Введение
В этом практическом занятии мы научимся использовать Matplotlib для создания визуализаций на Python. Matplotlib - это мощная библиотека для визуализации данных, которая обычно используется для создания графиков, диаграмм и карт. Мы изучим различные виды графиков, доступных в Matplotlib, и научимся настраивать их, чтобы создать профессионально выглядящие визуализации.
Советы по работе с ВМ
После запуска виртуальной машины кликните в левом верхнем углу, чтобы переключиться на вкладку Notebook и получить доступ к Jupyter Notebook для практики.
Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook не загрузится полностью. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.
Если вы сталкиваетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.
Импорт библиотек
Первым шагом является импорт необходимых библиотек. В этом уроке мы будем использовать NumPy и Matplotlib. NumPy - это библиотека для численного вычисления, а Matplotlib - библиотека для визуализации данных.
import numpy as np
import matplotlib.pyplot as plt
Создание данных
Далее мы создадим некоторые данные, которые будем использовать в наших графиках. В этом уроке мы создадим простой линейный график.
## Create the data
x = np.linspace(0, 10, 100)
y = np.sin(x)
## Plot the data
plt.plot(x, y)
plt.show()
Настройка графика
Теперь, когда мы создали базовый график, давайте настроим его, чтобы он был более нагляден. Мы можем добавить заголовок, метки осей и изменить цвет и стиль линии.
## Add title and axis labels
plt.title('Sin Wave')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
## Change color and style of line
plt.plot(x, y, color='red', linestyle='dashed')
plt.show()
Создание точечного графика
Кроме линейных графиков, Matplotlib также позволяет нам создавать точечные графики. Точечные графики полезны для визуализации взаимосвязи между двумя переменными.
## Create the data
x = np.random.rand(50)
y = np.random.rand(50)
## Create the scatter plot
plt.scatter(x, y)
## Add title and axis labels
plt.title('Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()
Создание столбчатой диаграммы
Еще один распространенный тип графика - это столбчатая диаграмма. Столбчатые диаграммы полезны для сравнения значений различных категорий.
## Create the data
x = ['A', 'B', 'C', 'D', 'E']
y = [3, 7, 1, 9, 4]
## Create the bar chart
plt.bar(x, y)
## Add title and axis labels
plt.title('Bar Chart')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()
Резюме
В этом практическом занятии мы узнали, как использовать Matplotlib для создания различных типов графиков, включая линейные графики, точечные графики и столбчатые диаграммы. Мы также узнали, как настраивать наши графики, добавляя заголовки, метки осей и изменяя цвет и стиль линий. Matplotlib - это мощная библиотека для визуализации данных и является важным инструментом для любого, кто работает с данными в Python.