Erste Schritte mit Matplotlib: ein kurzes Tutorial

Schneller Einstieg in Matplotlib: ein prägnantes Tutorial

Matplotlib ist eine bekannte Python-Datenvisualisierungsbibliothek, die eine Fülle von Zeichenwerkzeugen bietet und in der Datenanalyse, im wissenschaftlichen Rechnen, im technischen Zeichnen und in anderen Bereichen weit verbreitet ist. In diesem Artikel wird erläutert, wie Sie schnell mit Matplotlib beginnen können, und es werden einige spezifische Codebeispiele bereitgestellt.

1. Matplotlib installieren
Bevor wir beginnen, müssen wir zunächst die Matplotlib-Bibliothek installieren. Es kann über den Befehl pip installiert werden:

pip install matplotlib

2. Grundlegende Zeichenfunktionen
2.1 Liniendiagramm
Liniendiagramm ist die am häufigsten verwendete Methode zur Datenvisualisierung, mit der Trendänderungen von Daten angezeigt werden können.

Das Folgende ist ein einfaches Beispiel, das den jährlichen Niederschlag an einem bestimmten Ort zeigt:

import matplotlib.pyplot as plt

years = [2015, 2016, 2017, 2018, 2019, 2020]
rainfall = [800, 900, 850, 1000, 950, 1100]

plt.plot(years, rainfall, marker='o', linestyle='--', color='blue')
plt.xlabel('Year')
plt.ylabel('Rainfall (mm)')
plt.title('Annual Rainfall')
plt.show()

In diesem Beispiel definieren wir zunächst zwei Listen, Jahre und Niederschlag, die den jährlichen bzw. jährlichen Niederschlag darstellen. Anschließend wird das Liniendiagramm über die Funktion plt.plot() gezeichnet und der Stil und die Farbe der Linie angegeben. Schließlich werden die horizontalen und vertikalen Achsenbeschriftungen sowie der Titel des Diagramms über die Funktionen plt.xlabel(), plt.ylabel() und plt.title() festgelegt und das Diagramm wird über die Funktion plt.show() angezeigt .

2.2 Streudiagramm
Das Streudiagramm kann verwendet werden, um die Beziehung zwischen zwei Variablen darzustellen und das Verteilungsmuster zwischen ihnen zu beobachten.

Das Folgende ist ein einfaches Beispiel, das die Beziehung zwischen dem Gewicht und der Größe eines Schülers zeigt:

import matplotlib.pyplot as plt

weight = [50, 55, 60, 65, 70, 75]
height = [150, 160, 165, 170, 175, 180]

plt.scatter(weight, height, marker='o', color='red')
plt.xlabel('Weight (kg)')
plt.ylabel('Height (cm)')
plt.title('Student Weight vs Height')
plt.show()

In diesem Beispiel definieren wir zwei Listen, Gewicht und Größe, die das Gewicht bzw. die Größe des Schülers darstellen. Anschließend wird das Streudiagramm über die Funktion plt.scatter() gezeichnet und der Stil und die Farbe der Streupunkte werden angegeben. Schließlich werden die horizontalen und vertikalen Achsenbeschriftungen sowie der Titel des Diagramms über die Funktionen plt.xlabel(), plt.ylabel() und plt.title() festgelegt und das Diagramm wird über die Funktion plt.show() angezeigt .

2.3 Histogramm
Das Histogramm kann verwendet werden, um die Datengröße zwischen verschiedenen Kategorien zu vergleichen.

Das Folgende ist ein einfaches Beispiel, das den monatlichen Niederschlag an einem bestimmten Ort zeigt:

import matplotlib.pyplot as plt

months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']
rainfall = [50, 45, 60, 70, 65, 80]

plt.bar(months, rainfall, color='green')
plt.xlabel('Month')
plt.ylabel('Rainfall (mm)')
plt.title('Monthly Rainfall')
plt.show()

In diesem Beispiel definieren wir zwei Listen, Monate und Niederschlag, die den Monat bzw. den monatlichen Niederschlag darstellen. Anschließend wird das Histogramm über die Funktion plt.bar() gezeichnet und die Farbe der Spalte angegeben. Schließlich werden die horizontalen und vertikalen Achsenbeschriftungen sowie der Titel des Diagramms über die Funktionen plt.xlabel(), plt.ylabel() und plt.title() festgelegt und das Diagramm wird über die Funktion plt.show() angezeigt .

3. Erweiterte Funktionen
Zusätzlich zu den grundlegenden Zeichenfunktionen bietet Matplotlib auch viele erweiterte Funktionen wie Unterfiguren, Legenden, Anmerkungen usw.

3.1 Nebenplot
Mit der Funktion plt.subplot() können Sie Nebenplots erstellen und in jedem Nebenplot unterschiedliche Diagramme zeichnen.

Hier ist ein einfaches Beispiel, das zwei Unterplots zeigt, ein Liniendiagramm und ein Streudiagramm:

import matplotlib.pyplot as plt

years = [2015, 2016, 2017, 2018, 2019, 2020]
rainfall = [800, 900, 850, 1000, 950, 1100]
weight = [50, 55, 60, 65, 70, 75]
height = [150, 160, 165, 170, 175, 180]

plt.subplot(1, 2, 1)
plt.plot(years, rainfall, marker='o', linestyle='--', color='blue')
plt.xlabel('Year')
plt.ylabel('Rainfall (mm)')
plt.title('Annual Rainfall')

plt.subplot(1, 2, 2)
plt.scatter(weight, height, marker='o', color='red')
plt.xlabel('Weight (kg)')
plt.ylabel('Height (cm)')
plt.title('Student Weight vs Height')

plt.tight_layout()
plt.show()

In diesem Beispiel verwenden wir plt.subplot(1, 2, 1) und plt.subplot(1 , 2, 2) erstellt jeweils zwei Untergraphen, wobei (1, 2, 1) den ersten Untergraphen im Untergraphen mit 1 Zeile und 2 Spalten darstellt und (1, 2, 2) den Untergraphen mit 1 Zeile und 2 Spalten darstellt. Der zweite Untergraph in der Abbildung . Anschließend wurde in jeder Unterfigur ein anderer Graph gezeichnet. Passen Sie abschließend das Layout des Untergraphen mit der Funktion plt.tight_layout() an und zeigen Sie das Diagramm mit der Funktion plt.show() an.

3.2 Legende
Mit der Funktion plt.legend() können Sie eine Legende hinzufügen, um die Bedeutung verschiedener Daten zu veranschaulichen.

Das Folgende ist ein einfaches Beispiel, das den jährlichen und monatlichen Niederschlag an einem bestimmten Ort zeigt und die entsprechende Legende hinzufügt:

import matplotlib.pyplot as plt

years = [2015, 2016, 2017, 2018, 2019, 2020]
rainfall_year = [800, 900, 850, 1000, 950, 1100]
months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']
rainfall_month = [50, 45, 60, 70, 65, 80]

plt.plot(years, rainfall_year, marker='o', linestyle='--', color='blue', label='Yearly')
plt.bar(months, rainfall_month, color='green', label='Monthly')
plt.xlabel('Time')
plt.ylabel('Rainfall (mm)')
plt.title('Rainfall')
plt.legend()
plt.show()

In diesem Beispiel verwenden wir die Funktionen plt.plot() und plt.bar() und geben die an Beschriftungen, die dem jährlichen und monatlichen Niederschlag entsprechen, und verwenden Sie dann die Funktion plt.legend(), um eine Legende hinzuzufügen. Schließlich werden die horizontalen und vertikalen Achsenbeschriftungen sowie der Titel des Diagramms über die Funktionen plt.xlabel(), plt.ylabel() und plt.title() festgelegt und das Diagramm wird über die Funktion plt.show() angezeigt .

3.3 Anmerkung
Mit der Funktion plt.annotate() können Sie dem Diagramm Textanmerkungen hinzufügen.

Das Folgende ist ein einfaches Beispiel, das den maximalen jährlichen Niederschlag an einem bestimmten Ort zeigt und dem Diagramm entsprechende Textanmerkungen hinzufügt:

import matplotlib.pyplot as plt

years = [2015, 2016, 2017, 2018, 2019, 2020]
rainfall = [800, 900, 850, 1000, 950, 1100]

plt.plot(years, rainfall, marker='o', linestyle='--', color='blue')
plt.xlabel('Year')
plt.ylabel('Rainfall (mm)')
plt.title('Annual Rainfall')

max_rainfall = max(rainfall)
max_index = rainfall.index(max_rainfall)
plt.annotate(f'Max: {max_rainfall}', xy=(years[max_index], max_rainfall),
             xytext=(years[max_index]+1, max_rainfall-50),
             arrowprops=dict(facecolor='black', arrowstyle='->'))

plt.show()

In diesem Beispiel ermitteln wir zunächst den Niederschlag über die Funktion max(). Der Maximalwert und den entsprechenden Index und verwenden Sie dann die Funktion plt.annotate(), um dem Diagramm eine Textbeschriftung hinzuzufügen, wobei Sie die Position der Beschriftung und den Stil des Pfeils angeben. Schließlich werden die horizontalen und vertikalen Achsenbeschriftungen sowie der Titel des Diagramms über die Funktionen plt.xlabel(), plt.ylabel() und plt.title() festgelegt und das Diagramm über die Funktion plt.show() angezeigt .

4. Zusammenfassung
In der Einleitung dieses Artikels können wir sehen, dass Matplotlib eine leistungsstarke Datenvisualisierungsbibliothek ist, die eine Fülle von Zeichenwerkzeugen bietet. Egal, ob es sich um ein Liniendiagramm, ein Streudiagramm oder ein Balkendiagramm handelt, Matplotlib kann es problemlos implementieren. Darüber hinaus bietet Matplotlib auch einige erweiterte Funktionen wie Unterdiagramme, Legenden, Beschriftungen usw., mit denen Diagramme flexibler angepasst werden können. Ich hoffe, dass dieses Tutorial Ihnen dabei helfen kann, schnell mit Matplotlib zu beginnen, und dass Sie anhand spezifischer Codebeispiele besser verstehen, wie Sie Matplotlib verwenden.

Das obige ist der detaillierte Inhalt vonErste Schritte mit Matplotlib: ein kurzes Tutorial. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!