Premiers pas avec matplotlib : un tutoriel rapide

Démarrez rapidement avec matplotlib : un didacticiel concis

Matplotlib est une bibliothèque de visualisation de données Python bien connue qui fournit une multitude d'outils de dessin et est largement utilisée dans l'analyse de données, le calcul scientifique, le dessin technique et d'autres domaines. Cet article explique comment démarrer rapidement avec matplotlib et fournit des exemples de code spécifiques.

1. Installer Matplotlib
Avant de commencer, nous devons d'abord installer la bibliothèque Matplotlib. Il peut être installé via la commande pip :

pip install matplotlib

2. Fonctions de dessin de base
2.1 Graphique linéaire
Le graphique linéaire est la méthode de visualisation de données la plus couramment utilisée, qui peut montrer les changements de tendance des données.

Ce qui suit est un exemple simple montrant les précipitations annuelles à un certain endroit :

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()

Dans cet exemple, nous définissons d'abord deux listes, années et précipitations, représentant respectivement l'année et les précipitations annuelles. Ensuite, le graphique linéaire est dessiné via la fonction plt.plot() et le style et la couleur de la ligne sont spécifiés. Enfin, les étiquettes des axes horizontal et vertical ainsi que le titre du graphique sont définis via les fonctions plt.xlabel(), plt.ylabel() et plt.title(), et le graphique est affiché via la fonction plt.show(). .

2.2 Nuage de points
Le nuage de points peut être utilisé pour représenter la relation entre deux variables et observer le modèle de distribution entre elles.

Ce qui suit est un exemple simple montrant la relation entre le poids et la taille d'un élève :

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()

Dans cet exemple, nous définissons deux listes, poids et taille, qui représentent respectivement le poids et la taille de l'élève. Ensuite, le nuage de points est dessiné via la fonction plt.scatter() et le style et la couleur des points de dispersion sont spécifiés. Enfin, les étiquettes des axes horizontal et vertical ainsi que le titre du graphique sont définis via les fonctions plt.xlabel(), plt.ylabel() et plt.title(), et le graphique est affiché via la fonction plt.show(). .

2.3 Histogramme
L'histogramme peut être utilisé pour comparer la taille des données entre différentes catégories.

Ce qui suit est un exemple simple montrant les précipitations mensuelles à un certain endroit :

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()

Dans cet exemple, nous définissons deux listes, mois et précipitations, qui représentent respectivement le mois et les précipitations mensuelles. Ensuite, l'histogramme est dessiné via la fonction plt.bar() et la couleur de la colonne est spécifiée. Enfin, les étiquettes des axes horizontal et vertical ainsi que le titre du graphique sont définis via les fonctions plt.xlabel(), plt.ylabel() et plt.title(), et le graphique est affiché via la fonction plt.show(). .

3. Fonctions avancées
En plus des fonctions de dessin de base, Matplotlib fournit également de nombreuses fonctions avancées, telles que des sous-figures, des légendes, des annotations, etc.

3.1 Sous-parcelle
Vous pouvez utiliser la fonction plt.subplot() pour créer des sous-parcelles et dessiner différents graphiques dans chaque sous-parcelle.

Voici un exemple simple montrant deux sous-tracés, un graphique linéaire et un nuage de points :

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()

Dans cet exemple, nous utilisons plt.subplot(1, 2, 1) et plt.subplot(1 , 2, 2) créés deux sous-graphiques respectivement, où (1, 2, 1) représente le premier sous-graphique du sous-graphique avec 1 ligne et 2 colonnes, et (1, 2, 2) représente le sous-graphique avec 1 ligne et 2 colonnes, le deuxième sous-graphique de la figure. . Un graphique différent a ensuite été dessiné dans chaque sous-figure. Enfin, ajustez la disposition du sous-graphique via la fonction plt.tight_layout() et affichez le graphique via la fonction plt.show().

3.2 Légende
Vous pouvez utiliser la fonction plt.legend() pour ajouter une légende pour illustrer la signification de différentes données.

Ce qui suit est un exemple simple qui montre les précipitations annuelles et mensuelles à un certain endroit, et ajoute la légende correspondante :

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()

Dans cet exemple, nous utilisons les fonctions plt.plot() et plt.bar(), spécifions le étiquettes correspondant aux précipitations annuelles et mensuelles, puis utilisez la fonction plt.legend() pour ajouter une légende. Enfin, les étiquettes des axes horizontal et vertical ainsi que le titre du graphique sont définis via les fonctions plt.xlabel(), plt.ylabel() et plt.title(), et le graphique est affiché via la fonction plt.show(). .

3.3 Annotation
Vous pouvez utiliser la fonction plt.annotate() pour ajouter des annotations de texte au graphique.

Ce qui suit est un exemple simple qui montre la pluviométrie annuelle maximale à un certain endroit et ajoute les annotations textuelles correspondantes au graphique :

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()

Dans cet exemple, nous trouvons d'abord la pluviométrie via la fonction max() La valeur maximale et la index correspondant, puis utilisez la fonction plt.annotate() pour ajouter une étiquette de texte au graphique, en spécifiant la position de l'étiquette et le style de la flèche. Enfin, les étiquettes des axes horizontal et vertical ainsi que le titre du graphique sont définis via les fonctions plt.xlabel(), plt.ylabel() et plt.title(), et le graphique est affiché via la fonction plt.show(). .

4. Résumé
Grâce à l'introduction de cet article, nous pouvons voir que Matplotlib est une puissante bibliothèque de visualisation de données qui fournit une multitude d'outils de dessin. Qu'il s'agisse d'un graphique linéaire, d'un nuage de points ou d'un graphique à barres, Matplotlib peut facilement l'implémenter. De plus, Matplotlib fournit également des fonctions avancées, telles que des sous-graphiques, des légendes, des étiquettes, etc., qui permettent de personnaliser les graphiques de manière plus flexible. J'espère que ce didacticiel pourra vous aider à démarrer rapidement avec Matplotlib et, grâce à des exemples de code spécifiques, vous pourrez mieux comprendre comment utiliser Matplotlib.

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!