Поделитесь своими отзывами об уроке в Twitter с @sbmaggarwal и @LinuxHint.
