Найти тему
Working with data

Искусство визуализации: графики, диаграммы за 1 минуту с помощью matplotlib в Python

Оглавление

Введение

Многочисленные исследования показали, что наше восприятие информации визуально наиболее эффективно. Информация, представленная в виде графиков, может быть более понятной и запоминающейся, чем простое перечисление фактов или числовых данных. В этом материале мы рассмотрим самые распространенные виды графиков, которые могут быть созданы с помощью библиотеки matplotlib в Python.

Установка matplotlib

Прежде чем приступить к созданию графиков, необходимо установить библиотеку matplotlib с помощью командной строки. Для установки воспользуйтесь командой `pip install matplotlib`. После успешной установки, вы будете готовы создавать удивительные графики в Python.

1. Линейный график

Одним из самых основных видов графиков является график линии. Он наглядно показывает изменение одной или нескольких переменных со временем. Для создания графика линии мы используем функцию `plot()` в библиотеке matplotlib.

Функция `plot()` принимает аргументы `x` и `y`, которые представляют собой списки значений по осям X и Y соответственно. Также вы можете настраивать заголовок, подписи осей, добавлять сетку и т.д.

Пример кода:

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]

y = [10, 15, 7, 12, 9]

plt.plot(x, y)

plt.title("Пример графика линии")

plt.xlabel("Ось X")

plt.ylabel("Ось Y")

plt.show() #отвечает за вывод графика на экран

-2

2. Гистограмма

Гистограмма является другим популярным способом представления данных. Она показывает распределение частоты или вероятности значений в каком-либо числовом интервале. Для создания гистограммы мы используем функцию `hist()` в библиотеке matplotlib.

Функция `hist()` принимает аргументы `data`, представляющий собой список значений для построения гистограммы, и `bins`, определяющий количество столбцов на графике.

Пример кода:

import matplotlib.pyplot as plt

data = [1, 1, 2, 2, 2, 3, 3, 4, 4, 5, 5, 5, 5, 5]

plt.hist(data, bins=5, edgecolor='black')

#edgecolor используется для установки цвета края прямоугольника

plt.title("Пример гистограммы")

plt.xlabel("Значение")

plt.ylabel("Частота")

plt.show()

-3

3. Столбчатая диаграмма

Столбчатая диаграмма используется для отображения категориальных данных и показывает относительные значения различных категорий. За создание столбчатой диаграммы отвечает функция bar().

Функция bar() принимает аргументы x и height, которые представляют собой списки или массивы значений по оси X и высоту каждого столбца соответственно.

Пример кода:

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]

y = [10, 15, 7, 12, 9]

plt.bar(x, y)

plt.title("Пример столбчатой диаграммы")

plt.xlabel("Ось X")

plt.ylabel("Ось Y")

plt.show()

-4

4. Точечная диаграмма

Точечная диаграмма - это график, который показывает корреляцию между двумя наборами данных. Он используется для определения взаимосвязи исследуемых переменных. Для создания диаграммы рассеяния мы используем функцию `scatter()` в библиотеке matplotlib.

Функция scatter()принимает аргументы x и y, представляющие собой списки или массивы значений для осей X и Y соответственно. Цвет и размер каждой точки могут быть настроены через дополнительные параметры функции scatter().

Пример кода:

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]

y = [10, 15, 7, 12, 9]

plt.scatter(x, y)

plt.title("Пример диаграммы рассеяния")

plt.xlabel("Ось X")

plt.ylabel("Ось Y")

plt.show()

-5

5. Круговая диаграмма

Круговая диаграмма используется для отображения соотношения частей в целом. В Matplotlib круговая диаграмма создается с помощью функции `pie()`.

Функция `pie()` принимает аргументы `sizes`, представляющий собой список долей каждой категории, и `labels` - список меток для каждой категории.

Пример кода:

import matplotlib.pyplot as plt

sizes = [30, 25, 20, 15, 10]

labels = ['Фрукты', 'Овощи', 'Мясо', 'Рыба', 'Молочные продукты']

plt.pie(sizes, labels=labels)

plt.title('Круговая диаграмма')

plt.show()

-6

Заключение

Использование библиотеки matplotlib позволяет создавать высококачественные графики и визуализации данных в Python. Знание основных видов графиков, рассмотренных в данной статье, позволит вам эффективно использовать эту библиотеку для визуализации ваших собственных данных.

Не забудьте подписаться на канал, чтобы не пропустить много интересного и полезного контента, посвящённого работе с данными!

Наука
7 млн интересуются