Python proporciona una de les biblioteques de traçat més populars anomenada Matplotlib . És de codi obert i multiplataforma per fer trames en 2D a partir de dades en matriu. Generalment s'utilitza per a la visualització de dades i representa a través dels diferents gràfics.
powershell vs bash
Matplotlib va ser concebut originalment per John D. Hunter l'any 2003. La versió recent de matplotlib és la 2.2.0 publicada el gener de 2018.
Abans de començar a treballar amb la biblioteca matplotlib, hem d'instal·lar-la al nostre entorn Python.
Instal·lació de Matplotlib
Escriviu la següent comanda al vostre terminal i premeu Intro.
pip install matplotlib
L'ordre anterior instal·larà la biblioteca matplotlib i el seu paquet de dependències al sistema operatiu Windows.
Concepte bàsic de Matplotlib
Un gràfic conté les parts següents. Entenem aquestes parts.
Figura: És una figura sencera que pot contenir un o més eixos (trama). Podem pensar en una figura com un llenç que conté trames.
Eixos: Una figura pot contenir diversos eixos. Consta de dos o tres (en el cas de 3D) objectes d'eix. Cada eix està format per un títol, una etiqueta x i una etiqueta y.
Eix: Els eixos són el nombre d'objectes com a línies i responsables de generar els límits del gràfic.
Artista: Un artista és tot allò que veiem al gràfic com ara objectes de text, objectes Line2D i objectes de col·lecció. La majoria dels artistes estan lligats a Axes.
Introducció a pyplot
El matplotlib proporciona el paquet pyplot que s'utilitza per representar el gràfic de les dades donades. El matplotlib.pyplot és un conjunt de funcions d'estil d'ordres que fan que matplotlib funcioni com MATLAB. El paquet pyplot conté moltes funcions que solien crear una figura, crear una àrea de traçat en una figura, decorar la trama amb etiquetes, traçar algunes línies en una àrea de traçat, etc.
Podem traçar un gràfic amb pyplot ràpidament. Fem una ullada a l'exemple següent.
Exemple bàsic de traçar gràfics
Aquí teniu l'exemple bàsic de generació d'un gràfic senzill; el programa és el següent:
Com trobar números bloquejats a Android
from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show()
Sortida:
Traçar diferents tipus de gràfics
Podem representar els diferents gràfics mitjançant el mòdul pyplot. Entenem els exemples següents.
1. Gràfic de línies
El gràfic de línies s'utilitza per mostrar la informació com una sèrie de la línia. És fàcil de traçar. Considereu l'exemple següent.
algorismes d'ordenació
Exemple -
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()
Sortida:
La línia es pot modificar mitjançant les diferents funcions. Fa que el gràfic sigui més atractiu. A continuació es mostra l'exemple.
Exemple -
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. Gràfic de barres
El gràfic de barres és un dels gràfics més comuns i s'utilitza per representar les dades associades a les variables categòriques. El barra () La funció accepta tres arguments: variables categòriques, valors i color.
Exemple -
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. Diagrama de sectors
Un gràfic és un gràfic circular que es divideix en la subpart o segment. S'utilitza per representar el percentatge o les dades proporcionals on cada porció de pastís representa una categoria concreta. Entenem l'exemple següent.
Exemple -
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()
Sortida:
javascript for bucle
4. Histograma
L'histograma i el gràfic de barres són força semblants, però hi ha una petita diferència. S'utilitza un histograma per representar la distribució i un gràfic de barres s'utilitza per comparar les diferents entitats. Un histograma s'utilitza generalment per representar la freqüència d'un nombre de valors en comparació amb un conjunt d'intervals de valors.
En l'exemple següent, hem pres les dades dels diferents percentatges de puntuació de l'alumne i hem representat l'histograma respecte al nombre d'alumnes. Entenem l'exemple següent.
Exemple -
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()
Sortida:
Entenem un altre exemple.
Exemple - 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()
Sortida:
5. Gràfic de dispersió
El diagrama de dispersió s'utilitza per comparar la variable respecte a les altres variables. Es defineix com com una variable afecta l'altra variable. Les dades es representen com una col·lecció de punts. Entenem l'exemple següent.
Exemple -
valor java de enumeració
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()
Sortida:
Exemple - 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()
Sortida:
En aquest tutorial, hem parlat de tots els tipus bàsics de gràfics que s'utilitzen en la visualització de dades. Per obtenir més informació sobre el gràfic, visiteu el nostre tutorial matplotlib.