Python מספק את אחת מספריות התווים הפופולריות ביותר שנקראות Matplotlib . זהו קוד פתוח, חוצה פלטפורמות ליצירת מגרשים דו-ממדיים עבור נתונים במערך. הוא משמש בדרך כלל להדמיית נתונים ומייצג באמצעות הגרפים השונים.
Matplotlib נוצר במקור על ידי John D. Hunter בשנת 2003. הגרסה האחרונה של matplotlib היא 2.2.0 שפורסמה בינואר 2018.
לפני שנתחיל לעבוד עם ספריית matplotlib, עלינו להתקין בסביבת Python שלנו.
מטמון npm נקה
התקנה של Matplotlib
הקלד את הפקודה הבאה בטרמינל שלך והקש אנטר.
pip install matplotlib
הפקודה לעיל תתקין את ספריית matplotlib ואת חבילת התלות שלה במערכת ההפעלה Windows.
מושג בסיסי של Matplotlib
גרף מכיל את החלקים הבאים. בואו נבין את החלקים האלה.
דמות: זוהי דמות שלמה אשר עשויה להחזיק ציר אחד או יותר (עלילות). אנו יכולים לחשוב על דמות כעל קנבס שמכיל עלילות.
צירים: איור יכול להכיל מספר צירים. הוא מורכב משניים או שלושה (במקרה של 3D) אובייקטי ציר. כל Axes מורכב מכותרת, תווית x ותווית y.
צִיר: צירים הם מספר אובייקטים דמויי קו ואחראים ליצירת מגבלות הגרף.
אמן: אמן הוא כל מה שאנו רואים בגרף כמו אובייקטי טקסט, אובייקטי Line2D ואובייקטי אוסף. רוב האמנים קשורים לצירים.
מבוא ל-pyplot
ה-matplotlib מספק את חבילת ה-pyplot המשמשת לציור הגרף של נתונים נתונים. ה matplotlib.pyplot הוא קבוצה של פונקציות בסגנון פקודה שגורמות ל-matplotlib לעבוד כמו MATLAB. חבילת ה-pyplot מכילה פונקציות רבות ששימשו ליצירת דמות, יצירת אזור ציור באיור, עיטור העלילה עם תוויות, קווים מסוימים בשטח ציור וכו'.
ספרות רומיות 1-100
אנחנו יכולים לשרטט גרף עם pyplot במהירות. בואו נסתכל על הדוגמה הבאה.
דוגמה בסיסית של גרף מתווה
הנה הדוגמה הבסיסית ליצירת גרף פשוט; התוכנית היא הבאה:
from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show()
תְפוּקָה:
שרטוט סוגים שונים של גרפים
אנו יכולים לשרטט את הגרפים השונים באמצעות מודול ה-pyplot. בואו נבין את הדוגמאות הבאות.
1. גרף קווים
תרשים הקו משמש להצגת המידע כסדרה של הקו. קל לתכנן. שקול את הדוגמה הבאה.
דוגמא -
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()
תְפוּקָה:
ניתן לשנות את הקו באמצעות הפונקציות השונות. זה הופך את הגרף לאטרקטיבי יותר. להלן הדוגמה.
דוגמא -
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. גרף עמודות
גרף עמודות הוא אחד הגרפים הנפוצים ביותר והוא משמש לייצוג הנתונים הקשורים למשתנים הקטגוריים. ה בַּר() הפונקציה מקבלת שלושה ארגומנטים - משתנים קטגוריים, ערכים וצבע.
דוגמא -
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. תרשים עוגה
תרשים הוא גרף מעגלי המחולק לתת-חלק או לקטע. הוא משמש לייצוג האחוז או הנתונים היחסיים שבהם כל פרוסת עוגה מייצגת קטגוריה מסוימת. בואו נבין את הדוגמה שלהלן.
דוגמא -
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()
תְפוּקָה:
c++ int למחרוזת
4. היסטוגרמה
ההיסטוגרמה וגרף העמודות די דומים אבל יש הבדל קטן ביניהם. היסטוגרמה משמשת לייצוג ההתפלגות, ותרשים עמודות משמש להשוואה בין הישויות השונות. היסטוגרמה משמשת בדרך כלל כדי לשרטט את התדירות של מספר ערכים בהשוואה לקבוצת טווחי ערכים.
בדוגמה הבאה, לקחנו את הנתונים של אחוזי הניקוד השונים של התלמיד ושרטטנו את ההיסטוגרמה ביחס למספר התלמיד. בואו נבין את הדוגמה הבאה.
דוגמא -
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()
תְפוּקָה:
בואו נבין דוגמה נוספת.
דוגמה - 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()
תְפוּקָה:
5. עלילת פיזור
עלילת הפיזור משמשת להשוואת המשתנה ביחס למשתנים האחרים. זה מוגדר כאופן שבו משתנה אחד השפיע על המשתנה השני. הנתונים מיוצגים כאוסף של נקודות. בואו נבין את הדוגמה הבאה.
להשוות לג'אווה
דוגמא -
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()
תְפוּקָה:
דוגמה - 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()
תְפוּקָה:
במדריך זה, דנו בכל סוגי הגרפים הבסיסיים המשמשים בהדמיית נתונים. למידע נוסף על גרף, בקר במדריך matplotlib שלנו.