Explication détaillée de la bibliothèque de dessins matplotlib en Python

La bibliothèque de dessins matplotlib de Python est un outil de visualisation de données très puissant. Il peut être utilisé pour dessiner différents types de graphiques, notamment des graphiques linéaires, des nuages ​​de points, des graphiques à barres, des histogrammes, des diagrammes circulaires, etc. En raison de sa facilité d'apprentissage et d'utilisation, ainsi que du support communautaire, matplotlib est devenu l'un des outils de visualisation standard de la communauté informatique scientifique Python. Cet article présentera en détail comment utiliser la bibliothèque de dessins matplotlib et comment dessiner des graphiques courants.

1. Les bases de Matplotlib

1. Importer Matplotlib

Avant d'utiliser matplotlib, vous devez d'abord l'importer. Généralement importé à l'aide du code suivant :

import matplotlib.pyplot as plt

où plt est un nom conventionnel utilisé pour simplifier l'utilisation de matplotlib.

2. Fenêtre de dessin

Avant de dessiner des graphiques, vous devez créer une fenêtre de dessin. Vous pouvez utiliser le code suivant pour créer la fenêtre de dessin la plus simple :

plt.figure()

Lorsqu'aucun paramètre n'est passé, une fenêtre d'une taille de (8, 6) pouces est créée par défaut.

3. Dessiner des graphiques

Après avoir créé la fenêtre de dessin, vous pouvez commencer à dessiner des graphiques. Par exemple, pour tracer une simple ligne droite, vous pouvez utiliser le code suivant :

import numpy as np

x = np.array([0, 1, 2, 3, 4])
y = np.array([0, 1, 2, 3, 4])

plt.plot(x, y)
plt.show()

où np est un alias de la bibliothèque NumPy utilisée pour générer des données sur les axes x et y. La fonction plot est utilisée pour tracer des lignes droites et la fonction show est utilisée pour afficher des graphiques. Après avoir exécuté ce code, une fenêtre de dessin apparaîtra et affichera la ligne droite.

2. Méthodes de dessin de graphiques courants

1. Graphique linéaire

Le graphique linéaire est une méthode utilisée pour dessiner des graphiques continus Graphique des données. Il peut être tracé à l'aide de la fonction plot. Par exemple, le code suivant dessinera une courbe de fonction sinusoïdale :

x = np.arange(0, 10, 0.1)
y = np.sin(x)

plt.plot(x, y)
plt.show()

où x va de 0 à 10 avec un pas de 0,1, et y est la valeur de la fonction sinusoïdale correspondante.

2. Nuage de points

Un nuage de points est utilisé pour tracer la relation entre deux variables, telles que les coordonnées X et Y. Vous pouvez utiliser la fonction scatter pour dessiner. Par exemple, le code suivant créera un nuage de points de données aléatoires :

x = np.random.rand(50)
y = np.random.rand(50)

plt.scatter(x, y)
plt.show()

où x et y sont tous deux des nombres aléatoires de longueur 50.

3. Le graphique à barres

Le graphique à barres est utilisé pour comparer les valeurs numériques dans diverses catégories. Il peut être dessiné à l'aide de la fonction barre. Par exemple, le code suivant dessinera un histogramme simple :

x = ["A", "B", "C", "D", "E"]
y = [10, 5, 8, 12, 7]

plt.bar(x, y)
plt.show()

où x est la catégorie et y est la taille numérique sous chaque catégorie.

4. Histogram

L'histogramme est utilisé pour montrer la distribution d'un ensemble de données. Vous pouvez utiliser la fonction hist pour dessiner. Par exemple, le code suivant tracera un histogramme de données aléatoires :

x = np.random.randn(1000)

plt.hist(x)
plt.show()

où x est un nombre aléatoire de longueur 1000.

5. camembert

Le camembert est utilisé pour montrer la proportion de différentes catégories. Vous pouvez utiliser la fonction tarte pour dessiner. Par exemple, le code suivant dessinera un simple diagramme circulaire :

labels = ["A", "B", "C", "D", "E"]
sizes = [15, 30, 45, 10, 5]

plt.pie(sizes, labels=labels)
plt.show()

où tailles est la taille de chaque catégorie et étiquettes est le nom de chaque catégorie.

3. Matplotlib avancé

1. Réglage des axes

Utilisez les fonctions xlabel, ylabel et title pour définir l'horizontale axis Axe, axe vertical et titre du graphique :

plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("Title")
plt.plot(x, y)
plt.show()

2. Réglage de la légende

Utilisez la fonction de légende pour définir la légende afin de distinguer différents ensembles de données :

x1 = np.arange(0, 10, 0.1)
y1 = np.sin(x1)

x2 = np.arange(0, 10, 0.1)
y2 = np.cos(x2)

plt.plot(x1, y1, label="sin")
plt.plot(x2, y2, label="cos")
plt.legend()
plt.show()

Parmi eux, le paramètre label est utilisé pour distinguer différents ensembles de données, et la fonction légende est utilisée pour afficher la légende.

3. Paramètres de style de formatage

Vous pouvez utiliser le paramètre fmt pour définir le style de la ligne, tel que la couleur, la forme et la largeur de la ligne :

plt.plot(x, y, "r--", linewidth=2)
plt.show()

Parmi eux, r-- représente la ligne pointillée rouge, et le paramètre linewidth est utilisé pour définir la largeur de la ligne.

4. Paramètres de sous-intrigue

Vous pouvez utiliser la fonction de sous-intrigue pour dessiner plusieurs sous-intrigues :

plt.subplot(2, 2, 1)
plt.plot(x, y)

plt.subplot(2, 2, 2)
plt.scatter(x, y)

plt.subplot(2, 2, 3)
plt.bar(x, y)

plt.subplot(2, 2, 4)
plt.hist(x)

plt.show()

Parmi eux, le La fonction subplot accepte 3 paramètres, représentant respectivement le nombre de lignes, de colonnes et le numéro de série de la sous-image.

5. Enregistrer les graphiques

Utilisez la fonction savefig pour enregistrer les graphiques sous forme de fichiers :

plt.plot(x, y)
plt.savefig("figure.png")

où le paramètre représente le nom et chemin du fichier.

Conclusion

Cet article présente l'utilisation de base de la bibliothèque de dessins matplotlib et les méthodes de dessin de graphiques courants, ainsi que certaines techniques avancées. En tant qu'élément indispensable du calcul scientifique Python, l'apprentissage de la bibliothèque de dessins matplotlib vous aidera à mieux effectuer la visualisation et l'analyse des données.

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!