Программа matplotlib это что

Содержание

Библиотека Matplotlib в Python

Библиотека matplotlib в Python помогает нам отображать данные на графиках в простейшем виде. Если вы знакомы с построением графиков в MATLAB, то Matplotlib будет легко использовать для базового построения графиков.

Чтобы начать понимать, как Matplotlib помогает нам строить графики и фигуры визуализации для представления данных, нам нужно знать некоторые из основных терминов, которые мы будем часто использовать в этом посте. Давайте сначала изучим эти термины.

Установка Matplotlib

Библиотеку matplotlib легко установить с помощью pip:

pip install matplotlib

Теперь мы готовы создать несколько примеров, используя эту библиотеку визуализации данных.

Начало работы

В этом разделе мы начнем с построения графика и начнем передавать данные функциям matplotlib в python .

Линейный график

Мы начнем с очень простого примера построения графика. Мы просто будем использовать два списка Python в качестве источника данных для точек графика. Напишем для этого фрагмент кода:

Что такое web-программирование? ДЛЯ НОВИЧКОВ / Про IT / Geekbrains

import matplotlib.pyplot as plt year = [1950, 1975, 2000, 2018] population = [2.12, 3.681, 5.312, 6.981] plt.plot(year, population) plt.show()

Пример библиотеки matplotlib в python

. plt.xlabel(‘Year’) plt.ylabel(‘Population’) plt.title(‘World Population’)

Диаграмма рассеяния

Вышеупомянутый график показывал точки, которые фактически не были переданы в массиве, поскольку он показывает линию. Что, если мы хотим видеть только фактические точки на графике? Диаграмма разброса достигает этого:

import matplotlib.pyplot as plt year = [1950, 1975, 2000, 2018] population = [2.12, 3.681, 5.312, 6.981] plt.scatter(year, population) plt.show()

Диаграмма рассеяния в python

Гистограммы

В этом разделе мы познакомим вас с гистограммами. В то время как графики информируют нас о том, как меняются наши данные, гистограмма описывает, как наши данные распределяются. Чем больше значений в диапазоне, тем выше полоса диапазона.

Мы используем функцию hist() для построения гистограммы. У него есть 2 важных параметра:

список значений для построения;
количество диапазонов для распределения этих точек.

Продемонстрируем это с помощью фрагмента кода:

import matplotlib.pyplot as plt values = [0, 1.2, 1.3, 1.9, 4.3, 2.5, 2.7, 4.3, 1.3, 3.9] plt.hist(values, bins = 4) plt.show()

Гистограммы

Настройка Plot

Если вы заметили первый график Line, мы увидим, что ось Y не начинается с 0. Мы можем изменить это:

. plt.yticks([0, 2, 4, 6, 8, 10])

Настройка Plot

Что такое Python/Питон?

Рисование нескольких кривых

Совершенно распространено рисование нескольких кривых на одном графике для сравнения. Попробуем вот это:

Изменение цвета и добавление надписи на графике

Как мы видели, кривые выглядят красиво, но разве все они не так похожи? Что, если мы хотим изменить их цвет и показать, что представляет каждый цвет? Попробуем вместе нарисовать синусоидальную и косинусную кривые:

import numpy as np import matplotlib.pyplot as plt X = np.linspace(-np.pi, np.pi, 256, endpoint=True) cos, sin = np.cos(X), np.sin(X) plt.plot(X, cos, color=’blue’, label=»cosine») plt.plot(X, sin, color=’red’, label=»sine») plt.legend(loc=’upper left’, frameon=False) plt.show()

Изменение цвета и добавление надписи на графике

изменен цвет кривых, чтобы упростить сравнение;
добавлена рамка надписи, в которой показано, какой цвет что представляет. Это упрощает чтение метаданных на графике.

Создание гистограммы

Мы можем создавать привлекательные гистограммы с помощью простого фрагмента кода:

import matplotlib.pyplot as plt; plt.rcdefaults() import numpy as np import matplotlib.pyplot as plt names = (‘Tom’, ‘Dick’, ‘Harry’, ‘Jill’, ‘Meredith’, ‘George’) y_pos = np.arange(len(names)) speed = [8, 7, 12, 4, 3, 2] plt.bar(y_pos, speed, align=’center’, alpha=0.5) plt.xticks(y_pos, names) plt.ylabel(‘Speed’) plt.title(‘Person’) plt.show()

Создание гистограммы

Создание круговой диаграммы

Мы можем создавать привлекательные круговые диаграммы с помощью простого фрагмента кода:

import matplotlib.pyplot as plt # Data to plot names = ‘Tom’, ‘Dick’, ‘Harry’, ‘Jill’, ‘Meredith’, ‘George’ speed = [8, 7, 12, 4, 3, 2] colors = [‘gold’, ‘yellowgreen’, ‘lightcoral’, ‘lightskyblue’, ‘red’, ‘blue’] explode = (0.1, 0, 0, 0, 0, 0) # explode 1st slice # Plot plt.pie(speed, explode=explode, labels=names, colors=colors, autopct=’%1.1f%%’, shadow=True, startangle=140) plt.axis(‘equal’) plt.show()

Создание круговой диаграммы

Создание тепловых карт

Графики – это круто, но когда дело доходит до визуализации географической информации, нет ничего лучше, чем тепловая карта:

import numpy as np import numpy.random import matplotlib.pyplot as plt # Create data temperature = np.random.randn(4096) anger = np.random.randn(4096) # Create heatmap heatmap, xedges, yedges = np.histogram2d(temperature, anger, bins=(64,64)) extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]] # Plot heatmap plt.clf() plt.ylabel(‘Anger’) plt.xlabel(‘Temp’) plt.imshow(heatmap, extent=extent) plt.show()

Источник: pythonim.ru

Построение графиков в Python при помощи Matplotlib

Картиной можно выразить тысячу слов. В случае с библиотекой Python matplotlib, к счастью, понадобится намного меньше слов в коде для создания качественных графиков.

Однако, matplotlib это еще и массивная библиотека, и создание графика, который будет выглядеть «просто, нормально» обычно проходит через путь проб и ошибок. Использование однострочных линий для создания базовых графиков в matplotlib – весьма просто, но умело пользоваться остальными 98% библиотеки может быть сложно.

Эта статья – руководство для пользователей Python на начальном-среднем уровне по matplotlib, с использованием как теории, так и практических примеров. Обучение по практическим примерам может быть очень продуктивным, и дает возможность получить представление даже на поверхностном уровне понимания внутренней работы и макета библиотеки.

Что мы рассмотрим?

Pylab и pyplot: кто есть кто?
Ключевые концепции дизайна matplotlib;
Понимание plt.subplots();
Визуализация массивов при помощи matplotlib;
Построение графиков с комбинацией pandas и matplotlib.

Эта статья подразумевает, что пользователь имеет хотя-бы минимальное представление о NumPy. Мы в основном будем пользоваться модулем numpy.random для создания «игрушечных» данных, рисовать примеры из различных статистических источников.

Есть вопросы по Python?

На нашем форуме вы можете задать любой вопрос и получить ответ от всего нашего сообщества!

Telegram Чат

Matplotlib содержит несколько разных интерфейсов (способов построения фигуры) и может взаимодействовать с большим количеством бекендов. (Бекенды отвечают за то, как по факту будут отображаться диаграммы, не только за внутреннюю структуру);

Несмотря на обширность, часть собственной документации matplotlib серьезно устарела. Библиотека все еще развивается, и множество старых примеров в сети могут включать на 70% меньше кода, чем в их современной версии;

Так что, перед тем как мы перейдем к сложным примерам, не помешает освоить корневые концепции дизайна matplotlib.

Pylab: что это и нужно ли мне это?

Немножко истории: Нейробиолог Джон Д. Хантер начал разрабатывать matplotlib в 2003 году, в основном вдохновляясь эмуляцией команд программного обеспечения Mathworks MATLAB. Джон отошел в мир иной трагически рано, в возрасте 44 лет в 2012 году, и matplotlib на сегодняшний день является целиком и полностью продуктом сообщества: развивается и поддерживается множеством людей. (Джон говорил об эволюции matplotlib на конференции SciPy в 2012, которую однозначно стоит посмотреть.)

Одной из важных особенностей MATLAB является его глобальный стиль. Концепция импорта Python не сильно используется в MATLAB, и большинство функций MATLAB легко доступны для пользователя на верхнем уровне.

Заказать свой собственный уникальный номер можно от Сим-Трейд.ру. Быстрая доставка в день заказа и красивые номера начиная от 300 руб. с выгодным тарифным планом. Свой уникальный номер это хороший признак для введения бизнеса с момента первого звонка.

Понимание того, что корни matplotlib растут из MATLAB, помогает объяснить существование pylab. pylab – это модуль внутри библиотеки matplotlib, который был встроен для подражания общего стиля MATLAB. Он существует только для внесения ряда функций классов из NumPy и matplotlib в пространство имен, что упрощает переход пользователей MATLAB, которые не сталкивались с необходимостью в операторах импорта. Бывшие пользователи MATLAB (которые очень хорошие люди, обещаем!) полюбили его функционал, потому что при помощи from pylab import * они могут просто вызывать plot() или array() напрямую также, как они это делали в MATLAB.

Проблема здесь может быть очевидной для некоторых пользователей Python: использование from pylab import * в сессии или скрипте – как правило, плохая идея. Matplotlib сегодня прямым текстом рекомендуют не делать этого в своих руководствах:

[pylab] все еще существует по историческим причинам, но его использование не рекомендуется. Он перегружает пространства имен функциями, которые оттеняют надстройки Python и может привести к скрытым багам. Для получения интеграции IPython без использования импортов, рекомендуется использовать %matplotlib.

В глубине своей, существует целая тонна потенциально конфликтных импортов, замаскированных в коротком источнике pylab. Фактически, использование ipython —pylab (из терминала или командной строки) или %pylab (из инструментов IPython/Jupyter) легко вызывает from pylab import *

matplotlib 3.6.2

Matplotlib is a comprehensive library for creating static, animated, and interactive visualizations in Python.

Check out our home page for more information.

Matplotlib produces publication-quality figures in a variety of hardcopy formats and interactive environments across platforms. Matplotlib can be used in Python scripts, Python/IPython shells, web application servers, and various graphical user interface toolkits.

Install

For installation instructions and requirements, see the install documentation or installing.rst in the source.

Contribute

You’ve discovered a bug or something else you want to change — excellent!

You’ve worked out a way to fix it – even better!

You want to tell us about it – best of all!

Contact

Discourse is the discussion forum for general questions and discussions and our recommended starting point.

Our active mailing lists (which are mirrored on Discourse) are:

Gitter is for coordinating development and asking questions directly related to contributing to matplotlib.

Citing Matplotlib

If Matplotlib contributes to a project that leads to publication, please acknowledge this by citing Matplotlib.

Research notice

Please note that this repository is participating in a study into sustainability of open source projects. Data will be gathered about this repository for approximately the next 12 months, starting from June 2021.

Data collected will include number of contributors, number of PRs, time taken to close/merge these PRs, and issues closed.

For more information, please visit the informational page or download the participant information sheet.

Источник: pypi.org