Matplotlib python установка zhitsoboy.ru

Matplotlib python установка

Как использовать данные в Python 3 Использование matplotlib

Вступление

Python отлично подходит для обработки данных. Часто набор данных будет включать в себя множество переменных и множество экземпляров, что затрудняет понимание того, что происходит. Визуализация данных — это полезный способ помочь вам определить шаблоны в ваших данных.

Например, скажите, что вы агент по недвижимости, и вы пытаетесь понять отношения между возрастом дома и его отпускной ценой. Если ваши данные включали 1 блок из 5 домов, было бы не слишком сложно понять, что происходит. Однако, скажем, вы хотели использовать данные из всего города в 500 домов. Тогда стало бы трудно понять, как возраст влияет на цену. Визуализация данных, составление графика продажи по сравнению с возрастом, может определенно пролить свет на отношения, существующие между ними.

Визуализация — это быстрый и простой способ передачи понятий универсальным образом, особенно тем, кто не знаком с вашими данными. Всякий раз, когда мы работаем с данными, визуализация часто является необходимой частью анализа.

Мы будем использовать библиотеку 2D-графики, matplotlib , которая была первоначально написана Джоном Д. Хантером и с тех пор стала очень активным проектом сообщества разработчиков с открытым исходным кодом. Он позволяет создавать высококачественные линейные графики, графики рассеяния, гистограммы, гистограммы и многое другое. Каждый сюжет представляет данные по-другому, и часто бывает полезно опробовать разные типы сюжетов, прежде чем окунуться в наиболее информативный сюжет для ваших данных. Хорошо иметь в виду, что визуализация представляет собой смесь искусства и науки.

Учитывая важность визуализации, этот учебник опишет, как строить данные на Python, используя matplotlib. Мы будем генерировать диаграмму рассеяния с использованием небольшого набора данных, добавляя информацию, такую ​​как названия и легенды, к графикам, и настраивая графики, изменяя, как выглядят точки сюжета.

Когда вы закончите с этим уроком, вы сможете записывать данные на Python!

Предпосылки

Для этого урока вы должны установить Python 3, а также локальную среду программирования, установленную на вашем компьютере. Если это не так, вы можете настроить его, следуя соответствующей установке и настроить руководство для своей операционной системы .

Шаг 1 — Импортирование matplotlib

Прежде чем мы сможем начать работать на Python, давайте дважды проверим, установлен ли модуль matplotlib. В командной строке проверьте matplotlib, выполнив следующую команду:

  • python -c «import matplotlib»

Если установлен matplotlib, эта команда завершится без ошибок, и мы готовы к работе. В противном случае вы получите сообщение об ошибке:

  • Traceback (most recent call last): File « », line 1, in ImportError: No module named ‘matplolib’

Если вы получили сообщение об ошибке, загрузите библиотеку, используя pip:

Теперь, когда matplotlib установлен, мы можем импортировать его в Python. Во- первых, давайте создадим сценарий , который мы будем работать с в этом учебнике: scatter.py . Затем, в нашем скрипте, давайте импортируем matplotlib. Поскольку мы будем работать только с модулем построения (pyplot), давайте укажем, когда мы его импортируем.

Мы указываем модуль, который мы хотим импортировать, добавив .pyplot к концу matplotlib . Чтобы упростить обращение к модулю в нашем скрипте, мы сокращаем его как plt . Теперь мы можем перейти к созданию и построению наших данных.

Шаг 2 — Создание точек данных для графика

В нашем скрипте Python давайте создадим некоторые данные для работы. Мы работаем в 2D, поэтому нам понадобятся координаты X и Y для каждой из наших точек данных.

Чтобы лучше понять, как работает matplotlib, мы свяжем наши данные с возможным реальным сценарием. Давайте притворимся, что мы являемся владельцами кафе, и нас интересуют отношения между средней погодой в течение года и общим количеством покупок замороженного кофе. Наша переменная X будет общим количеством замороженных кофе в месяц, а наша переменная Y будет средней температурой в Фаренгейте в течение каждого месяца.

В нашем скрипте Python мы создадим две переменные списка: X (общий объем проданных замороженных кофейных изделий) и Y (средняя температура). Каждый пункт в наших соответствующих списках будет представлять данные с каждого месяца (с января по декабрь). Например, в январе средняя температура составляла 32 градуса Фаренгейта, а в кофейне было продано 590 кофе со льдом.

Теперь, когда у нас есть наши данные, мы можем начать рисовать.

Шаг 3 — Обработка данных

Границы рассеяния отлично подходят для определения взаимосвязи между двумя переменными, поэтому мы будем использовать этот тип графика для нашего примера. Чтобы создать график рассеяния с использованием matplotlib, мы будем использовать эту scatter() функцию. Функция требует двух аргументов, которые представляют значения координат X и Y.

Каждый раз, когда мы создаем сюжет, мы также должны указать, что мы хотим, чтобы график показывался с помощью plt.show() .

Прежде чем двигаться дальше, давайте проверим, работает ли наш скрипт. Сохраните сценарий и запустите его через командную строку:

Если все пойдет хорошо, окно должно запустить отображение сюжета, например:

Это окно отлично подходит для просмотра данных; он интерактивен и включает в себя несколько функций, таких как зависание для отображения меток и координат, масштабирование или выключение и сохранение.

Шаг 4 — Добавление названий и ярлыков

Теперь, когда мы знаем, что наш скрипт работает правильно, мы можем начать добавлять информацию к нашему сюжету. Чтобы дать понять, что представляют наши данные, давайте укажем название, а также метки для каждой оси.

Начнем с добавления названия. Мы добавляем заголовок перед plt.show() строкой в ​​нашем скрипте.

Затем добавьте метки для осей прямо под plt.title строкой:

Если мы сохраним наш скрипт и запустим его снова, у нас должен быть обновленный сюжет, который будет более информативным. Наш обновленный сюжет должен выглядеть примерно так:

Шаг 5 — Настройка сюжета

Каждый набор данных, с которыми мы работаем, будет уникальным, и важно иметь возможность настраивать, как мы хотим отображать нашу информацию. Помните, что визуализация также является искусством, поэтому проявляйте творческий подход к ней! matplotlib включает в себя множество функций настройки, таких как разные цвета, символы точек и размер. В зависимости от наших потребностей, мы можем играть в разных масштабах, используя разные диапазоны для наших осей. Мы можем изменить параметры по умолчанию, обозначив новые диапазоны для осей, например:

Точки из первоначального сюжета выглядели немного маленькими, а синий цвет — это не тот цвет, который мы хотим. Возможно, нам нужны треугольники вместо кругов для наших очков. Если мы хотим изменить фактический цвет / размер / форму точек, мы должны внести эти изменения в первоначальный plt.scatter() вызов. Мы изменим следующие параметры:

  • s : размер точки, по умолчанию = 20
  • c : цвет, последовательность или последовательность цветов, по умолчанию = ‘b’
  • marker : символ точки, default = ‘o’

Возможные маркеры включают несколько различных форм, таких как алмазы, шестиугольники, звезды и т. Д. Выбор цвета включает, но не ограничивается, синий, зеленый, красный и пурпурный. Также можно предоставить шестнадцатеричную строку HTML для цвета. См. Документацию matplotlib для полных списков возможных маркеров и цветов .

Читать еще:  Почему доступно меньше оперативной памяти чем установлено?

Чтобы сделать наш график более удобным для чтения, давайте утроим размер точек ( s=60 ), изменим цвет на красный ( c=’r’ ) и изменим символ на треугольник ( marker=’^’ ). Мы изменим plt.scatter() функцию:

Прежде чем запускать наш обновленный скрипт, мы можем дважды проверить правильность нашего кода. Обновленный скрипт для настраиваемого графика должен выглядеть примерно так:

Не забудьте сохранить свой сценарий, прежде чем перейти к шагу 6.

Шаг 6 — Сохранение сюжета

Теперь, когда мы закончили наш код, давайте запустим его, чтобы увидеть наш новый настраиваемый сюжет.

Теперь откроется окно с отображением нашего сюжета

Затем сохраните график, нажав кнопку сохранения, которая является значком диска, расположенным на нижней панели инструментов. Имейте в виду, что изображение будет сохранено как PNG вместо интерактивного графика. У вас теперь есть собственный собственный график рассеяния, поздравляю!

Заключение

В этом уроке вы узнали, как строить данные с использованием matplotlib в Python. Теперь вы можете визуализировать данные и настраивать графики.

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.

Если у вас еще не установлен matplotlib, рекомендуем ознакомиться с руководством по установке, перед тем как продолжить.

Почему Matplotlib может быть сложным?

Изучение matplotlib временами может быть тяжелым процессом. Проблема не в нехватке документации (которая весьма обширная, между прочим). Сложности могут возникнуть со следующим:

  • Размер библиотеки огромный сам по себе, около 70 000 строк кода;
  • 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.)

Важной особенностью MATLAB является общий стиль. Концепция импорта Python сейчас широко используется в MATLAB, а большая часть функций MATLAB доступна пользователям высшего уровня.

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 *

Суть в том, что matplotlib забросили этот удобный модуль и рекомендуют не использовать pylab, подтверждая ключевое правило Python – явное лучше, чем неявное.

Без необходимости в использовании pylab, мы всегда можем обойтись всего одним каноничным импортом:

Как устанавливать пакеты в Python — с PIP и без

Прежде чем что-то устанавливать, давайте разберёмся, что такое пакет, чем он отличается от модуля, и как с ним работать. У слова «пакет» применительно к Python два значения.

C одной стороны, пакеты Python — это Py-приложения, дополнения или утилиты, которые можно установить из внешнего репозитория: Github, Bitbucket, Google Code или официального Python Package Index . На сервере пакеты хранятся в .zip и .tar архивах, либо в дополнительной упаковке — «яйцах» (.egg, старый формат) или «колесах» (.whl). В составе пакета, как правило, есть сценарий установки setup.py, который хранит сведения о зависимостях — других пакетах и модулях, без которых пакет работать не будет.

С другой стороны, если речь об архитектуре Python-приложения, пакет — это каталог, внутри которого файл __init__.py и, опционально, другие каталоги и файлы .py . Так большую Python-программу разбивают на пакеты и модули. Модуль — файл с исходным кодом, который можно использовать в других приложениях: как «заготовку» для будущих проектов или как часть библиотеки/фреймворка. Но к теме статьи это прямого отношения не имеет, поэтому дальше мы будем говорить только о пакетах из репозиториев.

Читать еще:  Долгое завершение установки Windows 7

Чтобы за секунды устанавливать пакеты со всеми зависимостями, используют менеджер пакетов pip или модуль easy_install . В большинстве случаев рекомендуется использовать pip. И только если у вас есть инфраструктура на пакетах .egg, которые pip не открывает, нужен easy_install.

Установка PIP для Python 3 и 2

Если вы используете виртуальные окружения на базе venv или virtualenv, pip уже установлен. Начиная с Python 3.4 (для Python 2 — с версии 2.7.9) pip поставляется вместе с интерпретатором. Для более ранних версий устанавливать менеджер пакетов нужно вручную. Вариантов два:

C помощью скрипта get_pip.py — быстро.

Через setuptools — кроме pip сможем использовать easy_install.

Вариант 1. Скачиваем скрипт get_pip.py и запускаем в консоли. Для этого открываем терминал через Win+R>»cmd»>OK и пишем:

Остальное установщик сделает сам: если нужно, попутно установит wheel (для распаковки .whl-колес) и setuptools. Чтобы запретить инсталляцию дополнительных инструментов, можно добавить в строку ключи —no-setuptools и/или —no-wheels.

Если возникает ошибка, путь к Python не прописан в переменной среды $PATH. Нужно либо найти эту переменную в системном реестре и задать её значение, либо каждый раз указывать полный путь до python.exe, а за ним уже имя исполняемого Py-файла:

Полный путь полезен и в том случае, если у вас на компьютере несколько версий Python и вы ставите пакет для одной из них.

Вариант 2. Скачиваем архив с setuptools из PYPI и распаковываем в отдельный каталог. В терминале переходим в директорию setuptools c файлом setup.py и пишем:

python setup.py install

Обновить pip для Python в Windows можно так:
python pip install -U pip

Если это не работает, нужно добавить путь к папке с pip в $PATH.

Установка пакета в pip

Пора запустить pip в Python и начать устанавливать пакеты короткой командой из консоли:

pip install имя_пакета

При установке в Windows, перед pip нужно добавить «python -m».

Обновить пакет не сложнее:

pip install имя_пакета -U

Если у вас последняя версия пакета, но вы хотите принудительно переустановить его:

pip install —force-reinstall

Посмотреть список установленных пакетов Python можно с помощью команды:

Найти конкретный пакет по имени можно командой «pip search». О других командах можно прочесть в справке, которая выдается по команде «pip help».

Удаление пакета Python

Когда пакет больше не нужен, пишем:

pip uninstall имя_пакета

Как установить пакеты в Python без pip

Формат .egg сейчас используют не часто, поэтому pip его не поддерживает. Модуль easy_install умеет устанавливать как .egg, так и обычные пакеты, но есть у него важные минусы:

он не удаляет пакеты,

он может пытаться установить недозагруженный пакет.

Использовать easy_install можно сразу после установки setuptools. Хранится модуль в папке Scripts вашего интерпретатора. Если у вас в $PATH верно прописан путь, ставить пакеты из PYPI можно короткой командой:

Для обновления после install и перед именем пакета нужно ставить ключ -U. Откатиться до нужной версии можно так:

Если нужно скачать пакет из альтернативного источника, вы можете задать URL или локальный адрес на компьютере:

Чтобы узнать об опциях easy_install, запустим его с ключом -h:

Список пакетов, установленных через easy_install, хранится в файле easy-install.pth в директории /libs/site-packages/ вашего Python.

К счастью, удалять установленные через easy_install пакеты можно с помощью pip. Если же его нет, потребуется удалить пакет вручную и стереть сведения о нем из easy-install.pth.

Теперь вы умеете ставить и удалять пакеты для вашей версии Python.

Кстати, для тех, кто изучает Python, мы подготовили список полезных и практичных советов.

Прежде чем что-то устанавливать, давайте разберёмся, что такое пакет, чем он отличается от модуля, и как с ним работать. У слова «пакет» применительно к Python два значения.

C одной стороны, пакеты Python — это Py-приложения, дополнения или утилиты, которые можно установить из внешнего репозитория: Github, Bitbucket, Google Code или официального Python Package Index . На сервере пакеты хранятся в .zip и .tar архивах, либо в дополнительной упаковке — «яйцах» (.egg, старый формат) или «колесах» (.whl). В составе пакета, как правило, есть сценарий установки setup.py, который хранит сведения о зависимостях — других пакетах и модулях, без которых пакет работать не будет.

С другой стороны, если речь об архитектуре Python-приложения, пакет — это каталог, внутри которого файл __init__.py и, опционально, другие каталоги и файлы .py . Так большую Python-программу разбивают на пакеты и модули. Модуль — файл с исходным кодом, который можно использовать в других приложениях: как «заготовку» для будущих проектов или как часть библиотеки/фреймворка. Но к теме статьи это прямого отношения не имеет, поэтому дальше мы будем говорить только о пакетах из репозиториев.

Чтобы за секунды устанавливать пакеты со всеми зависимостями, используют менеджер пакетов pip или модуль easy_install . В большинстве случаев рекомендуется использовать pip. И только если у вас есть инфраструктура на пакетах .egg, которые pip не открывает, нужен easy_install.

Установка PIP для Python 3 и 2

Если вы используете виртуальные окружения на базе venv или virtualenv, pip уже установлен. Начиная с Python 3.4 (для Python 2 — с версии 2.7.9) pip поставляется вместе с интерпретатором. Для более ранних версий устанавливать менеджер пакетов нужно вручную. Вариантов два:

C помощью скрипта get_pip.py — быстро.

Через setuptools — кроме pip сможем использовать easy_install.

Вариант 1. Скачиваем скрипт get_pip.py и запускаем в консоли. Для этого открываем терминал через Win+R>»cmd»>OK и пишем:

Остальное установщик сделает сам: если нужно, попутно установит wheel (для распаковки .whl-колес) и setuptools. Чтобы запретить инсталляцию дополнительных инструментов, можно добавить в строку ключи —no-setuptools и/или —no-wheels.

Если возникает ошибка, путь к Python не прописан в переменной среды $PATH. Нужно либо найти эту переменную в системном реестре и задать её значение, либо каждый раз указывать полный путь до python.exe, а за ним уже имя исполняемого Py-файла:

Полный путь полезен и в том случае, если у вас на компьютере несколько версий Python и вы ставите пакет для одной из них.

Вариант 2. Скачиваем архив с setuptools из PYPI и распаковываем в отдельный каталог. В терминале переходим в директорию setuptools c файлом setup.py и пишем:

python setup.py install

Обновить pip для Python в Windows можно так:
python pip install -U pip

Если это не работает, нужно добавить путь к папке с pip в $PATH.

Установка пакета в pip

Пора запустить pip в Python и начать устанавливать пакеты короткой командой из консоли:

Читать еще:  Введите ключ безопасности сети где его взять?

pip install имя_пакета

При установке в Windows, перед pip нужно добавить «python -m».

Обновить пакет не сложнее:

pip install имя_пакета -U

Если у вас последняя версия пакета, но вы хотите принудительно переустановить его:

pip install —force-reinstall

Посмотреть список установленных пакетов Python можно с помощью команды:

Найти конкретный пакет по имени можно командой «pip search». О других командах можно прочесть в справке, которая выдается по команде «pip help».

Удаление пакета Python

Когда пакет больше не нужен, пишем:

pip uninstall имя_пакета

Как установить пакеты в Python без pip

Формат .egg сейчас используют не часто, поэтому pip его не поддерживает. Модуль easy_install умеет устанавливать как .egg, так и обычные пакеты, но есть у него важные минусы:

он не удаляет пакеты,

он может пытаться установить недозагруженный пакет.

Использовать easy_install можно сразу после установки setuptools. Хранится модуль в папке Scripts вашего интерпретатора. Если у вас в $PATH верно прописан путь, ставить пакеты из PYPI можно короткой командой:

Для обновления после install и перед именем пакета нужно ставить ключ -U. Откатиться до нужной версии можно так:

Если нужно скачать пакет из альтернативного источника, вы можете задать URL или локальный адрес на компьютере:

Чтобы узнать об опциях easy_install, запустим его с ключом -h:

Список пакетов, установленных через easy_install, хранится в файле easy-install.pth в директории /libs/site-packages/ вашего Python.

К счастью, удалять установленные через easy_install пакеты можно с помощью pip. Если же его нет, потребуется удалить пакет вручную и стереть сведения о нем из easy-install.pth.

Теперь вы умеете ставить и удалять пакеты для вашей версии Python.

Кстати, для тех, кто изучает Python, мы подготовили список полезных и практичных советов.

Предложение от 8host.com

Визуализация данных Python 3 с помощью matplotlib

Python отлично подходит для обработки данных. Очень часто наборы данных содержат переменные и множество других компонентов, сложных для восприятия. В таком случае на помощь приходит визуализация данных.

Визуализация – быстрый и простой способ сделать сложные данные понятными. Визуализация часто является обязательной частью анализа.

Данное руководство научит вас пользоваться 2D-библиотекой matplotlib. Она позволяет генерировать высококачественные линейные графики, гистограммы, столбчатые диаграммы, графики рассеяния и многое другое. Каждый тип графика предлагает новые возможности визуализации данных.

В руководстве речь пойдёт о визуализации данных Python с помощью matplotlib. В нём рассматриваются такие вопросы:

  • Создание графика рассеяния;
  • Добавление заголовка и легенды диаграммы;
  • Пользовательская настройка графиков.

Требования

Для выполнения руководства нужно настроить локальную среду разработки. Все необходимые инструкции можно найти по ссылкам:

1: Импорт matplotlib

Сначала нужно убедиться, что модуль matplotlib установлен. Для этого введите в командную строку:

python -c «import matplotlib»

Если модуль matplotlib уже установлен, команда будет выполнена успешно. Это значит, вы можете приступать к работе. В противном случае команда вернёт ошибку:

Traceback (most recent call last): File » «, line 1, in ImportError: No module named ‘matplolib’

Это значит, вам нужно установить библиотеку с помощью pip:

pip install matplotlib

После этого нужно импортировать библиотеку в Python. Создайте сценарий (в руководстве он называется scatter.py) для импорта matplotlib. В руководстве будет использоваться только модуль pyplot; укажите это в сценарии:

import matplotlib.pyplot as plt

Чтобы ссылаться на модуль было удобнее, мы создали аббревиатуру plt.

2: Тестовые данные

Используйте сценарий scatter.py для создания тестовых данных. Для работы в 2D необходимы оси X и Y.

Предположим, владелец кофейни хочет установить отношение между среднестатистической погодой за год и общим количеством проданных чашек кофе со льдом. Пусть переменная X отображает общее количество чашек кофе со льдом за месяц, а Y – среднюю температуру за месяц (по Фаренгейту).

В сценарии Python создайте две переменные: X и Y. Каждый элемент в списке будет отображать данные за каждый месяц (с января по декабрь).

import matplotlib.pyplot as plt
X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]

3: Визуализация данных

Графики рассеяния отлично отображают отношения между двумя переменными. Чтобы создать график рассеяния с помощью matplotlib, используйте функцию scatter(). Функции необходимы два аргумента: значения координат X и Y.

import matplotlib.pyplot as plt
X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]
plt.scatter(X,Y)
plt.show()

Чтобы создаваемый график отображался, нужно указывать в сценарии plt.show().

Убедитесь, что сценарий работает. Сохраните и запустите его:

На экране должен появиться график.

4: Добавление меток и заголовков

Теперь мы знаем, что сценарий работает должным образом. Попробуйте добавить в сценарий заголовок.

Его нужно вставить перед plt.show():

import matplotlib.pyplot as plt
X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]
plt.scatter(X,Y)
plt.title(‘Relationship Between Temperature and Iced Coffee Sales’)
plt.show()

После plt.title добавьте метки для осей:

.
plt.xlabel(‘Cups of Iced Coffee Sold’)
plt.ylabel(‘Temperature in Fahrenheit’)
.

Сохраните и запустите сценарий. График станет более информативным.

5: Пользовательская настройка графика

При работе с уникальными наборами данных нужно кастомизировать график. Для этого библиотека matplotlib предлагает огромное множество функций, различные цвета, символы и т.п. Вы можете самостоятельно ознакомиться со всеми возможностями библиотеки. Для примера можно изменить параметры графика по умолчанию, назначив новые диапазоны осей:

import matplotlib.pyplot as plt
X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]
plt.scatter(X,Y)
plt.xlim(0,1000)
plt.ylim(0,100)
plt.title(‘Relationship Between Temperature and Iced Coffee Sales’)
plt.show()
.

Точки на графике маленькие, отмеченные синим цветом. Это не всегда удобно. Вместо кружков можно использовать треугольники. Чтобы изменить цвет, размер или форму, вызовите функцию plt.scatter(). Попробуйте изменить такие параметры:

  • s: размер точки, по умолчанию =20.
  • c: цвет, последовательность, по умолчанию b.
  • marker: форма, по умолчанию круг (о).

Точка графика может иметь форму шестиугольника, звёздочки, треугольника и т.д. Также доступны различные цвета: синий, зелёный, красный, пурпурный и т.д. Для настройки цвета в HTML можно использовать числа в шестнадцатеричном коде.

Примечание: Списки маркеров и цветов можно найти в документации matplotlib.

Чтобы график было проще читать, увеличьте размер точки в три раза (s=60), смените стандартный синий на красный цвет(c=’r’), а форму точки на треугольник (marker=’^’).

plt.scatter(X, Y, s=60, c=’red’, marker=’^’ )

Убедитесь, что код не содержит ошибок. После обновления сценарий выглядит так:

import matplotlib.pyplot as plt
X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]
#график рассеяния
plt.scatter(X, Y, s=60, c=’red’, marker=’^’)
#диапазон осей
plt.xlim(0,1000)
plt.ylim(0,100)
#заголовки
plt.title(‘Relationship Between Temperature and Iced Coffee Sales’)
#метки x и y
plt.xlabel(‘Cups of Iced Coffee Sold’)
plt.ylabel(‘Temperature in Fahrenheit’)
#отображение графика
plt.show()

6: Сохранение графика

Теперь запустите сценарий и просмотрите график с новыми настройками.

Чтобы сохранить график, нажмите кнопку save (значок диска, расположенный в нижней панели инструментов). Имейте в виду, что изображение будет сохранено в PNG.

Заключение

Теперь вы умеете визуализировать данные Python с помощью библиотеки matplotlib, устанавливать пользовательские настройки для графиков, добавлять заголовки.

Ссылка на основную публикацию
Adblock
detector