Python tillhandahåller ett av de mest populära plottningsbiblioteken som heter Matplotlib . Det är öppen källkod, plattformsoberoende för att göra 2D-plott för från data i array. Det används vanligtvis för datavisualisering och representerar genom de olika graferna.
Matplotlib är ursprungligen tänkt av John D. Hunter 2003. Den senaste versionen av matplotlib är 2.2.0 som släpptes i januari 2018.
Innan vi börjar arbeta med matplotlib-biblioteket måste vi installera i vår Python-miljö.
Installation av Matplotlib
Skriv följande kommando i din terminal och tryck på enter.
pip install matplotlib
Ovanstående kommando kommer att installera matplotlib-biblioteket och dess beroendepaket på Windows operativsystem.
Grundkonceptet för Matplotlib
En graf innehåller följande delar. Låt oss förstå dessa delar.
java strängmetoder
Figur: Det är en hel figur som kan hålla en eller flera yxor (plots). Vi kan tänka oss en figur som en duk som rymmer intrig.
Axlar: En figur kan innehålla flera axlar. Den består av två eller tre (i fallet med 3D) Axis-objekt. Varje Axes består av en titel, en x-etikett och en y-etikett.
Axel: Axlar är antalet linjeliknande objekt och ansvarar för att generera grafgränserna.
Konstnär: En konstnär är allt som vi ser på grafen som textobjekt, Line2D-objekt och samlingsobjekt. De flesta artister är knutna till Axes.
Introduktion till pyplot
Matplotlib tillhandahåller pyplot-paketet som används för att plotta grafen för given data. De matplotlib.pyplot är en uppsättning kommandostilsfunktioner som får matplotlib att fungera som MATLAB. Pyplot-paketet innehåller många funktioner som användes för att skapa en figur, skapa ett plottområde i en figur, dekorera tomten med etiketter, rita några linjer i ett plottingsområde, etc.
Vi kan plotta en graf med pyplot snabbt. Låt oss ta en titt på följande exempel.
Grundläggande exempel på plottning av graf
Här är det grundläggande exemplet på att generera en enkel graf; programmet är följande:
from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show()
Produktion:
Rita olika typer av grafer
Vi kan rita de olika graferna med hjälp av pyplotmodulen. Låt oss förstå följande exempel.
1. Linjediagram
Linjediagrammet används för att visa informationen som en serie av linjen. Det är lätt att plotta. Betrakta följande exempel.
Exempel -
numrering av alfabetet
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()
Produktion:
Linjen kan modifieras med hjälp av de olika funktionerna. Det gör grafen mer attraktiv. Nedan är exemplet.
fibonacci-sekvens java
Exempel -
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. Stapeldiagram
Stapeldiagram är en av de vanligaste graferna och den används för att representera data som är associerade med de kategoriska variablerna. De bar() funktion accepterar tre argument - kategoriska variabler, värden och färg.
Exempel -
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. Cirkeldiagram
Ett diagram är en cirkulär graf som är uppdelad i underdelen eller segmentet. Den används för att representera den procentuella eller proportionella data där varje pajbit representerar en viss kategori. Låt oss förstå exemplet nedan.
Exempel -
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()
Produktion:
4. Histogram
Histogrammet och stapeldiagrammet är ganska lika men det finns en mindre skillnad dem. Ett histogram används för att representera fördelningen och stapeldiagram används för att jämföra de olika enheterna. Ett histogram används vanligtvis för att plotta frekvensen av ett antal värden jämfört med en uppsättning värdeområden.
I följande exempel har vi tagit data från elevens olika poängprocent och plottar histogrammet med avseende på antalet elever. Låt oss förstå följande exempel.
Exempel -
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()
Produktion:
Låt oss förstå ett annat exempel.
Exempel - 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()
Produktion:
5. Scatter Plot
Spridningsdiagrammet används för att jämföra variabeln med de andra variablerna. Det definieras som hur en variabel påverkade den andra variabeln. Uppgifterna representeras som en samling punkter. Låt oss förstå följande exempel.
Exempel -
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()
Produktion:
Exempel - 2:
min skärmstorlek
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()
Produktion:
I den här handledningen har vi diskuterat alla grundläggande typer av grafer som används i datavisualisering. För att lära dig mer om graf, besök vår matplotlib-handledning.