Python nudi jednu od najpopularnijih biblioteka za crtanje tzv Matplotlib . To je open-source, cross-platforma za izradu 2D dijagrama iz podataka u nizu. Općenito se koristi za vizualizaciju podataka i predstavljanje kroz različite grafikone.
pripremiti se za test mockito
Matplotlib je izvorno osmislio John D. Hunter 2003. Najnovija verzija matplotliba je 2.2.0 objavljena u siječnju 2018.
Prije nego počnemo raditi s bibliotekom matplotlib, moramo instalirati u naše Python okruženje.
Instalacija Matplotliba
Upišite sljedeću naredbu u svoj terminal i pritisnite enter.
pip install matplotlib
Gornja naredba instalirat će biblioteku matplotlib i njezin paket ovisnosti na operacijski sustav Window.
Osnovni koncept Matplotliba
Graf sadrži sljedeće dijelove. Razumimo ove dijelove.
Lik: To je cjelovita figura koja može držati jednu ili više osi (crteža). Figuru možemo zamisliti kao platno koje sadrži zaplete.
Osovine: Figura može sadržavati nekoliko osi. Sastoji se od dva ili tri (u slučaju 3D) objekta osi. Svaka se osi sastoji od naslova, x-oznake i y-oznake.
Os: Osi su broj objekata nalik linijama i odgovorne su za generiranje granica grafikona.
Umjetnik: Umjetnik je sve što vidimo na grafikonu poput tekstualnih objekata, Line2D objekata i objekata zbirke. Većina umjetnika vezana je za Axes.
Uvod u pyplot
Matplotlib pruža paket pyplot koji se koristi za iscrtavanje grafikona danih podataka. The matplotlib.pyplot je skup funkcija stila naredbi koje čine da matplotlib radi kao MATLAB. Paket pyplot sadrži mnoge funkcije koje su se koristile za stvaranje figure, stvaranje područja za crtanje u slici, ukrašavanje crteža s oznakama, iscrtavanje nekih linija u području za crtanje itd.
Pomoću pyplot-a možemo brzo iscrtati grafikon. Pogledajmo sljedeći primjer.
Osnovni primjer crtanja grafa
Ovdje je osnovni primjer generiranja jednostavnog grafikona; program je sljedeći:
kako string pretvoriti u int
from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show()
Izlaz:
Iscrtavanje različitih vrsta grafikona
Možemo iscrtati različite grafikone pomoću modula pyplot. Razumimo sljedeće primjere.
1. Linijski grafikon
Linijski grafikon koristi se za prikaz informacija kao niz linija. Lako se iscrtava. Razmotrite sljedeći primjer.
nadjačavanje metode u Javi
Primjer -
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()
Izlaz:
Linija se može mijenjati pomoću različitih funkcija. To čini grafikon privlačnijim. Ispod je primjer.
Primjer -
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. Stupčasti grafikon
Stupčasti grafikon je jedan od najčešćih grafikona i koristi se za predstavljanje podataka povezanih s kategoričkim varijablama. The bar() funkcija prihvaća tri argumenta - kategoričke varijable, vrijednosti i boju.
Primjer -
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. Tortni dijagram
Grafikon je kružni grafikon koji je podijeljen na poddijele ili segmente. Koristi se za predstavljanje postotnih ili proporcionalnih podataka gdje svaki komad kolača predstavlja određenu kategoriju. Razumimo primjer u nastavku.
Primjer -
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()
Izlaz:
java metode
4. Histogram
Histogram i stupčasti grafikon prilično su slični, ali postoji manja razlika. Histogram se koristi za predstavljanje distribucije, a trakasti dijagram za usporedbu različitih entiteta. Histogram se općenito koristi za iscrtavanje učestalosti određenog broja vrijednosti u usporedbi sa skupom raspona vrijednosti.
U sljedećem primjeru uzeli smo podatke o različitim postocima rezultata učenika i iscrtali histogram s obzirom na broj učenika. Razumimo sljedeći primjer.
Primjer -
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()
Izlaz:
Razumimo još jedan primjer.
Primjer - 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()
Izlaz:
5. Dijagram raspršenosti
Dijagram raspršenosti koristi se za usporedbu varijable u odnosu na druge varijable. Definira se kao način na koji je jedna varijabla utjecala na drugu varijablu. Podaci su predstavljeni kao zbirka točaka. Razumimo sljedeći primjer.
Primjer -
java čita datoteku red po red
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()
Izlaz:
Primjer - 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()
Izlaz:
U ovom vodiču smo raspravljali o svim osnovnim vrstama grafikona koji se koriste u vizualizaciji podataka. Da biste saznali više o grafu, posjetite naš vodič za matplotlib.