Cette série vous présentera la création graphique en Python avec Matplotlib, qui est sans doute la bibliothèque de graphiques et de visualisation de données la plus populaire pour Python .
Installation
Le moyen le plus simple d'installer matplotlib est d'utiliser pip. Tapez la commande suivante dans le terminal :
pip install matplotlib>
OU, vous pouvez le télécharger depuis ici et installez-le manuellement.
Il existe différentes manières de procéder en Python. nous discutons ici de certaines méthodes généralement utilisées pour tracer matplotlib en Python. ce sont les suivants.
- Tracer une ligne
- Tracer deux lignes ou plus sur le même tracé
- Personnalisation des parcelles
- Tracer un graphique à barres Matplotlib
- Tracer l'histogramme Matplotlib
- Tracer Matplotlib Nuage de points
- Tracer un diagramme circulaire Matplotlib
- Traçage des courbes d'une équation donnée
Tracer une ligne
Dans cet exemple, le code utilise Matplotlib pour créer un tracé linéaire simple. Il définit les valeurs x et y pour les points de données, les trace à l'aide de ` plt.plot() `, et étiquette les axes x et y avec `plt.xlabel()` et `plt.ylabel()`. L'intrigue s'intitule Mon premier graphique ! en utilisant `plt.title()`. Enfin, le ` plt.show() La fonction ` est utilisée pour afficher le graphique avec les données spécifiées, les étiquettes des axes et le titre.
Python
# importing the required module> import> matplotlib.pyplot as plt> # x axis values> x>=> [>1>,>2>,>3>]> # corresponding y axis values> y>=> [>2>,>4>,>1>]> # plotting the points> plt.plot(x, y)> # naming the x axis> plt.xlabel(>'x - axis'>)> # naming the y axis> plt.ylabel(>'y - axis'>)> # giving a title to my graph> plt.title(>'My first graph!'>)> # function to show the plot> plt.show()> |
>
>
Sortir:
Tracer deux lignes ou plus sur le même tracé
Dans cet exemple, le code utilise Matplotlib pour créer un graphique avec deux lignes. Il définit deux ensembles de valeurs x et y pour chaque ligne et les trace à l'aide de `plt.plot()`. Les lignes sont étiquetées comme ligne 1 et ligne 2 avec le paramètre `label`. Les axes sont étiquetés avec `plt.xlabel()` et `plt.ylabel()`, et le graphique est intitulé Deux lignes sur le même graphique ! avec `plt.title()`. La légende est affichée en utilisant ` plt.legend() `, et la fonction `plt.show()` est utilisée pour visualiser le graphique avec des lignes et des étiquettes.
Python
qu'est-ce que la soumission d'annuaire
import> matplotlib.pyplot as plt> # line 1 points> x1>=> [>1>,>2>,>3>]> y1>=> [>2>,>4>,>1>]> # plotting the line 1 points> plt.plot(x1, y1, label>=> 'line 1'>)> # line 2 points> x2>=> [>1>,>2>,>3>]> y2>=> [>4>,>1>,>3>]> # plotting the line 2 points> plt.plot(x2, y2, label>=> 'line 2'>)> # naming the x axis> plt.xlabel(>'x - axis'>)> # naming the y axis> plt.ylabel(>'y - axis'>)> # giving a title to my graph> plt.title(>'Two lines on same graph!'>)> # show a legend on the plot> plt.legend()> # function to show the plot> plt.show()> |
>
>
Sortir:
Personnalisation des parcelles
Dans cet exemple, le code utilise Matplotlib pour créer un tracé linéaire personnalisé. Il définit les valeurs x et y et le tracé est stylé avec une ligne pointillée verte, un marqueur circulaire bleu pour chaque point et une taille de marqueur de 12. Les limites de l'axe y sont définies sur 1 et 8, et l'axe x les limites sont fixées à 1 et 8 en utilisant `plt.ylim()` et `plt.xlim()`. Les axes sont étiquetés avec `plt.xlabel()` et `plt.ylabel()`, et le graphique est intitulé Quelques personnalisations sympas ! avec `plt.title()`.
Python
import> matplotlib.pyplot as plt> # x axis values> x>=> [>1>,>2>,>3>,>4>,>5>,>6>]> # corresponding y axis values> y>=> [>2>,>4>,>1>,>5>,>2>,>6>]> # plotting the points> plt.plot(x, y, color>=>'green'>, linestyle>=>'dashed'>, linewidth>=> 3>,> >marker>=>'o'>, markerfacecolor>=>'blue'>, markersize>=>12>)> # setting x and y axis range> plt.ylim(>1>,>8>)> plt.xlim(>1>,>8>)> # naming the x axis> plt.xlabel(>'x - axis'>)> # naming the y axis> plt.ylabel(>'y - axis'>)> # giving a title to my graph> plt.title(>'Some cool customizations!'>)> # function to show the plot> plt.show()> |
>
>
Sortir:
Tracer Matplotlib Utiliser un graphique à barres
Dans cet exemple, le code utilise Matplotlib pour créer un graphique à barres. Il définit les coordonnées x (`left`), les hauteurs des barres (`height`) et les étiquettes des barres (`tick_label`). La fonction `plt.bar()` est ensuite utilisée pour tracer le graphique à barres avec des paramètres spécifiés tels que la largeur des barres, les couleurs et les étiquettes. Les axes sont étiquetés par `plt.xlabel()` et `plt.ylabel()`, et le graphique est intitulé Mon graphique à barres ! en utilisant `plt.title()`.
Python
import> matplotlib.pyplot as plt> # x-coordinates of left sides of bars> left>=> [>1>,>2>,>3>,>4>,>5>]> # heights of bars> height>=> [>10>,>24>,>36>,>40>,>5>]> # labels for bars> tick_label>=> [>'one'>,>'two'>,>'three'>,>'four'>,>'five'>]> # plotting a bar chart> plt.bar(left, height, tick_label>=> tick_label,> >width>=> 0.8>, color>=> [>'red'>,>'green'>])> # naming the x-axis> plt.xlabel(>'x - axis'>)> # naming the y-axis> plt.ylabel(>'y - axis'>)> # plot title> plt.title(>'My bar chart!'>)> # function to show the plot> plt.show()> |
Diana Ankudinova
>
>
Sortir :
Tracer Matplotlib Utiliser l'histogramme
Dans cet exemple, le code utilise Matplotlib pour créer un histogramme. Il définit une liste de fréquences d'âge (ages>), définit la plage de valeurs de 0 à 100 et spécifie le nombre de groupes sur 10. Leplt.hist()>La fonction est ensuite utilisée pour tracer l'histogramme avec les données et le formatage fournis, y compris la couleur, le type d'histogramme et la largeur de la barre. Les axes sont étiquetés avecplt.xlabel()>etplt.ylabel()>, et le graphique est intitulé Mon histogramme utilisantplt.title()>.
Python
import> matplotlib.pyplot as plt> # frequencies> ages>=> [>2>,>5>,>70>,>40>,>30>,>45>,>50>,>45>,>43>,>40>,>44>,> >60>,>7>,>13>,>57>,>18>,>90>,>77>,>32>,>21>,>20>,>40>]> # setting the ranges and no. of intervals> range> => (>0>,>100>)> bins>=> 10> # plotting a histogram> plt.hist(ages, bins,>range>, color>=> 'green'>,> >histtype>=> 'bar'>, rwidth>=> 0.8>)> # x-axis label> plt.xlabel(>'age'>)> # frequency label> plt.ylabel(>'No. of people'>)> # plot title> plt.title(>'My histogram'>)> # function to show the plot> plt.show()> |
>
>
c
Sortir:
Tracer Matplotlib Utilisation du nuage de points
Dans cet exemple, le code utilise Matplotlib pour créer un nuage de points. Il définit les valeurs x et y et les trace sous forme de points de dispersion avec des astérisques verts (`*`) de taille 30. Les axes sont étiquetés avec `plt.xlabel()` et `plt.ylabel()`, et le tracé est intitulé Mon nuage de points ! en utilisant `plt.title()`. La légende est affichée avec les étoiles d'étiquette en utilisant `plt.legend()`, et le nuage de points résultant est affiché en utilisant `plt.show()`.
Python
import> matplotlib.pyplot as plt> # x-axis values> x>=> [>1>,>2>,>3>,>4>,>5>,>6>,>7>,>8>,>9>,>10>]> # y-axis values> y>=> [>2>,>4>,>5>,>7>,>6>,>8>,>9>,>11>,>12>,>12>]> # plotting points as a scatter plot> plt.scatter(x, y, label>=> 'stars'>, color>=> 'green'>,> >marker>=> '*'>, s>=>30>)> # x-axis label> plt.xlabel(>'x - axis'>)> # frequency label> plt.ylabel(>'y - axis'>)> # plot title> plt.title(>'My scatter plot!'>)> # showing legend> plt.legend()> # function to show the plot> plt.show()> |
>
>
Sortir:
Tracer Matplotlib Utiliser un diagramme circulaire
Dans cet exemple, le code utilise Matplotlib pour créer un diagramme circulaire. Il définit des étiquettes pour différentes activités (« activités »), la partie couverte par chaque étiquette (« tranches ») et des couleurs pour chaque étiquette (« couleurs »). La fonction `plt.pie()` est ensuite utilisée pour tracer le diagramme circulaire avec diverses options de formatage, notamment l'angle de départ, l'ombre, l'explosion pour une tranche spécifique, le rayon et l'autopct pour l'affichage du pourcentage. La légende est ajoutée avec `plt.legend()` et le diagramme circulaire résultant est affiché à l'aide de `plt.show()`.
Python
la chaîne contient Java
import> matplotlib.pyplot as plt> # defining labels> activities>=> [>'eat'>,>'sleep'>,>'work'>,>'play'>]> # portion covered by each label> slices>=> [>3>,>7>,>8>,>6>]> # color for each label> colors>=> [>'r'>,>'y'>,>'g'>,>'b'>]> # plotting the pie chart> plt.pie(slices, labels>=> activities, colors>=>colors,> >startangle>=>90>, shadow>=> True>, explode>=> (>0>,>0>,>0.1>,>0>),> >radius>=> 1.2>, autopct>=> '%1.1f%%'>)> # plotting legend> plt.legend()> # showing the plot> plt.show()> |
>
>
Le résultat du programme ci-dessus ressemble à ceci :
Traçage des courbes d'une équation donnée
Dans cet exemple, le code utilise Matplotlib et NumPy pour créer un tracé sinusoïdal. Il génère des coordonnées x de 0 à 2π par incréments de 0,1 en utilisant `np.arange()` et calcule les coordonnées y correspondantes en prenant le sinus de chaque valeur x en utilisant `np.sin()`. Les points sont ensuite tracés à l'aide de `plt.plot()`, ce qui donne une onde sinusoïdale. Enfin, la fonction `plt.show()` est utilisée pour afficher le tracé de l'onde sinusoïdale.
Python
# importing the required modules> import> matplotlib.pyplot as plt> import> numpy as np> # setting the x - coordinates> x>=> np.arange(>0>,>2>*>(np.pi),>0.1>)> # setting the corresponding y - coordinates> y>=> np.sin(x)> # plotting the points> plt.plot(x, y)> # function to show the plot> plt.show()> |
>
>
Sortir:
Ainsi, dans cette partie, nous avons discuté des différents types de tracés que nous pouvons créer dans matplotlib. Il y a d’autres intrigues qui n’ont pas été couvertes, mais les plus importantes sont discutées ici –
- Traçage de graphiques en Python | Ensemble 2
- Traçage de graphiques en Python | Ensemble 3
Si vous aimez techcodeview.com et souhaitez contribuer, vous pouvez également écrire un article en utilisant write.techcodeview.com ou envoyer votre article à [email protected]
Veuillez écrire des commentaires si vous trouvez quelque chose d'incorrect ou si vous souhaitez partager plus d'informations sur le sujet abordé ci-dessus.