Python

Python Matplotlib-Tutorial

Python Matplotlib-Tutorial
In dieser Lektion zur Python Matplotlib-Bibliothek betrachten wir verschiedene Aspekte dieser Datenvisualisierungsbibliothek, die wir mit Python verwenden können, um schöne und intuitive Diagramme zu generieren, die Daten in einer Form visualisieren können, die das Unternehmen von einer Plattform erwartet. Um diese Lektion zu vervollständigen, werden wir die folgenden Abschnitte behandeln:

Was ist Python Matplotlib??

Die Matplotlib.pyplot ist ein Paket zum Plotten von Diagrammen, mit dem zweidimensionale Grafiken mit der Programmiersprache Python erstellt werden können Python. Aufgrund seiner steckbaren Natur kann dieses Paket in beliebigen GUI-Anwendungen, Webanwendungsservern oder einfachen Python-Skripten verwendet werden. Einige Toolkits, die die Funktionalität von Python Matplotlib erweitern, sind:

Nur eine Anmerkung vor dem Start ist, dass wir für diese Lektion eine virtuelle Umgebung verwenden, die wir mit dem folgenden Befehl erstellt haben:

python -m virtualenv matplotlib
Quelle matplotlib/bin/activate

Sobald die virtuelle Umgebung aktiv ist, können wir die Matplotlib-Bibliothek in der virtuellen Umgebung installieren, damit die als nächstes erstellten Beispiele ausgeführt werden können:

pip install matplotlib

Wir sehen so etwas, wenn wir den obigen Befehl ausführen:

Sie können auch Anaconda verwenden, um diese Beispiele auszuführen, was einfacher ist. Wenn Sie es auf Ihrem Computer installieren möchten, sehen Sie sich die Lektion an, die beschreibt, wie man Anaconda Python unter Ubuntu 18 installiert.04 LTS“ und teilen Sie Ihr Feedback. Kommen wir nun zu verschiedenen Arten von Plots, die mit Python Matplotlib erstellt werden können.

Arten von Grundstücken

Hier demonstrieren wir die Arten von Plots, die mit Python Matplotlib gezeichnet werden können.

Einfache Grafik

Das erste Beispiel, das wir sehen werden, ist ein einfaches Diagrammdiagramm. Dieses Beispiel wird verwendet, um zu demonstrieren, wie einfach es ist, ein Diagrammdiagramm zusammen mit einfachen Anpassungen zu erstellen, die damit verbunden sind construct. Wir beginnen damit, matplotlib zu importieren und die x- und y-Koordinaten zu definieren, die wir plotten möchten:

aus Matplotlib importieren Sie pyplot als plt
x = [3, 6, 9]
y = [2, 4, 6]

Danach können wir diese Koordinaten in die Grafik einzeichnen und anzeigen:

plt.Plot(x, y)
plt.Show()

Wenn wir dies ausführen, sehen wir das folgende Diagramm:


Mit nur wenigen Zeilen Code konnten wir einen Graphen zeichnen. Lassen Sie uns einige Anpassungen hinzufügen, um dieses Diagramm etwas ausdrucksvoller zu gestalten:

plt.title('LH Plot')
plt.ylabel('Y-Achse')
plt.xlabel('X-Achse')

Fügen Sie die obigen Codezeilen hinzu, kurz bevor Sie das Diagramm anzeigen, und das Diagramm hat jetzt Beschriftungen:

Wir werden einen weiteren Versuch unternehmen, diesen Graphen mit den folgenden Codezeilen so anzupassen, dass er intuitiv ist, bevor wir den Plot zeigen:

x1 = [3, 6, 9]
y1 = [2, 4, 6]
x2 = [2, 7, 9]
y2 = [4, 5, 8]
plt.Titel('Info')
plt.ylabel('Y-Achse')
plt.xlabel('X-Achse')
plt.plot(x1 ,y1 , 'g', label='Quarter 1', linewidth=5)
plt.plot(x2, y2, 'r', label='Quarter 2', linewidth=5)
plt.Legende()
plt.Raster(True,color='k')
plt.Show()

Wir sehen das folgende Diagramm, wenn wir das obige Code-Snippet ausführen:

Beachten Sie, womit wir angefangen haben und was wir letztendlich gefunden haben, ein sehr intuitives und attraktives Diagramm, das Sie in Ihren Präsentationen verwenden können und das mit reinem Python-Code erstellt wurde, definitiv etwas, auf das Sie stolz sein können !

Erstellen eines Balkendiagramms

Ein Balkendiagramm ist besonders nützlich, wenn wir einen Vergleich mit bestimmten und begrenzten Maßnahmen ermöglichen möchten. Der Vergleich der durchschnittlichen Noten von Schülern in einem einzigen Fach ist beispielsweise ein guter Anwendungsfall. Lassen Sie uns hier ein Balkendiagramm für den gleichen Anwendungsfall erstellen, der Codeausschnitt dafür lautet:

Durchschn._Markierungen = [81, 92, 55, 79]
Physik = [68, 77, 62, 74]
plt.Balken([0.25, 1.25, 2.25, 3.25], avg_marks, label="Durchschnitt", width=.5)
plt.Bar([.75, 1.75, 2.75, 3.75], physik, label="Physik", color='r', width=.5)
plt.Legende()
plt.xlabel('Bereich')
plt.ylabel('Markierungen')
plt.title('Vergleich')
plt.Show()

Das mit den obigen Beispieldaten erstellte Balkendiagramm sieht wie folgt aus:

Hier sind mehrere Balken vorhanden, um einen Vergleich zu erstellen. Bitte beachten Sie, dass wir die Breite jedes Balkens als ersten Parameter angegeben haben und der Balken um 0 . verschoben ist.5 Werte vom vorherigen.

Wir können diese Balkendiagrammkonstruktion mit der Pandas-Bibliothek kombinieren, um sie besser anzupassen, aber wir werden sie in einer anderen Lektion zu Pandas behandeln.

Verteilungen mit Histogrammen

Histogramme werden oft mit Balkendiagrammen verwechselt. Der grundlegendste Unterschied liegt in ihrem Anwendungsfall. Balkendiagramme werden verwendet, um Vergleiche zwischen Daten herzustellen, während Histogramme verwendet werden, um die Datenverteilung zu beschreiben.

Wenden wir zum Beispiel noch einmal das Beispiel für Schülernoten an, aber diesmal betrachten wir nur die durchschnittlichen Noten der Schüler und schauen, wie sie verteilt sind. Hier ist das Code-Snippet, das dem vorherigen Beispiel sehr ähnlich ist:

Fächer = [0,10,20,30,40,50,60,70,80,90,100]
Durchschn._Markierungen = [81, 77, 55, 88, 81, 66, 51, 66, 81, 92, 55, 51]
plt.hist(avg_marks, bins, histtype='bar', rwidth=0.8)
plt.xlabel('Bereich')
plt.ylabel('Markierungen')
plt.title('Vergleich')
plt.Show()

Das mit den obigen Beispieldaten erstellte Histogramm sieht wie folgt aus:

Die Y-Achse zeigt hier, wie viele Schüler die gleichen Noten haben, die als Daten für die Konstruktion angegeben wurden.

Erstellen eines Streudiagramms

Wenn es darum geht, mehrere Variablen zu vergleichen und ihre Wirkung aufeinander zu ermitteln, ist das Streudiagramm eine gute Möglichkeit, dasselbe darzustellen. Dabei werden Daten als Punkte mit dem Wert einer Variablen dargestellt, der durch die horizontale Achse reflektiert wird, und der Wert der zweiten Variablen bestimmt die Position des Punktes auf der vertikalen Achse vertical.

Schauen wir uns ein einfaches Code-Snippet an, um dasselbe zu beschreiben:

x = [1,1.5,2,2.5,3,3.5,3.6]
y = [75,8,85,9,95,10,75]
x1=[8,8.5,9,9.5,10,10.5,11]
y1=[3,35,3.7,4,45,5,52]
plt.Scatter(x,y, label='10 Schüler mit hoher Punktzahl',color='r')
plt.Scatter(x1,y1,label='10 Schüler mit niedriger Punktzahl',color='b')
plt.xlabel('Markierungen')
plt.ylabel('Studentenanzahl')
plt.title('Streudiagramm')
plt.Legende()
plt.Show()

Das mit den obigen Beispieldaten erstellte Streudiagramm sieht wie folgt aus:

Flächengrundstücke

Die Flächendiagramme werden hauptsächlich verwendet, um Änderungen der Daten im Laufe der Zeit zu verfolgen. Sie werden in verschiedenen Texten auch als Stapelplots bezeichnet. Wenn wir zum Beispiel eine Darstellung der Zeit erstellen möchten, die ein Schüler an einem einzigen Tag in jedes Fach investiert, ist hier der Code, mit dem wir dasselbe tun können:

Tage = [1,2,3,4,5]
Physik =[2,8,6,5,7]
Python = [5,4,6,4,1]
r =[7,9,4,3,1]
Mathematik = [8,5,7,8,13]
plt.plot([],[],color='m', label='Physik', linewidth=5)
plt.plot([],[],color='c', label='Python', linewidth=5)
plt.plot([],[],color='r', label='R', linewidth=5)
plt.plot([],[],color='k', label='Math', linewidth=5)
plt.Stackplot(Tage, Physik, Python, r, Mathe, Farben=['g','k','r','b'])
plt.xlabel('x')
plt.ylabel('y')
plt.title('Stackplot')
plt.Legende()
plt.Show()

Das mit den obigen Beispieldaten erstellte Flächendiagramm sieht wie folgt aus:

Die obige Ausgabe zeigt eindeutig einen Unterschied in der Zeit, die ein Schüler in jedem Fach aufwendet, mit einer klaren Methode zur Angabe der Differenz und der Verteilung.

Kreisdiagramme

Wenn wir das ganze Teil in mehrere Teile aufteilen und die Menge beschreiben möchten, die jedes Teil einnimmt, ist ein Kreisdiagramm eine gute Möglichkeit, diese Präsentation zu erstellen. Es wird verwendet, um den Prozentsatz der Daten im vollständigen Datensatz anzuzeigen. Hier ist ein grundlegender Codeausschnitt, um ein einfaches Kreisdiagramm zu erstellen:

Labels = 'Python', 'C++', 'Ruby', 'Java'
Größen = [225, 130, 245, 210]
Farben = ['r', 'b', 'g', 'c']
explodieren = (0.1, 0, 0, 0)  # 1. Scheibe explodieren
# Handlung
plt.Kuchen (Größen, explodieren = explodieren, Etiketten = Etiketten, Farben = Farben),
autopct='%1.1f%%', shadow=True, startangle=140)
plt.Achse('gleich')
plt.Show()

Das mit den obigen Beispieldaten erstellte Tortendiagramm sieht wie folgt aus:

In den obigen Abschnitten haben wir uns verschiedene grafische Komponenten angesehen, die wir mit der Matplotlib-Bibliothek erstellen können, um unsere Daten in verschiedenen Formen darzustellen und Unterschiede auf intuitive Weise festzustellen, während sie statistisch sind.

Funktionen und Alternativen für Matplotlib

Eine der besten Funktionen von matplotlib ist, dass es auf vielen Betriebssystemen und grafischen Backends funktioniert. Es unterstützt Dutzende von Betriebssystemen und Grafikausgaben, die wir uns in dieser Lektion angesehen haben. Das bedeutet, dass wir uns darauf verlassen können, wenn es darum geht, einen Output so zu liefern, wie wir ihn brauchen.

Es gibt verschiedene andere Bibliotheken, die mit Matplotlib konkurrieren können, wie zum Beispiel:

  1. Seehorn
  2. Handlung
  3. Ggplot2

Auch wenn die oben genannten Bibliotheken einige erweiterte Möglichkeiten bieten, Daten auf grafische Weise zu beschreiben und darzustellen, wird die Einfachheit und Effektivität der Matplotlib-Bibliothek nicht verleugnet.

Fazit

In dieser Lektion haben wir uns verschiedene Aspekte dieser Datenvisualisierungsbibliothek angesehen, die wir mit Python verwenden können, um schöne und intuitive Diagramme zu generieren, die Daten in einer Form visualisieren können, die das Unternehmen von einer Plattform wünscht. Die Matplotlib ist eine der wichtigsten Visualisierungsbibliotheken, wenn es um Data Engineering und die Präsentation von Daten in den meisten visuellen Formen geht, definitiv eine Fähigkeit, die wir unter unseren Gürteln haben müssen.

Bitte teilen Sie Ihr Feedback zur Lektion auf Twitter mit @sbmaggarwal und @LinuxHint.

Beste Linux-Distributionen für Gaming im Jahr 2021
Das Linux-Betriebssystem hat sich weit von seinem ursprünglichen, einfachen, serverbasierten Aussehen entfernt. Dieses Betriebssystem hat sich in den ...
So erfassen und streamen Sie Ihre Gaming-Sitzung unter Linux
In der Vergangenheit galt das Spielen von Spielen nur als Hobby, aber mit der Zeit verzeichnete die Spieleindustrie ein enormes Wachstum in Bezug auf ...
Beste Spiele zum Spielen mit Handtracking
Oculus Quest hat kürzlich die großartige Idee des Hand-Trackings ohne Controller vorgestellt. Mit einer ständig steigenden Anzahl von Spielen und Akti...