Python giver et af de mest populære plottebiblioteker kaldet Matplotlib . Det er open source, cross-platform til at lave 2D-plot til fra data i array. Det bruges generelt til datavisualisering og repræsenterer gennem de forskellige grafer.

Matplotlib er oprindeligt udtænkt af John D. Hunter i 2003. Den seneste version af matplotlib er 2.2.0 udgivet i januar 2018.

Før vi begynder at arbejde med matplotlib-biblioteket, skal vi installere i vores Python-miljø.

Installation af Matplotlib

Indtast følgende kommando i din terminal og tryk enter.

 pip install matplotlib 

Ovenstående kommando vil installere matplotlib-biblioteket og dets afhængighedspakke på Windows-operativsystemet.

Grundlæggende koncept for Matplotlib

En graf indeholder følgende dele. Lad os forstå disse dele.

Figur: Det er en hel figur, som kan rumme en eller flere akser (plot). Vi kan tænke på en figur som et lærred, der rummer plots.

Akser: En figur kan indeholde flere akser. Den består af to eller tre (i tilfælde af 3D) akseobjekter. Hver akse består af en titel, en x-label og en y-label.

Akse: Akser er antallet af linjelignende objekter og ansvarlige for at generere grafgrænserne.

Kunstner: En kunstner er alt, hvad vi ser på grafen som tekstobjekter, Line2D-objekter og samlingsobjekter. De fleste kunstnere er bundet til Axes.

Introduktion til pyplot

Matplotlib leverer pyplot-pakken, som bruges til at plotte grafen for givne data. Det matplotlib.pyplot er et sæt kommandostil-funktioner, der får matplotlib til at fungere som MATLAB. Pyplot-pakken indeholder mange funktioner, som bruges til at skabe en figur, oprette et plotteområde i en figur, dekorere plottet med etiketter, plotte nogle linjer i et plotteområde osv.

Vi kan hurtigt plotte en graf med pyplot. Lad os se på følgende eksempel.

Grundlæggende eksempel på plotning af graf

Her er det grundlæggende eksempel på generering af en simpel 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() 

Produktion:

indsættelse sort java

Plotning af forskellige typer grafer

Vi kan plotte de forskellige grafer ved hjælp af pyplot-modulet. Lad os forstå følgende eksempler.

1. Linjegraf

Linjediagrammet bruges til at vise oplysningerne som en række af linjen. Det er nemt at plotte. Overvej 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() 

Produktion:

Linjen kan ændres ved hjælp af de forskellige funktioner. Det gør grafen mere attraktiv. Nedenfor er eksemplet.

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. Søjlediagram

Søjlediagram er en af ​​de mest almindelige grafer, og den bruges til at repræsentere de data, der er forbundet med de kategoriske variable. Det bar() funktion accepterer tre argumenter - kategoriske variabler, værdier og farve.

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. Cirkeldiagram

Et diagram er en cirkulær graf, som er opdelt i underdelen eller segmentet. Det bruges til at repræsentere den procentvise eller proportionale data, hvor hver skive tærte repræsenterer en bestemt kategori. Lad os forstå nedenstående eksempel.

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() 

Produktion:

4. Histogram

Histogrammet og søjlediagrammet er ret ens, men der er en mindre forskel på dem. Et histogram bruges til at repræsentere fordelingen, og søjlediagram bruges til at sammenligne de forskellige enheder. Et histogram bruges generelt til at plotte frekvensen af ​​et antal værdier sammenlignet med et sæt værdiområder.

I det følgende eksempel har vi taget data fra elevens forskellige scoreprocenter og plottet histogrammet i forhold til antallet af studerende. Lad os 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() 

Produktion:

Lad os forstå et andet 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() 

Produktion:

5. Spredningsplot

Spredningsplottet bruges til at sammenligne variablen med hensyn til de andre variable. Det er defineret som, hvordan en variabel påvirkede den anden variabel. Dataene er repræsenteret som en samling af punkter. Lad os 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() 

Produktion:

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() 

Produktion:

I denne tutorial har vi diskuteret alle grundlæggende typer grafer, der bruges i datavisualisering. For at lære mere om graf, besøg vores matplotlib tutorial.