Python gir et av de mest populære plottebibliotekene kalt Matplotlib . Det er åpen kildekode, kryssplattform for å lage 2D-plott for fra data i array. Det brukes vanligvis til datavisualisering og representerer gjennom de forskjellige grafene.
Matplotlib er opprinnelig unnfanget av John D. Hunter i 2003. Den siste versjonen av matplotlib er 2.2.0 utgitt i januar 2018.
Før vi begynner å jobbe med matplotlib-biblioteket, må vi installere i Python-miljøet vårt.
Installasjon av Matplotlib
Skriv inn følgende kommando i terminalen og trykk enter.
pip install matplotlib
Kommandoen ovenfor vil installere matplotlib-biblioteket og dets avhengighetspakke på Windows-operativsystemet.
Grunnleggende konsept for Matplotlib
En graf inneholder følgende deler. La oss forstå disse delene.
Figur: Det er en hel figur som kan inneholde en eller flere akser (plott). Vi kan tenke på en figur som et lerret som inneholder plott.
Akser: En figur kan inneholde flere akser. Den består av to eller tre (i tilfelle av 3D) akseobjekter. Hver akse består av en tittel, en x-etikett og en y-etikett.
Akser: Akser er antallet linjelignende objekter og ansvarlig for å generere grafgrensene.
Kunstner: En kunstner er alt vi ser på grafen som tekstobjekter, Line2D-objekter og samlingsobjekter. De fleste artister er knyttet til Axes.
Introduksjon til pyplot
Matplotlib gir pyplot-pakken som brukes til å plotte grafen til gitte data. De matplotlib.pyplot er et sett med kommandostilfunksjoner som får matplotlib til å fungere som MATLAB. Pyplot-pakken inneholder mange funksjoner som brukes til å lage en figur, lage et plotteområde i en figur, dekorere plottet med etiketter, plotte noen linjer i et plotteområde, etc.
Vi kan plotte en graf med pyplot raskt. La oss ta en titt på følgende eksempel.
Grunnleggende eksempel på plotting av graf
Her er det grunnleggende eksempelet på å generere en enkel graf; programmet er følgende:
from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show()
Produksjon:
java-streng med format
Plotte forskjellig type grafer
Vi kan plotte de ulike grafene ved hjelp av pyplot-modulen. La oss forstå følgende eksempler.
1. Linjegraf
Linjediagrammet brukes til å vise informasjonen som en serie av linjen. Det er lett å plotte. Tenk på følgende eksempel.
Eksempel -
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()
Produksjon:
Linjen kan endres ved hjelp av de ulike funksjonene. Det gjør grafen mer attraktiv. Nedenfor er eksempelet.
Eksempel -
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. Søylediagram
Søylediagram er en av de vanligste grafene, og den brukes til å representere dataene knyttet til de kategoriske variablene. De bar() funksjon aksepterer tre argumenter - kategoriske variabler, verdier og farge.
Eksempel -
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. Sektordiagram
Et diagram er en sirkulær graf som er delt inn i underdelen eller segmentet. Den brukes til å representere prosentandelen eller proporsjonale data der hver kakeskive representerer en bestemt kategori. La oss forstå eksemplet nedenfor.
Eksempel -
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()
Produksjon:
4. Histogram
Histogrammet og søylediagrammet er ganske like, men det er en liten forskjell på dem. Et histogram brukes til å representere fordelingen, og søylediagram brukes til å sammenligne de forskjellige enhetene. Et histogram brukes vanligvis til å plotte frekvensen til et antall verdier sammenlignet med et sett med verdiområder.
I det følgende eksempelet har vi tatt dataene til de forskjellige poengprosentene til studenten og plottet histogrammet med hensyn til antall elever. La oss forstå følgende eksempel.
Eksempel -
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()
Produksjon:
La oss forstå et annet eksempel.
java-streng til int
Eksempel - 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()
Produksjon:
5. Spredningsplott
Spredningsplottet brukes til å sammenligne variabelen med hensyn til de andre variablene. Det er definert som hvordan en variabel påvirket den andre variabelen. Dataene er representert som en samling av punkter. La oss forstå følgende eksempel.
Eksempel -
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()
Produksjon:
Eksempel - 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()
Produksjon:
I denne opplæringen har vi diskutert alle grunnleggende graftyper som brukes i datavisualisering. For å lære mer om graf, besøk vår matplotlib-opplæring.