Визуализация данных с Matplotlib | Программирование на Python | Практикум

Введение

Этот практикум предназначен для знакомства с основами визуализации данных с использованием Matplotlib. Matplotlib - это популярная библиотека для визуализации данных на Python, которая предоставляет широкий спектр возможностей для создания графиков, диаграмм и карт.

Советы по работе с ВМ

После запуска ВМ нажмите в верхнем левом 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.

Настройка

Прежде чем мы начнем, необходимо убедиться, что Matplotlib установлен. Его можно установить с помощью pip, выполнив следующую команду:

!pip install matplotlib

После установки необходимо импортировать библиотеку и настроить окружение:

import matplotlib.pyplot as plt
import numpy as np

## Fixing random state for reproducibility
np.random.seed(19680801)

## Create new Figure with black background
fig = plt.figure(figsize=(8, 8), facecolor='black')

## Add a subplot with no frame
ax = plt.subplot(frameon=False)

Генерация случайных данных

В этом шаге мы сгенерируем случайные данные, которые будем использовать для создания нашего графика.

## Generate random data
data = np.random.uniform(0, 1, (64, 75))
X = np.linspace(-1, 1, data.shape[-1])
G = 1.5 * np.exp(-4 * X ** 2)

Создание линейных графиков

Мы создадим линейные графики с использованием случайных данных, сгенерированных на предыдущем шаге.

## Generate line plots
lines = []
for i in range(len(data)):
    ## Small reduction of the X extents to get a cheap perspective effect
    xscale = 1 - i / 200.
    ## Same for linewidth (thicker strokes on bottom)
    lw = 1.5 - i / 100.0
    line, = ax.plot(xscale * X, i + G * data[i], color="w", lw=lw)
    lines.append(line)

Настройка пределов и удаление делений на осях

В этом шаге мы установим пределы по оси y и удалим деления на графике.

## Set y limit (or first line is cropped because of thickness)
ax.set_ylim(-1, 70)

## No ticks
ax.set_xticks([])
ax.set_yticks([])

Добавление заголовка

Мы добавим заголовок к нашему графику.

## 2 part titles to get different font weights
ax.text(0.5, 1.0, "MATPLOTLIB ", transform=ax.transAxes,
        ha="right", va="bottom", color="w",
        family="sans-serif", fontweight="light", fontsize=16)
ax.text(0.5, 1.0, "UNCHAINED", transform=ax.transAxes,
        ha="left", va="bottom", color="w",
        family="sans-serif", fontweight="bold", fontsize=16)

Анимация графика

Теперь мы анимируем график, сдвигая данные вправо и заполняя новые значения.

import matplotlib.animation as animation

def update(*args):
    ## Shift all data to the right
    data[:, 1:] = data[:, :-1]

    ## Fill-in new values
    data[:, 0] = np.random.uniform(0, 1, len(data))

    ## Update data
    for i in range(len(data)):
        lines[i].set_ydata(i + G * data[i])

    ## Return modified artists
    return lines

## Construct the animation, using the update function as the animation director.
anim = animation.FuncAnimation(fig, update, interval=10, save_count=100)
plt.show()

Резюме

В этом практическом занятии мы изучили основы визуализации данных с использованием Matplotlib. Мы сгенерировали случайные данные, создали линейные графики, установили пределы и удалили деления на осях, добавили заголовок и анимировали график. Это всего лишь основы, и Matplotlib предлагает много дополнительных возможностей для настройки и улучшения ваших визуализаций.

Визуализация данных с помощью Matplotlib