Введение в библиотеку Matplotlib для визуализации данных на Python

Matplotlib — это одна из самых популярных библиотек для создания статических, анимационных и интерактивных графиков в Python. Она позволяет легко визуализировать данные, что является важным этапом анализа и представления информации. В этой статье мы рассмотрим основные возможности Matplotlib и покажем, как создать простые графики.

Установка Matplotlib

Чтобы установить Matplotlib, выполните следующую команду в терминале или командной строке:

pip install matplotlib

Импорт библиотеки

Первый шаг к использованию Matplotlib — импортировать необходимые модули.

import matplotlib.pyplot as plt

Простая линейная диаграмма

Давайте начнем с создания простой линейной диаграммы.

import matplotlib.pyplot as plt

# Данные для графика

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

y = [2, 3, 5, 7, 11]

# Создание графика

plt.plot(x, y)

# Добавление заголовка и меток осей

plt.title('Простая линейная диаграмма')

plt.xlabel('X-ось')

plt.ylabel('Y-ось')

# Показать график

plt.show()

Простая линейная диаграмма (кривая, показывающая зависимость y от x).

Построение нескольких графиков

Вы можете создавать несколько графиков на одном изображении, используя subplot.

import matplotlib.pyplot as plt

# Данные для графика

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

y = [2, 3, 5, 7, 11]

# Создание фигуры с двумя под графиками

plt.figure(figsize=(10, 5))

# Первый график

plt.subplot(1, 2, 1) # (строки, столбцы, индекс)

plt.plot(x, y, color='blue', marker='o')

plt.title('График 1')

plt.xlabel('X-ось')

plt.ylabel('Y-ось')

# Второй график

plt.subplot(1, 2, 2)

plt.bar(x, y, color='#ffce52')

#ffce52 - Шестнадцатеричный код цвета

plt.title('График 2')

plt.xlabel('X-ось')

plt.ylabel('Y-ось')

# Показать график

plt.tight_layout() # Автоматически настроит расстояния между графиками

plt.show()

Сравнительный график с линейным графиком слева и столбчатой диаграммой справа.

Гистограмма

Гистограммы позволяют визуализировать распределение данных.

import matplotlib.pyplot as plt
from random import random
# Генерация случайных данных в пределах 0.0 <= X < 1.0
data = [random() for _ in range(1000)]
# Построение гистограммы
plt.hist(data, bins=30, color='green', alpha=0.7)
plt.title('Гистограмма случайных данных')
plt.xlabel('Значение')
plt.ylabel('Частота')
# Показать график
plt.show()

Гистограмма, отображающая распределение случайных данных.

Сохранение графика

Вы можете сохранить график в файл, используя метод savefig.

import matplotlib.pyplot as plt
# Данные для графика
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Сохранение графика
plt.plot(x, y)
plt.title('Сохранение графика')
plt.xlabel('X-ось')
plt.ylabel('Y-ось')
plt.savefig('plot.png') # Сохранение в формате PNG
plt.close() # Закрываем текущее окно графика

Пример сохраненного графика (файл plot.png), который можно открыть в любой программе для просмотра изображений.

Заключение

Matplotlib — это мощный инструмент для визуализации данных в Python. Он предоставляет широкий спектр возможностей для создания различных типов графиков и их настройки. Мы лишь коснулись основ, но Matplotlib также поддерживает сложные визуализации и может быть интегрирован с другими библиотеками, такими как NumPy и Pandas.

Если у вас есть вопросы или интересные идеи для следующих статей, делитесь ими в комментариях!