Matplotlib er et kraftig Python-bibliotek som fungerer som en numerisk og matematisk utvidelse for NumPy-biblioteket. En av nøkkelkomponentene er Pyplot , som tilbyr et tilstandsbasert grensesnitt til Matplotlib-modulen, og presenterer brukere for et kjent MATLAB-lignende miljø. Gjennom funksjonen Matplotlib.pyplot.plot() i Python kan brukere enkelt lage en rekke plott, inkludert linjeplott, konturplott, histogrammer, spredningsplott, 3D-plott og mer. Denne allsidigheten gjør Matplotlib til et uvurderlig verktøy for datavisualisering og -analyse i Python programmeringsspråk.
Hva er funksjonen Matplotlib.pyplot.plot()?
De matplotlib.pyplot.plot()> funksjon er en grunnleggende komponent i Matplotlib-biblioteket, spesielt innenfor Pyplot-modulen. Det tjener formålet å generere et 2D sekskantet binningplott basert på de gitte datapunktene representert av variablene x og y. Den kobler sammen datapunkter med linjer, og tillater tilpasning av plottets utseende gjennom parametere som linjestiler og markører. Denne allsidige funksjonen er mye brukt for datavisualisering i ulike domener.
Syntaks: matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
javac gjenkjennes ikke
- Parametere:
- x, y: Disse parameterne representerer de horisontale og vertikale koordinatene til datapunktene. 'x'-verdiene er valgfrie, noe som gir fleksibilitet i plotteprosessen.
- fmt: Dette er en valgfri parameter som inneholder en strengverdi. Den brukes til å spesifisere formatet til plottet, definere linjestil, markør og farge.
- data: En valgfri parameter, 'data' refererer til et objekt med merket data. Det gir en praktisk måte å sende data direkte, noe som forbedrer lesbarheten og brukervennligheten.
- Returnerer: De
plot()>funksjonen returnerer en liste over Line2D-objekter, som hver representerer et segment av de plottede dataene. Disse Line2D-objektene innkapsler egenskapene og attributtene til de plottede linjene, noe som gir mulighet for ytterligere tilpasning og analyse.
Matplotlib.pyplot.plot() Funksjon i Python
Det er forskjellige måter å lage plott ved å bruke Matplotlib.pyplot.plot() funksjonen i Python. Det er noen eksempler som illustrerer matplotlib.pyplot.plot() fungere i matplotlib.pyplot:
- Basic Line Plot
- Plott med flere linjer
- Spredningsplott med flere markører
- To kurver plot
Linjeplott i Matplotlib
Ved å importere Matplotlibs plot() vi laget et linjeplott med data [1, 2, 3]. Tittel()-funksjonen setter plotttittelen, draw() oppdaterer plottet, og show() viser det, og gir en grunnleggende illustrasjon av Matplotlib for datavisualisering i Python.
Python3
import> matplotlib.pyplot as plt> import> numpy as np> # Plotting a simple line graph> plt.plot([>1>,>2>,>3>])> # Setting the title> plt.title(>'Matplotlib Line Plot Example'>)> # Updating and displaying the plot> plt.draw()> plt.show()> |
hvordan fungerer en datamaskin
>
>
Produksjon:
Basic Line Plot
Flere linjer ved hjelp av Matplotlib
Ved å importere Matplotlib å plotte sinus- og cosinusfunksjoner på samme graf. Den genererer data, setter stiler for hver funksjon, legger til etiketter og en tittel, viser en forklaring og viser deretter plottet, som illustrerer sinus- og cosinuskurvene.
Python3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate data> x>=> np.linspace(>0>,>2>*>np.pi,>100>)> y1, y2>=> np.sin(x), np.cos(x)> # Plotting multiple lines on a single plot> plt.plot(x, y1, label>=>'Sin(x)'>, color>=>'b'>)> plt.plot(x, y2, label>=>'Cos(x)'>, color>=>'r'>, linestyle>=>'--'>)> # Adding labels and title> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.title(>'Multiple Lines Plot'>)> # Displaying the legend and the plot> plt.legend()> plt.show()> |
cm til fot og tommer
>
>
Produksjon
Plott med flere linjer
Markører i Matplotlib
Ved å importere Matplotlib vi genererte et tilpasset spredningsplott med 50 tilfeldige datapunkter, med røde sirkulære markører. Den inkluderer akseetiketter, en tittel ('Scatter Plot Eksempel') og en forklaring. De show()> funksjonen viser plottet, og viser et grunnleggende eksempel på datavisualisering med Matplotlib i Python.
Python3
armstrong nummer
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> np.random.seed(>42>)> x>=> np.random.rand(>50>)> y>=> np.random.rand(>50>)> # Plotting a scatter plot with custom markers> plt.plot(x, y, marker>=>'o'>, linestyle>=>'>', markersize=8, color='>r>', label='>Scatter Plot')> # Adding labels and title> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.title(>'Scatter Plot Example'>)> # Displaying the legend> plt.legend()> # Display the plot> plt.show()> |
>
>
Produksjon:
Spredningsplott med flere markører
Plotte flere kurver
Ved å importere Matplotlib laget vi et linjeplott med to kurver: en blå kurve ( og = x^ 2) og en oransje kurve (y=1− x^ 3). Dataene genereres tilfeldig, sorteres for jevne kurver og plottes medplot()>funksjon. Plottet er begrenset til området [0, 1] på begge akser, og viser en visuell representasjon av matematiske funksjoner.
Python3
# Implementation of matplotlib function> > import> matplotlib.pyplot as plt> import> numpy as np> > # Fixing random state for reproducibility> np.random.seed(>19680801>)> > # create random data> xdata>=> np.random.random([>2>,>10>])> > # split the data into two parts> xdata1>=> xdata[>0>, :]> xdata2>=> xdata[>1>, :]> > # sort the data so it makes clean curves> xdata1.sort()> xdata2.sort()> > # create some y data points> ydata1>=> xdata1>*>*> 2> ydata2>=> 1> -> xdata2>*>*> 3> > # plot the data> plt.plot(xdata1, ydata1, color>=>'tab:blue'>)> plt.plot(xdata2, ydata2, color>=>'tab:orange'>)> > > # set the limits> plt.xlim([>0>,>1>])> plt.ylim([>0>,>1>])> plt.title(>'matplotlib.pyplot.plot() example 2'>)> > # display the plot> plt.show()> |
>
java hvordan konvertere streng til int
>
Produksjon
To kurver Plot
Konklusjon
Avslutningsvis matplotlib.pyplot.plot()> funksjon i Python er et grunnleggende verktøy for å lage en rekke 2D-plott, inkludert linjeplott, spredningsplott og mer. Dens allsidighet lar brukere tilpasse plott ved å spesifisere datapunkter, linjestiler, markører og farger. Med valgfrie parametere som 'fmt' og 'data', gir funksjonen fleksibilitet i plottformatering og datahåndtering. I tillegg tillater de returnerte Line2D-objektene ytterligere manipulering og analyse av de plottede dataene. Totalt sett, Matplotlibsplot()>funksjon er en nøkkelkomponent innen datavisualisering, og tilbyr et brukervennlig grensesnitt for å lage innsiktsfulle og visuelt tiltalende plott i Python.