Phenquestions
- Какво е Python Matplotlib?
- Видове парцели, които можем да изградим, като стълбовидна диаграма, хистограма, разпръснат график, плосък участък и Pe диаграма
- Работа с множество парцели
- Някои алтернативи за Python Matplotlib
Какво е Python Matplotlib?
Matplotlib.pyplot е пакет за графика, който може да се използва за изграждане на двуизмерни графики, използвайки езика за програмиране Python. Поради своята подлежаща на включване природа, този пакет може да се използва във всякакви GUI приложения, сървъри за уеб приложения или прости скриптове на Python. Някои набори от инструменти, които разширяват функционалността на Python Matplotlib, са:
- Базова карта е библиотека за картографиране на карти, която предоставя функции за създаване на картографски проекти, брегови линии и политически граници
- Натрид може да се използва за решетка на нередовни данни в раздалечени данни
- Инструменти на Excel може да се използва за обмен на данни между MS Excel и Matplotlib
- Картопия е много сложна библиотека за картографиране, която дори предлага функции за преобразуване на изображения, освен проекции на точка, линия и многоъгълник
Само забележка преди започване е, че използваме виртуална среда за този урок, който направихме със следната команда:
python -m virtualenv matplotlibизточник matplotlib / bin / активиране
След като виртуалната среда е активна, можем да инсталираме библиотека matplotlib във виртуалната среда, така че примери, които създаваме след това, да могат да бъдат изпълнени:
pip инсталирайте matplotlibВиждаме нещо подобно, когато изпълняваме горната команда:
Можете също да използвате Anaconda, за да стартирате тези примери, което е по-лесно. Ако искате да го инсталирате на вашата машина, погледнете урока, който описва „Как да инсталирате Anaconda Python на Ubuntu 18.04 LTS ”и споделете вашите отзиви. Сега нека да преминем към различни типове графики, които могат да бъдат конструирани с Python Matplotlib.
Видове парцели
Тук ние демонстрираме типовете графики, които могат да бъдат изчертани с Python Matplotlib.
Проста графика
Първият пример, който ще видим, ще бъде за прост графичен график. Този пример се използва като демонстрация на това колко лесно е да се изгради графичен график заедно с прости персонализации, които идват с него. Започваме с импортиране на matplotlib и дефиниране на координатите x и y, които искаме да начертаем:
от matplotlib import pyplot като pltx = [3, 6, 9]
y = [2, 4, 6]
След това можем да начертаем тези координати на графиката и да ги покажем:
plt.парцел (x, y)plt.покажи ()
Когато стартираме това, ще видим следната графика:
Само с няколко реда код успяхме да начертаем графика. Нека добавим няколко персонализации, за да направим тази графика малко по-изразителна:
plt.ylabel ('ос Y')
plt.xlabel ('ос X')
Добавете горните редове код точно преди да покажете графика и графиката вече ще има етикети:
Ще дадем още един опит за персонализиране на тази графика, за да я направим интуитивна със следните редове код, преди да покажем сюжета:
x1 = [3, 6, 9]y1 = [2, 4, 6]
x2 = [2, 7, 9]
y2 = [4, 5, 8]
plt.заглавие („Информация“)
plt.ylabel ('ос Y')
plt.xlabel ('ос X')
plt.графика (x1, y1, 'g', label = 'Quarter 1', linewidth = 5)
plt.парцел (x2, y2, 'r', label = 'Quarter 2', linewidth = 5)
plt.легенда ()
plt.мрежа (вярно, цвят = 'k')
plt.покажи ()
Ще видим следния сюжет, когато стартираме горния кодов фрагмент:
Забележете с какво започнахме и с какво завършихме, много интуитивна и атрактивна графика, която можете да използвате във вашите презентации и е направена с чист код на Python, определено нещо, с което да се гордеете !
Изработване на стълбовидна диаграма
Стълбовидна диаграма е особено полезна, когато искаме да платформираме сравнение със специфични и ограничени мерки. Например, сравняването на средните оценки на учениците с един предмет е добър случай на употреба. Нека да изградим стълбовидна диаграма за същия случай на употреба тук, кодовият фрагмент за това ще бъде:
avg_marks = [81, 92, 55, 79]физика = [68, 77, 62, 74]
plt.лента ([0.25, 1.25, 2.25, 3.25], avg_marks, label = "Средно", width =.5)
plt.лента ([.75, 1.75, 2.75, 3.75], физика, етикет = "Физика", цвят = 'r', ширина =.5)
plt.легенда ()
plt.xlabel ('Обхват')
plt.ylabel ('Марки')
plt.заглавие („Сравнение“)
plt.покажи ()
Стълбовидната графика, създадена с горните примерни данни, ще изглежда по следния начин:
Тук има множество ленти за установяване на сравнение. Моля, обърнете внимание, че ние предоставихме ширината на всяка лента като първи параметри и лентата се измести 0.5 стойности от предишната.
Можем да комбинираме тази конструкция на диаграми с библиотека Pandas, за да я персонализираме повече, но ще я разгледаме в различен урок за Pandas.
Разпределения с хистограми
Хистограмите често се бъркат с линейни диаграми. Най-основната разлика се крие в техния случай на употреба. Стълбовидните диаграми се използват за установяване на сравнения между данните, докато хистограмите се използват за описание на разпределението на данните.
Например, нека отново приложим примера за студентски оценки, но този път ще разгледаме само средните оценки на студентите и ще видим как се разпределят. Ето кодовия фрагмент, много подобен на предишния пример:
кошчета [[0,10,20,30,40,50,60,70,80,90,100]]avg_marks = [81, 77, 55, 88, 81, 66, 51, 66, 81, 92, 55, 51]
plt.hist (avg_marks, bins, histtype = 'bar', rwidth = 0.8)
plt.xlabel ('Обхват')
plt.ylabel ('Марки')
plt.заглавие („Сравнение“)
plt.покажи ()
Хистограмата, създадена с горните примерни данни, ще изглежда по следния начин:
Оста Y показва тук, че колко ученици са получили същите оценки, които са били предоставени като данните за конструкцията.
Извършване на разпръснат парцел
Когато става въпрос за сравняване на множество променливи и установяване на ефекта им един върху друг, Scatter plot е добър начин да се представи същото. В това данните се представят като точки със стойност на една променлива, отразена от хоризонталната ос, а стойността на втората променлива определя позицията на точката върху вертикалната ос.
Нека разгледаме прост кодов фрагмент, за да опишем същото:
x = [1,1.5,2,2.5,3,3.5,3.6]у = [75,8,85,9,95,10,75]
x1 = [8,8.5,9,9.5,10,10.5,11]
y1 = [3,35,3.7,4,45,5,52]
plt.разпръскване (x, y, label = '10 Ученици с висока оценка ', color =' r ')
plt.разпръскване (x1, y1, label = '10 Ученици с ниска оценка ', color =' b ')
plt.xlabel ('Марки')
plt.ylabel ('Брой на учениците')
plt.заглавие ('Scatter Plot')
plt.легенда ()
plt.покажи ()
Графиката на разсейване, създадена с горните примерни данни, ще изглежда по следния начин:
Парцели
Парцелите с площ се използват главно за проследяване на промените в данните във времето. В различни текстове те също се наричат парцели. Например, ако искаме да установим представяне на времето, инвестирано от студент за всеки предмет в един ден, ето кода, с който можем да направим същото:
дни = [1,2,3,4,5]физика = [2,8,6,5,7]
python = [5,4,6,4,1]
r = [7,9,4,3,1]
математика = [8,5,7,8,13]
plt.парцел ([], [], цвят = 'm', етикет = 'Физика', ширина на линията = 5)
plt.парцел ([], [], цвят = 'c', етикет = 'Python', ширина на линията = 5)
plt.графика ([], [], цвят = 'r', етикет = 'R', ширина на линията = 5)
plt.парцел ([], [], цвят = 'k', етикет = 'Математика', ширина на линията = 5)
plt.стекплот (дни, физика, питон, r, математика, цветове = ['g', 'k', 'r', 'b'])
plt.xlabel ('x')
plt.ylabel ('y')
plt.заглавие ('Stack Plot')
plt.легенда ()
plt.покажи ()
Парцелът на площ, създаден с горните примерни данни, ще изглежда по следния начин:
Горният изход ясно установява разлика във времето, прекарано от студент във всеки предмет с ясен начин за осигуряване на разликата и разпределението.
Кръгови диаграми
Когато искаме да разделим цялата част на няколко части и да опишем количеството, което всяка част заема, кръговата диаграма е добър начин да направите тази презентация. Използва се за показване на процента на данните в пълния набор от данни. Ето основен кодов фрагмент, за да направите проста кръгова диаграма:
labels = 'Python', 'C ++', 'Ruby', 'Java'размери = [225, 130, 245, 210]
цветове = ['r', 'b', 'g', 'c']
взривяване = (0.1, 0, 0, 0) # експлодира 1-ви парче
# Парцел
plt.пай (размери, взривяване = избухване, етикети = етикети, цветове = цветове,
autopct = '% 1.1f %% ', сянка = Вярно, стартангъл = 140)
plt.ос („равно“)
plt.покажи ()
Кръговата диаграма, създадена с горните примерни данни, ще изглежда по следния начин:
В горните раздели разгледахме различни графични компоненти, които можем да изградим с библиотеката Matplotlib, за да представим нашите данни в различни форми и да установим разлики по интуитивен начин, като същевременно сме статистически.
Характеристики и алтернативи за Matplotlib
Една от най-добрите характеристики на matplotlib е, че той може да работи на много операционни системи и графични бекендове. Той поддържа десетки операционни системи и графичен изход, които разгледахме в този урок. Това означава, че можем да разчитаме на него, когато става въпрос за предоставяне на продукция по начин, от който се нуждаем.
Има различни други библиотеки, които могат да се конкурират с matplotlib като:
- Морски рог
- Сюжетно
- Ggplot2
Въпреки че гореспоменатите библиотеки могат да представят някои усъвършенствани начини за описване и представяне на данни в графичен вид, но няма отрицание в простотата и ефективността на библиотеката matplotlib.
Заключение
В този урок разгледахме различни аспекти на тази библиотека за визуализация на данни, която можем да използваме с Python, за да генерираме красиви и интуитивни графики, които могат да визуализират данни във форма, която бизнесът иска от платформа. Matplotlib е една от най-важните библиотеки за визуализация, когато става въпрос за инженеринг на данни и представяне на данни в повечето визуални форми, определено умение, което трябва да имаме под колана си.
Моля, споделете отзивите си за урока в Twitter с @sbmaggarwal и @LinuxHint.
