Python bietet eine der beliebtesten Plotbibliotheken namens Matplotlib . Es handelt sich um eine plattformübergreifende Open-Source-Lösung zur Erstellung von 2D-Diagrammen aus Daten in einem Array. Es wird im Allgemeinen zur Datenvisualisierung und Darstellung durch die verschiedenen Diagramme verwendet.

Matplotlib wurde ursprünglich 2003 von John D. Hunter konzipiert. Die neueste Version von Matplotlib ist 2.2.0 und wurde im Januar 2018 veröffentlicht.

Bevor wir mit der Matplotlib-Bibliothek arbeiten können, müssen wir sie in unserer Python-Umgebung installieren.

Installation von Matplotlib

Geben Sie den folgenden Befehl in Ihr Terminal ein und drücken Sie die Eingabetaste.

 pip install matplotlib 

Der obige Befehl installiert die Matplotlib-Bibliothek und ihr Abhängigkeitspaket auf dem Windows-Betriebssystem.

Grundkonzept von Matplotlib

Ein Diagramm enthält die folgenden Teile. Lassen Sie uns diese Teile verstehen.

Figur: Es handelt sich um eine ganze Figur, die eine oder mehrere Achsen (Plots) enthalten kann. Wir können uns eine Figur als eine Leinwand vorstellen, die Handlungsstränge enthält.

Achsen: Eine Figur kann mehrere Achsen enthalten. Es besteht aus zwei oder drei (im Fall von 3D) Achsenobjekten. Jede Achse besteht aus einem Titel, einem X-Label und einem Y-Label.

Achse: Achsen sind die Anzahl linienartiger Objekte und für die Generierung der Diagrammgrenzen verantwortlich.

Künstler: Ein Künstler ist alles, was wir im Diagramm sehen, wie Textobjekte, Line2D-Objekte und Sammlungsobjekte. Die meisten Künstler sind an Äxte gebunden.

arp einen Befehl

Einführung in Pyplot

Die Matplotlib stellt das Pyplot-Paket bereit, das zum Zeichnen des Diagramms gegebener Daten verwendet wird. Der matplotlib.pyplot ist eine Reihe von Funktionen im Befehlsstil, mit denen Matplotlib wie MATLAB funktioniert. Das Pyplot-Paket enthält viele Funktionen, die zum Erstellen einer Figur, zum Erstellen eines Plotbereichs in einer Figur, zum Verzieren des Plots mit Beschriftungen, zum Plotten einiger Linien in einem Plotbereich usw. verwendet werden.

Mit Pyplot können wir schnell ein Diagramm zeichnen. Schauen wir uns das folgende Beispiel an.

Grundlegendes Beispiel für das Zeichnen eines Diagramms

Hier ist das grundlegende Beispiel für die Erstellung eines einfachen Diagramms. Das Programm ist wie folgt:

Java-Logo

 from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show() 

Ausgabe:

Zeichnen verschiedener Arten von Diagrammen

Wir können die verschiedenen Diagramme mit dem Pyplot-Modul zeichnen. Lassen Sie uns die folgenden Beispiele verstehen.

1. Liniendiagramm

Das Liniendiagramm wird verwendet, um die Informationen als eine Reihe von Linien anzuzeigen. Es ist einfach zu plotten. Betrachten Sie das folgende Beispiel.

Beispiel -

 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() 

Ausgabe:

Die Linie kann über die verschiedenen Funktionen verändert werden. Dadurch wird die Grafik attraktiver. Unten ist das Beispiel.

Beispiel -

 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. Balkendiagramm

Balkendiagramme sind eines der gebräuchlichsten Diagramme und werden zur Darstellung der mit den kategorialen Variablen verknüpften Daten verwendet. Der Bar() Die Funktion akzeptiert drei Argumente: kategoriale Variablen, Werte und Farbe.

Beispiel -

 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. Kreisdiagramm

Ein Diagramm ist ein kreisförmiges Diagramm, das in Unterteile oder Segmente unterteilt ist. Es wird verwendet, um prozentuale oder proportionale Daten darzustellen, bei denen jedes Tortenstück eine bestimmte Kategorie darstellt. Lassen Sie uns das folgende Beispiel verstehen.

Beispiel -

 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() 

Ausgabe:

4. Histogramm

Das Histogramm und das Balkendiagramm sind ziemlich ähnlich, es gibt jedoch einen geringfügigen Unterschied. Ein Histogramm wird verwendet, um die Verteilung darzustellen, und ein Balkendiagramm wird verwendet, um die verschiedenen Einheiten zu vergleichen. Ein Histogramm wird im Allgemeinen verwendet, um die Häufigkeit einer Reihe von Werten im Vergleich zu einer Reihe von Wertebereichen darzustellen.

Im folgenden Beispiel haben wir die Daten der verschiedenen Punktzahlprozentsätze des Schülers genommen und das Histogramm in Bezug auf die Anzahl der Schüler grafisch dargestellt. Lassen Sie uns das folgende Beispiel verstehen.

Beispiel -

 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() 

Ausgabe:

Lassen Sie uns ein anderes Beispiel verstehen.

Beispiel – 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() 

Ausgabe:

vlc zum Herunterladen von YouTube

5. Streudiagramm

Das Streudiagramm wird verwendet, um die Variable mit den anderen Variablen zu vergleichen. Es ist definiert als wie eine Variable die andere Variable beeinflusst. Die Daten werden als eine Sammlung von Punkten dargestellt. Lassen Sie uns das folgende Beispiel verstehen.

Beispiel -

 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() 

Ausgabe:

Beispiel – 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() 

Ausgabe:

In diesem Tutorial haben wir alle grundlegenden Diagrammtypen besprochen, die bei der Datenvisualisierung verwendet werden. Um mehr über Graphen zu erfahren, besuchen Sie unser Matplotlib-Tutorial.