что такое matplotlib в python

Библиотека Matplotlib в Python

Библиотека matplotlib в Python помогает нам отображать данные на графиках в простейшем виде. Если вы знакомы с построением графиков в MATLAB, то Matplotlib будет легко использовать для базового построения графиков.

Чтобы начать понимать, как Matplotlib помогает нам строить графики и фигуры визуализации для представления данных, нам нужно знать некоторые из основных терминов, которые мы будем часто использовать в этом посте. Давайте сначала изучим эти термины.

Терминология

Установка Matplotlib

Библиотеку matplotlib легко установить с помощью pip:

Теперь мы готовы создать несколько примеров, используя эту библиотеку визуализации данных.

Начало работы

Линейный график

Мы начнем с очень простого примера построения графика. Мы просто будем использовать два списка Python в качестве источника данных для точек графика. Напишем для этого фрагмент кода:

Диаграмма рассеяния

Вышеупомянутый график показывал точки, которые фактически не были переданы в массиве, поскольку он показывает линию. Что, если мы хотим видеть только фактические точки на графике? Диаграмма разброса достигает этого:

Гистограммы

В этом разделе мы познакомим вас с гистограммами. В то время как графики информируют нас о том, как меняются наши данные, гистограмма описывает, как наши данные распределяются. Чем больше значений в диапазоне, тем выше полоса диапазона.

Мы используем функцию hist() для построения гистограммы. У него есть 2 важных параметра:

Продемонстрируем это с помощью фрагмента кода:

Настройка Plot

Если вы заметили первый график Line, мы увидим, что ось Y не начинается с 0. Мы можем изменить это:

Рисование нескольких кривых

Совершенно распространено рисование нескольких кривых на одном графике для сравнения. Попробуем вот это:

Изменение цвета и добавление надписи на графике

Как мы видели, кривые выглядят красиво, но разве все они не так похожи? Что, если мы хотим изменить их цвет и показать, что представляет каждый цвет? Попробуем вместе нарисовать синусоидальную и косинусную кривые:

Создание гистограммы

Мы можем создавать привлекательные гистограммы с помощью простого фрагмента кода:

Создание круговой диаграммы

Мы можем создавать привлекательные круговые диаграммы с помощью простого фрагмента кода:

Создание тепловых карт

Графики – это круто, но когда дело доходит до визуализации географической информации, нет ничего лучше, чем тепловая карта:

Источник

Учебное пособие по Matplotlib: Изучите основы мощной библиотеки составления графиков Python

Дата публикации Feb 3, 2019

Что такое Матплотлиб

Установка Matplotlib

Чтобы установить Matplotlib на локальном компьютере, откройте командную строку Python и введите следующие команды:

Я предполагаю, что вы хотите войти в мир науки о данных и машинного обучения, и поэтому я предлагаю вам скачать дистрибутив пакета anaconda сВот, Он устанавливает Python, блокнот Jupyter и другие важные библиотеки Python, включая Matplotlib, Numpy, Pandas, scikit-learn. Анаконда поддерживает Windows, MacOS и Linux. Чтобы быстро начать работу с Matplotlib, не устанавливая ничего на свой локальный компьютер, ознакомьтесь сGoogle Colab, Он предоставляет ноутбуки Jupyter, размещенные в облаке бесплатно, которые связаны с вашей учетной записью Google Drive, и поставляется со всеми важными предварительно установленными пакетами. Вы также можете запускать свой код на графическом процессоре, который помогает ускорить вычисления, хотя нам не нужны вычисления на GPU для этого урока. Чтобы быстро начать работу с Google Colab, ознакомьтесь с этим удивительнымстатья,

Общие понятия

Фигура Matplotlib может быть разбита на несколько частей, как показано ниже:

Рисунок:Это целая фигура, которая может содержать одну или несколько осей (графиков). Вы можете думать офигуракак холст, который содержит участки.

Оси:Это то, что мы обычно думаем как заговор.фигураможет содержать много осей. Он содержит два или три (в случае 3D)Осьобъекты. У каждой оси есть заголовок, x-метка и y-метка.

Ось:Они представляют собой числовые линии, подобные объектам, и заботятся о создании границ графа.

Исполнитель:Все, что можно увидеть на рисунке, похоже на художника Text объекты, Line2D объекты, collection объекты. Большинство художников привязаны к топорам.

Начало работы с Pyplot

Сделай простой сюжет

Здесь мы импортируем модуль Pyplot от Matplotlib и библиотеку Numpy, поскольку большинство данных, с которыми мы будем работать, будут представлены только в виде массивов.

Мы также можем указать размер фигуры, используя метод figure() и передача значений в виде кортежа длины строк и столбцов в аргумент figsize

С каждым аргументом X и Y вы также можете передать необязательный третий аргумент в форме строки, которая указывает цвет и тип линии графика. Формат по умолчаниюb-что означает сплошную синюю линию. На рисунке ниже мы используемидтичто означает зеленые круги. Аналогично, мы можем сделать много таких комбинаций для форматирования нашего сюжета.

Мы также можем построить несколько наборов данных, передав несколько наборов аргументов оси X и Y в plot() метод, как показано.

Несколько графиков на одной фигуре:

Если мы хотим, чтобы наши вспомогательные участки были в двух строках и одном столбце, мы можем передавать аргументы (2,1,1) а также (2,1,2)

Вышеописанный способ создания вспомогательных участков становится немного утомительным, когда мы хотим иметь много вспомогательных участков на нашем рисунке. Более удобным способом является использование subpltots() метод. Обратите внимание на разницу«s»в обоих методах. Этот метод принимает два аргумента nrows а также ncols как количество строк и количество столбцов соответственно. Этот метод создает два объекта: figure а также axes которые мы храним в переменных fig и ax, которые можно использовать для изменения атрибутов уровня figure и axes соответственно. Обратите внимание, что эти имена переменных выбираются произвольно

Создание разных типов графиков с помощью Pyplot

1) Гистограммы

Гистограммы являются одним из наиболее распространенных типов графиков и используются для отображения данных, связанных с категориальными переменными. Pyplot предоставляет метод bar() создавать гистограммы, которые принимают аргументы: категориальные переменные, их значения и цвет (если вы хотите указать какие-либо).

Для построения горизонтальных гистограмм используйте метод barh() Также мы можем передать аргумент (с его значением) xerr или yerr (в случае вышеупомянутых вертикальных гистограмм), чтобы изобразить дисперсию в наших данных следующим образом:

Для создания горизонтальных гистограмм мы используем bar() метод дважды и передайте аргументы, где мы упоминаем индекс и ширину наших гистограмм, чтобы расположить их горизонтально. Также обратите внимание на использование двух других методов legend() который используется, чтобы показать легенду графика и xticks() маркировать нашу ось х в зависимости от положения наших баров.

Точно так же, чтобы вертикально сложить гистограммы вместе, мы можем использовать аргумент bottom и упомяните в качестве значения столбчатую диаграмму, которую мы хотим разместить ниже.

2) Круговые диаграммы

3) Гистограмма

Гистограммы являются очень распространенным типом графиков, когда мы смотрим на данные, такие как рост и вес, цены на акции, время ожидания для клиента и т. Д., Которые носят непрерывный характер. Данные гистограммы отображаются в диапазоне от частоты. Гистограммы представляют собой очень часто встречающиеся графики вероятности и статистики и образуют основу для различных распределений, таких как нормальное распределение, t-распределение и т. Д. В следующем примере мы генерируем случайные непрерывные данные из 1000 записей и строим их в зависимости от их частоты с помощью Данные разделены на 10 равных слоев. Мы использовали NumPy’s random.randn() метод, который генерирует данные со свойствами стандартного нормального распределения, то есть среднего = 0 и стандартного отклонения = 1, и, следовательно, гистограмма выглядит как кривая нормального распределения.

4) точечные и трехмерные графики

Вышеуказанный разброс также можно визуализировать в трех измерениях. Чтобы использовать эту функциональность, мы сначала импортируем модуль mplot3d следующее:

После того, как модуль импортирован, создается трехмерная ось путем передачи ключевого слова projection=’3d’ к axes() метод модуля Pyplot. Как только экземпляр объекта создан, мы передаем наши аргументы высоту и вес scatter3D() метод.

Мы также можем создавать трехмерные графики других типов, таких как линейный график, поверхность, каркас, контуры и т. Д. Приведенный выше пример в виде простого линейного графика выглядит следующим образом: здесь вместо scatter3D() мы используем метод plot3D()

Резюме

Надеюсь, эта статья была полезна для вас. Если вам понравилась эта статья, пожалуйста, выразите свою признательность. Перед тем, как мы закончим статью, приведем список всех методов, как они появились.

Источник

Построение графиков в Python при помощи Matplotlib

Картиной можно выразить тысячу слов. В случае с библиотекой Python matplotlib, к счастью, понадобится намного меньше слов в коде для создания качественных графиков.

Однако, matplotlib это еще и массивная библиотека, и создание графика, который будет выглядеть «просто, нормально» обычно проходит через путь проб и ошибок. Использование однострочных линий для создания базовых графиков в matplotlib – весьма просто, но умело пользоваться остальными 98% библиотеки может быть сложно.

Эта статья – руководство для пользователей Python на начальном-среднем уровне по matplotlib, с использованием как теории, так и практических примеров. Обучение по практическим примерам может быть очень продуктивным, и дает возможность получить представление даже на поверхностном уровне понимания внутренней работы и макета библиотеки.

Что мы рассмотрим?

Эта статья подразумевает, что пользователь имеет хотя-бы минимальное представление о NumPy. Мы в основном будем пользоваться модулем numpy.random для создания «игрушечных» данных, рисовать примеры из различных статистических источников.

Есть вопросы по Python?

На нашем форуме вы можете задать любой вопрос и получить ответ от всего нашего сообщества!

Telegram Чат & Канал

Вступите в наш дружный чат по Python и начните общение с единомышленниками! Станьте частью большого сообщества!

Паблик VK

Одно из самых больших сообществ по Python в социальной сети ВК. Видео уроки и книги для вас!

Если у вас еще не установлен matplotlib, рекомендуем ознакомиться с руководством по установке, перед тем как продолжить.

Почему Matplotlib может быть сложным?

Изучение matplotlib временами может быть тяжелым процессом. Проблема не в нехватке документации (которая весьма обширная, между прочим). Сложности могут возникнуть со следующим:

Так что, перед тем как мы перейдем к сложным примерам, не помешает освоить корневые концепции дизайна matplotlib.

Pylab: что это и нужно ли мне это?

Немножко истории: Нейробиолог Джон Д. Хантер начал разрабатывать matplotlib в 2003 году, в основном вдохновляясь эмуляцией команд программного обеспечения Mathworks MATLAB. Джон отошел в мир иной трагически рано, в возрасте 44 лет в 2012 году, и matplotlib на сегодняшний день является целиком и полностью продуктом сообщества: развивается и поддерживается множеством людей. (Джон говорил об эволюции matplotlib на конференции SciPy в 2012, которую однозначно стоит посмотреть.)

Одной из важных особенностей MATLAB является его глобальный стиль. Концепция импорта Python не сильно используется в MATLAB, и большинство функций MATLAB легко доступны для пользователя на верхнем уровне.

Заказать свой собственный уникальный номер можно от Сим-Трейд.ру. Быстрая доставка в день заказа и красивые номера начиная от 300 руб. с выгодным тарифным планом. Свой уникальный номер это хороший признак для введения бизнеса с момента первого звонка.

Понимание того, что корни matplotlib растут из MATLAB, помогает объяснить существование pylab. pylab – это модуль внутри библиотеки matplotlib, который был встроен для подражания общего стиля MATLAB. Он существует только для внесения ряда функций классов из NumPy и matplotlib в пространство имен, что упрощает переход пользователей MATLAB, которые не сталкивались с необходимостью в операторах импорта. Бывшие пользователи MATLAB (которые очень хорошие люди, обещаем!) полюбили его функционал, потому что при помощи from pylab import * они могут просто вызывать plot() или array() напрямую также, как они это делали в MATLAB.

Проблема здесь может быть очевидной для некоторых пользователей Python: использование from pylab import * в сессии или скрипте – как правило, плохая идея. Matplotlib сегодня прямым текстом рекомендуют не делать этого в своих руководствах:

[pylab] все еще существует по историческим причинам, но его использование не рекомендуется. Он перегружает пространства имен функциями, которые оттеняют надстройки Python и может привести к скрытым багам. Для получения интеграции IPython без использования импортов, рекомендуется использовать %matplotlib.

В глубине своей, существует целая тонна потенциально конфликтных импортов, замаскированных в коротком источнике pylab. Фактически, использование ipython —pylab (из терминала или командной строки) или %pylab (из инструментов IPython/Jupyter) легко вызывает from pylab import *

Суть в том, что matplotlib забросили этот удобный модуль и рекомендуют не использовать pylab, подтверждая ключевое правило Python – явное лучше, чем неявное.

Без необходимости в использовании pylab, мы всегда можем обойтись всего одним каноничным импортом:

Источник

Matplotlib: Visualization with Python

Matplotlib is a comprehensive library for creating static, animated, and interactive visualizations in Python. Matplotlib makes easy things easy and hard things possible.

November 15, 2021

See the release notes and API changes for details.

September 15, 2021

September 9, 2021

Resources

Join our community at discourse.matplotlib.org to get help, share your work, and discuss contributing & development.

Short questions may be posted on the gitter channel.

Domain Specific Tools

seaborn

seaborn is a high level interface for drawing statistical graphics with Matplotlib. It aims to make visualization a central part of exploring and understanding complex datasets.

Cartopy

Cartopy is a Python package designed for geospatial data processing in order to produce maps and other geospatial data analyses.

DNA Features Viewer

DNA Features Viewer is a Python library to visualize DNA features, e.g. from GenBank or Gff files, or Biopython SeqRecords.

plotnine

plotnine is an implementation of a grammar of graphics in Python. The grammar allows users to compose plots by explicitly mapping data to the visual objects that make up the plot.

WCSAxes

WCSAxes is a framework for making plots of Astronomical data in Matplotlib.

Support Matplotlib

Contribute

Matplotlib is a community project maintained for and by its users

Matplotlib is the result of development efforts by John Hunter (1968–2012) and the project’s many contributors.

If Matplotlib contributes to a project that leads to a scientific publication, please acknowledge this work by citing the project!

Donate

Источник

Как построить график функции на Python при помощи Matplotlib

Python предоставляет одну из самых популярных библиотек для построения графиков под названием Matplotlib. Это кроссплатформенный проект с открытым исходным кодом для создания 2D-графиков на основе данных в массиве. Обычно он используется для визуализации данных и представлен в виде различных графиков.

Matplotlib изначально задуман Джоном Д. Хантером в 2003 году. Последняя версия matplotlib – 2.2.0, выпущенная в январе 2018 года.

Прежде чем начать работу с библиотекой matplotlib, нам необходимо установить ее в нашей среде Python.

Установка Matplotlib

Введите следующую команду в своем терминале и нажмите клавишу ВВОД.

Приведенная выше команда установит библиотеку matplotlib и ее пакет зависимостей в операционной системе Windows. Разберемся как построить график функции на Python при помощи Matplotlib.

Базовая концепция Matplotlib

График состоит из следующих частей. Давайте разберемся с этими частями.

Figure: это целая фигура, которая может содержать одну или несколько осей(графиков). Мы можем думать о figure как о холсте, на котором хранятся сюжеты.

Axes: фигура может содержать несколько осей. Онf состоит из двух или трех(в случае 3D) объектов Axis. Каждая ось состоит из заголовка, x-метки и y-метки.

Axis: оси – это количество объектов, похожих на линии, которые отвечают за создание пределов графика.

Artist: это все, что мы видим на графике, например, текстовые объекты, объекты Line2D и объекты коллекций. Привязаны к Axes.

Введение в pyplot

Matplotlib предоставляет пакет pyplot, который используется для построения графика заданных данных. Matplotlib.pyplot – это набор функций командного стиля, которые заставляют matplotlib работать как MATLAB. Пакет pyplot содержит множество функций, которые используются для создания фигуры, создания ее области построения, дополнения графика метками, проведения некоторых линий в области построения и т. д.

Мы можем быстро построить график с помощью pyplot. Давайте посмотрим на следующий пример.

Базовый пример построения графика

Программа для создания базового примера простого графика следующая:

Построение графиков разного типа

Мы можем построить различные графики, используя модуль pyplot.

1. Линейный график

Линейный график используется для отображения информации в виде серии линий. Его легко строить.

Линия может быть изменена с помощью различных функций. Это делает график более привлекательным. Ниже приведен пример.

2. Столбчатая диаграмма

Одна из наиболее распространенных диаграмм, которая используется для представления данных, связанных с категориальными переменными. Функция bar() принимает три аргумента – категориальные переменные, значения и цвет.

3. Круговая диаграмма

Диаграмма – это круговой график, который разделен на части или сегменты. Он используется для представления процентных или пропорциональных данных, где каждый «кусок пирога» представляет определенную категорию. Давайте разберемся в приведенном ниже примере.

4. Гистограмма

Гистограмма и столбчатая диаграмма очень похожи, но есть небольшая разница. Гистограмма используется для представления распределения, а столбчатая диаграмма используется для сравнения различных объектов. Гистограмма обычно используется для построения графика частоты ряда значений по сравнению с набором диапазонов значений.

В следующем примере мы взяли данные о различных процентах баллов учащегося и построили гистограмму в зависимости от количества учащихся. Давайте разберемся в следующем примере.

Разберемся еще на одном примере.

5. Точечная диаграмма

Данная диаграмма используется для сравнения переменной по отношению к другим переменным. Она определяется как влияние одной переменной на другую. Данные представлены в виде набора точек.

В этом руководстве мы обсудили все основные типы графиков, которые используются при визуализации данных. Чтобы узнать больше о графике, посетите наш учебник по matplotlib.

Источник