Den här serien kommer att introducera dig till grafer i Python med Matplotlib, som utan tvekan är det mest populära biblioteket för grafer och datavisualisering för Pytonorm .
Installation
Det enklaste sättet att installera matplotlib är att använda pip. Skriv följande kommando i terminalen:
pip install matplotlib>
ELLER, du kan ladda ner den från här och installera den manuellt.
Det finns olika sätt att göra detta i Python. här diskuterar vi några allmänt använda metoder för plottning matplotlib i Python. det är följande.
- Rita en linje
- Rita två eller flera linjer på samma tomt
- Anpassning av tomter
- Plotta Matplotlib stapeldiagram
- Plotter Matplotlib Histogram
- Plotter Matplotlib Scatter plot
- Rita Matplotlib cirkeldiagram
- Rita kurvor för given ekvation
Rita en linje
I det här exemplet använder koden Matplotlib för att skapa ett enkelt linjediagram. Den definierar x- och y-värden för datapunkter, plottar dem med ` plt.plot() `, och märker x- och y-axlarna med `plt.xlabel()` och `plt.ylabel()`. Handlingen har titeln Min första graf! med `plt.title()`. Slutligen, den ` plt.show() `-funktionen används för att visa grafen med angivna data, axeletiketter och titel.
Pytonorm
# importing the required module> import> matplotlib.pyplot as plt> # x axis values> x>=> [>1>,>2>,>3>]> # corresponding y axis values> y>=> [>2>,>4>,>1>]> # plotting the points> plt.plot(x, y)> # naming the x axis> plt.xlabel(>'x - axis'>)> # naming the y axis> plt.ylabel(>'y - axis'>)> # giving a title to my graph> plt.title(>'My first graph!'>)> # function to show the plot> plt.show()> |
>
>
Produktion:
Rita två eller flera linjer på samma tomt
I det här exemplet använder koden Matplotlib för att skapa en graf med två linjer. Den definierar två uppsättningar av x- och y-värden för varje rad och plottar dem med hjälp av `plt.plot()`. Raderna är märkta som rad 1 och rad 2 med parametern `label`. Axlar är märkta med `plt.xlabel()` och `plt.ylabel()`, och grafen heter Två rader på samma graf! med `plt.title()`. Förklaringen visas med ` plt.legend() `, och funktionen `plt.show()` används för att visualisera grafen med både linjer och etiketter.
Pytonorm
hashing i datastruktur
import> matplotlib.pyplot as plt> # line 1 points> x1>=> [>1>,>2>,>3>]> y1>=> [>2>,>4>,>1>]> # plotting the line 1 points> plt.plot(x1, y1, label>=> 'line 1'>)> # line 2 points> x2>=> [>1>,>2>,>3>]> y2>=> [>4>,>1>,>3>]> # plotting the line 2 points> plt.plot(x2, y2, label>=> 'line 2'>)> # naming the x axis> plt.xlabel(>'x - axis'>)> # naming the y axis> plt.ylabel(>'y - axis'>)> # giving a title to my graph> plt.title(>'Two lines on same graph!'>)> # show a legend on the plot> plt.legend()> # function to show the plot> plt.show()> |
>
>
Produktion:
Anpassning av tomter
I det här exemplet använder koden Matplotlib för att skapa en anpassad linjeplot. Den definierar x- och y-värden, och plotten är utformad med en grön streckad linje, en blå cirkulär markör för varje punkt och en markörstorlek på 12. Y-axelns gränser är satta till 1 och 8, och x-axeln gränser sätts till 1 och 8 med `plt.ylim()` och `plt.xlim()`. Axlar är märkta med `plt.xlabel()` och `plt.ylabel()`, och grafen heter Några coola anpassningar! med `plt.title()`.
Pytonorm
import> matplotlib.pyplot as plt> # x axis values> x>=> [>1>,>2>,>3>,>4>,>5>,>6>]> # corresponding y axis values> y>=> [>2>,>4>,>1>,>5>,>2>,>6>]> # plotting the points> plt.plot(x, y, color>=>'green'>, linestyle>=>'dashed'>, linewidth>=> 3>,> >marker>=>'o'>, markerfacecolor>=>'blue'>, markersize>=>12>)> # setting x and y axis range> plt.ylim(>1>,>8>)> plt.xlim(>1>,>8>)> # naming the x axis> plt.xlabel(>'x - axis'>)> # naming the y axis> plt.ylabel(>'y - axis'>)> # giving a title to my graph> plt.title(>'Some cool customizations!'>)> # function to show the plot> plt.show()> |
>
>
Produktion:
Plotter Matplotlib Använda stapeldiagram
I det här exemplet använder koden Matplotlib för att skapa ett stapeldiagram. Den definierar x-koordinater ('vänster'), höjder på staplarna ('höjd') och etiketter för staplarna ('tick_label'). Funktionen `plt.bar()` används sedan för att plotta stapeldiagrammet med specificerade parametrar som stapelbredd, färger och etiketter. Axlar är märkta med `plt.xlabel()` och `plt.ylabel()`, och diagrammet heter Mitt stapeldiagram! med `plt.title()`.
Pytonorm
import> matplotlib.pyplot as plt> # x-coordinates of left sides of bars> left>=> [>1>,>2>,>3>,>4>,>5>]> # heights of bars> height>=> [>10>,>24>,>36>,>40>,>5>]> # labels for bars> tick_label>=> [>'one'>,>'two'>,>'three'>,>'four'>,>'five'>]> # plotting a bar chart> plt.bar(left, height, tick_label>=> tick_label,> >width>=> 0.8>, color>=> [>'red'>,>'green'>])> # naming the x-axis> plt.xlabel(>'x - axis'>)> # naming the y-axis> plt.ylabel(>'y - axis'>)> # plot title> plt.title(>'My bar chart!'>)> # function to show the plot> plt.show()> |
c-sträng i array
>
>
Utgång:
Plotter Matplotlib Använder histogram
I det här exemplet använder koden Matplotlib för att skapa ett histogram. Den definierar en lista över åldersfrekvenser (ages>), ställer in värdeintervallet från 0 till 100 och anger antalet fack som 10.plt.hist()>Funktionen används sedan för att plotta histogrammet med den tillhandahållna data och formatering, inklusive färg, histogramtyp och stapelbredd. Yxor är märkta medplt.xlabel()>ochplt.ylabel()>, och diagrammet heter Mitt histogram med hjälp avplt.title()>.
Pytonorm
import> matplotlib.pyplot as plt> # frequencies> ages>=> [>2>,>5>,>70>,>40>,>30>,>45>,>50>,>45>,>43>,>40>,>44>,> >60>,>7>,>13>,>57>,>18>,>90>,>77>,>32>,>21>,>20>,>40>]> # setting the ranges and no. of intervals> range> => (>0>,>100>)> bins>=> 10> # plotting a histogram> plt.hist(ages, bins,>range>, color>=> 'green'>,> >histtype>=> 'bar'>, rwidth>=> 0.8>)> # x-axis label> plt.xlabel(>'age'>)> # frequency label> plt.ylabel(>'No. of people'>)> # plot title> plt.title(>'My histogram'>)> # function to show the plot> plt.show()> |
>
>
Produktion:
8 till 1 multiplexor
Plotter Matplotlib Använder Scatter Plot
I det här exemplet använder koden Matplotlib för att skapa en scatterplot. Den definierar x- och y-värden och plottar dem som spridningspunkter med gröna asteriskmarkörer (`*`) i storlek 30. Axlar är märkta med `plt.xlabel()` och `plt.ylabel()`, och plotten har titeln Min spridningsplan! med `plt.title()`. Förklaringen visas med etikettstjärnorna med `plt.legend()`, och den resulterande spridningsplotten visas med `plt.show()`.
Pytonorm
import> matplotlib.pyplot as plt> # x-axis values> x>=> [>1>,>2>,>3>,>4>,>5>,>6>,>7>,>8>,>9>,>10>]> # y-axis values> y>=> [>2>,>4>,>5>,>7>,>6>,>8>,>9>,>11>,>12>,>12>]> # plotting points as a scatter plot> plt.scatter(x, y, label>=> 'stars'>, color>=> 'green'>,> >marker>=> '*'>, s>=>30>)> # x-axis label> plt.xlabel(>'x - axis'>)> # frequency label> plt.ylabel(>'y - axis'>)> # plot title> plt.title(>'My scatter plot!'>)> # showing legend> plt.legend()> # function to show the plot> plt.show()> |
>
>
Produktion:
Plotter Matplotlib Använder cirkeldiagram
I det här exemplet använder koden Matplotlib för att skapa ett cirkeldiagram. Den definierar etiketter för olika aktiviteter ('aktiviteter', den del som täcks av varje etikett ('skivor') och färger för varje etikett ('färger'). Funktionen `plt.pie()` används sedan för att plotta cirkeldiagrammet med olika formateringsalternativ, inklusive startvinkel, skugga, explosion för en specifik skiva, radie och autopkt för procentvisning. Förklaringen läggs till med `plt.legend()`, och det resulterande cirkeldiagrammet visas med `plt.show()`.
Pytonorm
ipconfig för ubuntu
import> matplotlib.pyplot as plt> # defining labels> activities>=> [>'eat'>,>'sleep'>,>'work'>,>'play'>]> # portion covered by each label> slices>=> [>3>,>7>,>8>,>6>]> # color for each label> colors>=> [>'r'>,>'y'>,>'g'>,>'b'>]> # plotting the pie chart> plt.pie(slices, labels>=> activities, colors>=>colors,> >startangle>=>90>, shadow>=> True>, explode>=> (>0>,>0>,>0.1>,>0>),> >radius>=> 1.2>, autopct>=> '%1.1f%%'>)> # plotting legend> plt.legend()> # showing the plot> plt.show()> |
>
>
Utdata från ovanstående program ser ut så här:
Rita kurvor för given ekvation
I det här exemplet använder koden Matplotlib och NumPy för att skapa en sinusvågsplot. Den genererar x-koordinater från 0 till 2π i steg om 0,1 med `np.arange()` och beräknar motsvarande y-koordinater genom att ta sinus för varje x-värde med `np.sin()`. Punkterna plottas sedan med `plt.plot()`, vilket resulterar i en sinusvåg. Slutligen används funktionen `plt.show()` för att visa sinusvågsdiagrammet.
Pytonorm
# importing the required modules> import> matplotlib.pyplot as plt> import> numpy as np> # setting the x - coordinates> x>=> np.arange(>0>,>2>*>(np.pi),>0.1>)> # setting the corresponding y - coordinates> y>=> np.sin(x)> # plotting the points> plt.plot(x, y)> # function to show the plot> plt.show()> |
>
>
Produktion:
Så i den här delen diskuterade vi olika typer av plotter vi kan skapa i matplotlib. Det finns fler tomter som inte har täckts men de viktigaste diskuteras här -
- Grafritning i Python | Set 2
- Grafritning i Python | Set 3
Om du gillar techcodeview.com och vill bidra kan du också skriva en artikel med write.techcodeview.com eller maila din artikel till [email protected]
Skriv kommentarer om du hittar något felaktigt, eller om du vill dela mer information om ämnet som diskuterats ovan.