Introduktion til Matplotlib i Python
Matplotlib er et open source-bibliotek, der hjælper med grafisk plottning. Det blev oprindeligt skrevet af John D. Hunter, der tilfældigvis var en neurobiolog. Han var forfatter til Matplotlib på tidspunktet for sin postdoktorale forskning i neurobiologi. Formålet med dette bibliotek var at studere aktiviteterne, der forekommer i hjernebarken hos patienter, der lider af epilepsi ved at kortlægge disse aktiviteter i en graf. Det eneste formål med at plotte grafer var at forbedre visualiseringen og studere de almindelige mønstre i dem. Den første udgivelse af Matplotlib var i 2003. Over tid viste Matplotlib sig at være et af de mest udbredte planlægningsbiblioteker ved siden af Python-programmeringssprog til data og beregning af grafisk diagrammer. Den er platformuafhængig og kan køres på Windows, Mac OS og Linux.
Forståelse af Matplotlib i Python
Som et Python-bibliotek letter Matplotlib en med 2D-plotningskapaciteter til visualisering. Matplotlib bruges sammen med andre open-source biblioteker såsom
1. NumPy
Udtrykket "NumPy" står for Numerisk Python-udvidelse. Dette bibliotek giver flere matematiske funktioner til arbejde med større og multidimensionelle arrays og matrixer. Det kan også indeholde data om vilkårlige datatyper og kan let integreres med et antal databaser. For at bruge numpy i dit projekt skal du sørge for at importere. Importér f.eks. Numpy som npy.
2. SciPy
Det er bygget oven på NumPy-matrixen, det vil sige den underliggende datastruktur, der er en objektgruppe leveret af NumPy-modulet. Det giver funktionaliteter såsom billed- og signalbehandling, specialiserede funktioner i lineær algebra og interpolering. Man kan tilføje SciPy-modulet til deres projekt ved hjælp af sætningen: import sciPy som sp.
3. IPython
En forkortelse af udtrykket Interactive Python. Det er et forbedret interaktivt Python-shell, der understøtter matematiske udtryk, inline plot, osv. Det hjælper også med at integreres med SciPy-stackbiblioteker. Det leveres med en komplet opsætning, der gør interaktiv plotning lettere.
Hvordan gør man det nemt at arbejde med Matplotlib for Python-udviklere?
Som en pythonudvikler skal man gøre brug af Pyplot-modulet i matplotlib-biblioteket. Pyplot er en applikationsprogrammeringsgrænseflade, der består af funktioner / metoder, der hjælper med at behandle data til visualisering. Plottet er hurtigt, når det kommer til at generere visuelle grafer. Dens ligheder med Matlab gør det nemt at arbejde for personer, der har tidligere erfaring med at arbejde med MATLAB og vice versa.
Hvordan kan man arbejde med Pyplot i Matplotlib?
For at kunne få adgang til pyplot-metoder, skal man importere den i deres python-fil. Dette kan gøres ved at medtage nedenstående linje øverst i ens pythonfil:
import matplotlib.pyplot as myplt
Eksempel 1
import matplotlib.pyplot as myplt
myplt. plot((2, 4, 6, 8), (1, 2, 3, 4))
myplt. show()
I ovenstående eksempel indtaster plot-metoden koordinaterne på henholdsvis X- og Y-aksen og tegner en graf i overensstemmelse hermed. Plottet () -metoden kan også indtage et valgfrit tredje argument, der bestemmer farvestrengen og typen af linjeplottet. Som standard er det “-b”, der viser en blå linje. Andre metoder såsom xlabel () og ylabel () giver os mulighed for at navngive vores akser.
Eksempel 2
import matplotlib.pyplot as myplt
myplt. plot((2, 4, 6, 8), (1, 2, 3, 4))
myplt. xlabel('time in mins')
myplt. ylabel('distance in Kilo meters')
myplt. show()
Typer af plot i Matplotlib I Python
Matplotlib leverer en lang række metoder og funktioner til generering af forskellige typer grafer.
Lad os se på et par af dem: -
- Line plot : Dette er den enkleste af alle grafer. Plot () -metoden bruges til at plotte en linjegraf.
- Subplots : Funktionen subplot () bruges til at oprette disse. Meget nyttig, når der er behov for en sammenligning af de to grunde.
- Billeder : Matplotlib kan også oprette billeder ved hjælp af funktionen imshow ().
- Histogrammer : For at generere histogrammer kan man gøre brug af hist () -metoderne.
- Stier: Vilkårlige stier kan føjes til Matplotlib ved hjælp af modulet matplotlib.path.
- Søjlediagrammer : Funktionen søjle () bruges, når der tegnes søjlediagrammer. Man kan yderligere tilpasse søjlediagrammerne så horisontale eller lodrette som per ens krav ved hjælp af denne metode.
- Cirkeldiagrammer : Man skal bruge cirkeldiagrammetoden () til at generere cirkeldiagrammer. Yderligere funktioner tillader en at bruge skyggeeffekter på cirklen, mærke regionerne og bestemme den procentdel, den repræsenterer osv.
- Tabeller: Tabel () -funktionen lader en tilføje en tabel til systematisk datakategorisering.
- Scatter plot : For at generere en scatterplot bruges funktions scatter (). Man kunne også gøre brug af valgfri størrelse og farveargumentationer, som denne funktion har til rådighed.
- Fyldte kurver : Funktionen fyld () giver mulighed for at plotte fyldte kurver og polygoner.
- Logdiagrammer: Funktioner såsom semilogx (), semiologi () og loglog () gør det lettere at plotte grafer, der involverer logaritmefunktioner.
- Polære diagrammer : Til frembringelse af polære diagrammer bruges funktionen polær ().
- Datohåndtering: Matplotlib lader en nemt plotte tidsseriedata med ethvert besvær.
- Stream plot : Disse plot er beregnet til afbildning af vektor felter. Funktionen streamplot () bruges til at opnå dette.
Fordele ved Matplotlib i Python
- Få fordele ved Matplotlib er
- Enkelt og let at forstå for begyndere.
- Nemmere at bruge til folk, der har haft tidligere erfaring med Matlab eller andre grafiske plotteværktøjer.
- Det giver billeder og plot i høj kvalitet i forskellige formater såsom png, pdf, pgf osv.
- Giver kontrol til forskellige elementer i en figur, såsom DPI, figurfarve, figurstørrelse.
Hvordan vil denne teknologi hjælpe dig i din karrierevækst?
Med den stigende efterspørgsel efter dataanalyse og datavidenskab kræves der brug af værktøjer som matplotlib til at studere opførsel og mønster af data. Fra i dag dominerer Python branchen, når det kommer til datavidenskab og analyse. For en, der er bekendt med python, vil kendskab til biblioteker som matplotlib hjælpe en med at vokse professionelt.
Konklusion
I denne artikel har vi set, hvordan Matplotlib kom til, og forskellige andre biblioteker, det er almindeligt brugt sammen med. Det dækkede også et par af Matplotlibs velkendte funktioner til plottelse af forskellige grafer, og hvordan vi kan tilpasse disse grafer efter vores krav.
Anbefalet artikel
Dette har været en guide til Matplotlib In Python. Her diskuterer vi Introduktion til Matplotlib i Python og dens typer. Du kan også gennemgå vores andre foreslåede artikler for at lære mere -
- Fordele ved Python
- Python Frameworks
- Karrierer i Python
- Python-strengfunktioner
- 2D-grafik i Java
- Spredepladser i Matlab