Питхон пружа једну од најпопуларнијих библиотека за цртање тзв Матплотлиб . То је опен-соурце, цросс-платформа за прављење 2Д дијаграма из података у низу. Обично се користи за визуелизацију података и представља кроз различите графиконе.
Матплотлиб је првобитно осмислио Џон Д. Хантер 2003. Најновија верзија матплотлиб-а је 2.2.0 објављена у јануару 2018.
Пре него што почнемо да радимо са библиотеком матплотлиб, морамо да инсталирамо у наше Питхон окружење.
Инсталација Матплотлиб-а
Унесите следећу команду у свој терминал и притисните ентер.
pip install matplotlib
Горња команда ће инсталирати библиотеку матплотлиб и њен пакет зависности на Виндовс оперативни систем.
Основни концепт Матплотлиб-а
Графикон садржи следеће делове. Хајде да разумемо ове делове.
Фигура: То је цела фигура која може да држи једну или више оса (парцела). Можемо да замислимо фигуру као платно које држи парцеле.
ограничења електронског банкарства
секире: Слика може садржати неколико оса. Састоји се од два или три (у случају 3Д) објекта Оса. Свака осе се састоји од наслова, ознаке к и ознаке и.
Оса: Осе су број објеката налик линијама и одговорне су за генерисање граница графикона.
Уметник: Уметник је све оно што видимо на графу као што су текстуални објекти, Лине2Д објекти и објекти колекције. Већина уметника је везана за Акес.
Увод у пиплот
Матплотлиб обезбеђује пиплот пакет који се користи за цртање графикона датих података. Тхе матплотлиб.пиплот је скуп функција командног стила које чине да матплотлиб функционише као МАТЛАБ. Пакет пиплот садржи многе функције које се користе за креирање фигуре, креирање области за цртање на слици, украшавање дијаграма ознакама, исцртавање неких линија у области за цртање итд.
јава тостринг
Можемо брзо нацртати график са пиплотом. Хајде да погледамо следећи пример.
Основни пример цртања графикона
Ево основног примера генерисања једноставног графикона; програм је следећи:
from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show()
Излаз:
Исцртавање различитих типова графикона
Можемо нацртати различите графове користећи пиплот модул. Хајде да разумемо следеће примере.
фибоначијев низ у јава
1. Линијски графикон
Линијски графикон се користи за приказ информација као низ линија. Лако је зацртати. Размотрите следећи пример.
Пример -
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()
Излаз:
Линија се може мењати коришћењем различитих функција. То чини графикон привлачнијим. Испод је пример.
Пример -
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. Тракасти графикон
Ступасти графикон је један од најчешћих графикона и користи се за представљање података повезаних са категоричким варијаблама. Тхе бар() функција прихвата три аргумента - категоричке променљиве, вредности и боју.
Пример -
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. Пие Цхарт
Графикон је кружни графикон који је подељен на поддео или сегмент. Користи се за представљање процентуалних или пропорционалних података где сваки комад пите представља одређену категорију. Хајде да разумемо следећи пример.
Пример -
тцп и ип модел
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()
Излаз:
4. Хистограм
Хистограм и тракасти графикон су прилично слични, али постоји мања разлика. Хистограм се користи за представљање дистрибуције, а тракасти графикон се користи за поређење различитих ентитета. Хистограм се генерално користи за цртање фреквенције одређеног броја вредности у поређењу са скупом опсега вредности.
У следећем примеру, узели смо податке о различитим процентима резултата ученика и нацртали хистограм у односу на број ученика. Хајде да разумемо следећи пример.
Пример -
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()
Излаз:
Хајде да разумемо још један пример.
Пример - 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()
Излаз:
5. Сцаттер Плот
Диференција расејања се користи за поређење променљиве у односу на друге варијабле. Дефинише се као како је једна варијабла утицала на другу варијаблу. Подаци су представљени као збирка поена. Хајде да разумемо следећи пример.
Пример -
панде стандардна девијација
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()
Излаз:
Пример - 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()
Излаз:
У овом туторијалу смо разговарали о свим основним типовима графова који се користе у визуелизацији података. Да бисте сазнали више о графу, посетите наш водич за матплотлиб.