Python fornisce una delle librerie di plottaggio più popolari chiamata Matplotlib . È open source e multipiattaforma per creare grafici 2D dai dati nell'array. Viene generalmente utilizzato per la visualizzazione dei dati e la rappresentazione attraverso i vari grafici.

Matplotlib è stato originariamente concepito da John D. Hunter nel 2003. La versione recente di matplotlib è la 2.2.0 rilasciata a gennaio 2018.

Prima di iniziare a lavorare con la libreria matplotlib, dobbiamo installarla nel nostro ambiente Python.

Installazione di Matplotlib

Digita il seguente comando nel terminale e premi Invio.

 pip install matplotlib 

Il comando precedente installerà la libreria matplotlib e il relativo pacchetto di dipendenze sul sistema operativo Windows.

Concetti base di Matplotlib

Un grafico contiene le seguenti parti. Comprendiamo queste parti.

Figura: È una figura intera che può contenere uno o più assi (trame). Possiamo pensare a una Figura come a una tela che racchiude trame.

mappa Java

Assi: Una Figura può contenere diversi Assi. Consiste di due o tre (nel caso di 3D) oggetti Asse. Ogni asse è composto da un titolo, un'etichetta x e un'etichetta y.

Asse: Gli assi sono il numero di oggetti simili a linee e responsabili della generazione dei limiti del grafico.

Artista: Un artista è tutto ciò che vediamo sul grafico come oggetti Testo, oggetti Line2D e oggetti raccolta. La maggior parte degli artisti sono legati agli assi.

Introduzione a pyplot

Matplotlib fornisce il pacchetto pyplot che viene utilizzato per tracciare il grafico di determinati dati. IL matplotlib.pyplot è un insieme di funzioni in stile comando che fanno funzionare matplotlib come MATLAB. Il pacchetto pyplot contiene molte funzioni che consentono di creare una figura, creare un'area di disegno in una figura, decorare la trama con etichette, tracciare alcune linee in un'area di disegno, ecc.

Possiamo tracciare rapidamente un grafico con pyplot. Diamo un'occhiata al seguente esempio.

Esempio base di tracciamento di un grafico

Ecco l'esempio base di generazione di un grafico semplice; il programma è il seguente:

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

Produzione:

Tracciare diversi tipi di grafici

Possiamo tracciare i vari grafici utilizzando il modulo pyplot. Comprendiamo i seguenti esempi.

1. Grafico a linee

Il grafico a linee viene utilizzato per visualizzare le informazioni come una serie di linee. È facile da tracciare. Considera il seguente esempio.

Esempio -

 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() 

Produzione:

La linea può essere modificata utilizzando le varie funzioni. Rende il grafico più attraente. Di seguito è riportato l'esempio.

Esempio -

 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. Grafico a barre

Il grafico a barre è uno dei grafici più comuni e viene utilizzato per rappresentare i dati associati alle variabili categoriali. IL sbarra() la funzione accetta tre argomenti: variabili categoriali, valori e colore.

Esempio -

 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. Grafico a torta

Un grafico è un grafico circolare suddiviso in sottoparti o segmenti. Viene utilizzato per rappresentare la percentuale o i dati proporzionali in cui ciascuna fetta di torta rappresenta una particolare categoria. Comprendiamo l'esempio seguente.

Esempio -

 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() 

Produzione:

4. Istogramma

L'istogramma e il grafico a barre sono abbastanza simili ma c'è una piccola differenza. Un istogramma viene utilizzato per rappresentare la distribuzione e il grafico a barre viene utilizzato per confrontare le diverse entità. Un istogramma viene generalmente utilizzato per tracciare la frequenza di un numero di valori rispetto a un insieme di intervalli di valori.

Nell'esempio seguente, abbiamo preso i dati delle diverse percentuali di punteggio dello studente e abbiamo tracciato l'istogramma rispetto al numero di studenti. Comprendiamo il seguente esempio.

Esempio -

 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() 

Produzione:

Capiamo un altro esempio.

Esempio - 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() 

Produzione:

5. Grafico a dispersione

Il grafico a dispersione viene utilizzato per confrontare la variabile rispetto alle altre variabili. È definito come il modo in cui una variabile influenza l'altra variabile. I dati sono rappresentati come una raccolta di punti. Comprendiamo il seguente esempio.

Esempio -

 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() 

Produzione:

matrice Java

Esempio - 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() 

Produzione:

In questo tutorial, abbiamo discusso tutti i tipi base di grafico utilizzati nella visualizzazione dei dati. Per saperne di più sul grafico, visita il nostro tutorial su matplotlib.