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. 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. 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. 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. 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()
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!