Python biedt een van de meest populaire plotbibliotheek genaamd Matplotlib . Het is open-source, platformonafhankelijk voor het maken van 2D-plots voor gegevens in arrays. Het wordt over het algemeen gebruikt voor datavisualisatie en representatie via de verschillende grafieken.
Matplotlib is oorspronkelijk bedacht door John D. Hunter in 2003. De recente versie van matplotlib is 2.2.0, uitgebracht in januari 2018.
Voordat we met de matplotlib-bibliotheek gaan werken, moeten we deze in onze Python-omgeving installeren.
Installatie van Matplotlib
Typ het volgende commando in uw terminal en druk op Enter.
dhl betekent wat
pip install matplotlib
Met de bovenstaande opdracht wordt de matplotlib-bibliotheek en het bijbehorende afhankelijkheidspakket op het Windows-besturingssysteem geïnstalleerd.
Basisconcept van Matplotlib
Een grafiek bevat de volgende onderdelen. Laten we deze delen begrijpen.
Figuur: Het is een hele figuur die een of meer assen (plots) kan bevatten. We kunnen een figuur zien als een canvas met plots.
Assen: Een figuur kan meerdere assen bevatten. Het bestaat uit twee of drie (in het geval van 3D) Axis-objecten. Elke Axes bestaat uit een titel, een x-label en een y-label.
As: Assen zijn het aantal lijnachtige objecten en verantwoordelijk voor het genereren van de grafieklimieten.
Artiest: Een kunstenaar is alles wat we in de grafiek zien, zoals tekstobjecten, Line2D-objecten en collectieobjecten. De meeste artiesten zijn gebonden aan Axes.
Inleiding tot pyplot
De matplotlib biedt het pyplot-pakket dat wordt gebruikt om de grafiek van bepaalde gegevens te plotten. De matplotlib.pyplot is een set commandostijlfuncties die ervoor zorgen dat matplotlib werkt als MATLAB. Het pyplot-pakket bevat veel functies waarmee u een figuur kunt maken, een plotgebied in een figuur kunt maken, de plot kunt versieren met labels, enkele lijnen in een plotgebied kunt plotten, enz.
We kunnen snel een grafiek met pyplot plotten. Laten we eens kijken naar het volgende voorbeeld.
Basisvoorbeeld van het plotten van een grafiek
Hier is het basisvoorbeeld van het genereren van een eenvoudige grafiek; het programma is als volgt:
from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show()
Uitgang:
Verschillende soorten grafieken plotten
We kunnen de verschillende grafieken plotten met behulp van de pyplot-module. Laten we de volgende voorbeelden begrijpen.
1. Lijngrafiek
Het lijndiagram wordt gebruikt om de informatie weer te geven als een reeks van de lijn. Het is gemakkelijk te plotten. Beschouw het volgende voorbeeld.
amrita rao-acteur
Voorbeeld -
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()
Uitgang:
De lijn kan worden aangepast met behulp van de verschillende functies. Het maakt de grafiek aantrekkelijker. Hieronder vindt u het voorbeeld.
Voorbeeld -
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. Staafdiagram
Staafdiagram is een van de meest voorkomende grafieken en wordt gebruikt om de gegevens weer te geven die aan de categorische variabelen zijn gekoppeld. De bar() functie accepteert drie argumenten: categorische variabelen, waarden en kleur.
Voorbeeld -
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
Een diagram is een cirkelvormige grafiek die is onderverdeeld in een subgedeelte of segment. Het wordt gebruikt om het percentage of proportionele gegevens weer te geven waarbij elk stuk taart een bepaalde categorie vertegenwoordigt. Laten we het onderstaande voorbeeld begrijpen.
Voorbeeld -
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()
Uitgang:
4. Histogram
Het histogram en het staafdiagram lijken veel op elkaar, maar er is een klein verschil. Er wordt een histogram gebruikt om de verdeling weer te geven, en een staafdiagram wordt gebruikt om de verschillende entiteiten te vergelijken. Een histogram wordt doorgaans gebruikt om de frequentie van een aantal waarden uit te zetten in vergelijking met een reeks waardenbereiken.
lijstknooppunt
In het volgende voorbeeld hebben we de gegevens van de verschillende scorepercentages van de leerling genomen en het histogram uitgezet met betrekking tot het aantal leerlingen. Laten we het volgende voorbeeld begrijpen.
Voorbeeld -
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()
Uitgang:
Laten we een ander voorbeeld begrijpen.
Voorbeeld - 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()
Uitgang:
5. Verspreidingsdiagram
Het spreidingsdiagram wordt gebruikt om de variabele te vergelijken met de andere variabelen. Het wordt gedefinieerd als hoe de ene variabele de andere variabele beïnvloedt. De gegevens worden weergegeven als een verzameling punten. Laten we het volgende voorbeeld begrijpen.
Voorbeeld -
typoscript datum tijd
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()
Uitgang:
Voorbeeld - 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()
Uitgang:
In deze tutorial hebben we alle basistypen grafieken besproken die worden gebruikt bij datavisualisatie. Bezoek onze matplotlib-tutorial voor meer informatie over grafieken.