Présentation de la bibliothèque de MatplotLib de Python

La production de graphiques prêts pour la publication est crucial pour les chercheurs. Bien qu'il existe divers outils, obtenir des résultats visuellement attrayants peut être difficile. Ce tutoriel montre comment la bibliothèque matplotlib de Python simplifie ce processus, générant des chiffres de haute qualité avec un code minimal.

Comme l'indique le site Web matplotlib: "matplotlib est une bibliothèque de tracé Python 2D produisant des figures de qualité publication dans divers formats sur toutes les plateformes." Il est polyvalent, utilisable dans les scripts, les coquilles, les applications Web et diverses kits d'outils GUI.

Ce guide couvre matplotlib Installation et exemples de traçage de base. Pour des compétences de traitement des données Python plus profondes, envisagez d'explorer des cours en ligne pertinents (liens omis pour la concision).

Installation matplotlib

L'installation est simple. En utilisant pip (d'autres méthodes existent, voir la page d'installation matplotlib pour plus de détails):

curl -O https://bootstrap.pypa.io/get-pip.py
python get-pip.py
pip install matplotlib

Exemples de traçage de base

Nous utiliserons matplotlib.pyplot, offrant une interface de type Matlab.

1. Tracé de ligne

Envisagez de tracer les points: x = (4, 8, 13, 17, 20), y = (54, 67, 98, 78, 45).

import matplotlib.pyplot as plt
plt.plot([4, 8, 13, 17, 20], [54, 67, 98, 78, 45], 'g--d') # Green dashed line with diamond markers
plt.show()

Visualisons les précipitations moyennes de New York:

month = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
rainfall = [83, 81, 97, 104, 107, 91, 102, 102, 102, 79, 102, 91]
plt.plot(month, rainfall)
plt.xlabel("Month")
plt.ylabel("Rainfall (mm)")
plt.title("Average Rainfall in New York City")
plt.show()

2. Diagramme de diffusion

pour illustrer la relation entre deux ensembles de données:

x = [2, 4, 6, 7, 9, 13, 19, 26, 29, 31, 36, 40, 48, 51, 57, 67, 69, 71, 78, 88]
y = [54, 72, 43, 2, 8, 98, 109, 5, 35, 28, 48, 83, 94, 84, 73, 11, 464, 75, 200, 54]
plt.xlabel('x-axis')
plt.ylabel('y-axis')
plt.title('Scatter Plot')
plt.grid(True)
plt.scatter(x, y, c='green')
plt.show()

3. Histogramme

Les histogrammes visualisent la distribution de fréquence des données:

x = [2, 4, 6, 5, 42, 543, 5, 3, 73, 64, 42, 97, 63, 76, 63, 8, 73, 97, 23, 45, 56, 89, 45, 3, 23, 2, 5, 78, 23, 56, 67, 78, 8, 3, 78, 34, 67, 23, 324, 234, 43, 544, 54, 33, 223, 443, 444, 234, 76, 432, 233, 23, 232, 243, 222, 221, 254, 222, 276, 300, 353, 354, 387, 364, 309]
num_bins = 6
n, bins, patches = plt.hist(x, num_bins, facecolor='green')
plt.xlabel('X-Axis')
plt.ylabel('Y-Axis')
plt.title('Histogram')
plt.show()

Conclusion

matplotlib permet aux chercheurs de créer efficacement les graphiques visuellement attrayants et prêts pour la publication. Sa facilité d'utilisation et ses étendues options de personnalisation en font un outil précieux pour la visualisation des données. Explorez la documentation matplotlib et les exemples pour d'autres capacités.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!