Bạn có thể vẽ danh sách trong python không?

Trước khi chúng ta bắt đầu. Hướng dẫn Python này là một phần trong loạt bài hướng dẫn Gói Python của chúng tôi. Bạn cũng có thể tìm các chủ đề liên quan đến Matplotlib khác

Pythonistas thường sử dụng thư viện vẽ đồ thị Matplotlib để hiển thị dữ liệu số dưới dạng sơ đồ, đồ thị và biểu đồ trong Python. Một loạt các chức năng được cung cấp bởi hai API của matplotlib (Giao diện lập trình ứng dụng)

• Giao diện API Pyplot, cung cấp một hệ thống phân cấp các đối tượng mã giúp matplotlib hoạt động giống như MATLAB
• Giao diện API OO (Hướng đối tượng), cung cấp một tập hợp các đối tượng có thể được lắp ráp linh hoạt hơn pyplot. API OO cung cấp quyền truy cập trực tiếp vào lớp phụ trợ của matplotlib.

Giao diện pyplot dễ triển khai hơn phiên bản OO và được sử dụng phổ biến hơn. Để biết thông tin về các chức năng và thuật ngữ pyplot, hãy tham khảo. Pyplot trong Matplotlib là gì

Hiển thị một cốt truyện trong Python. Ví dụ về Pyplot

Một loạt các chức năng pyplot của Matplotlib được sử dụng để trực quan hóa và trang trí một cốt truyện

Cách tạo một biểu đồ đơn giản với hàm Plot()

Matplotlib . pyplot. plot() cung cấp giao diện hợp nhất để tạo các loại biểu đồ khác nhau.

Ví dụ đơn giản nhất sử dụng hàm plot() để vẽ các giá trị dưới dạng x,y coordinates in a data plot. In this case, plot() lấy 2 tham số để chỉ định tọa độ của ô.

• Tham số cho một mảng tọa độ trục X axis.
• Tham số cho một mảng trục Y tọa độ.

Một dòng từ x=2, y=4 đến x=8, y=9 được vẽ bằng cách tạo 2 mảng (2,8) and (4,9):

import matplotlib.pyplot as plt
import numpy as np

# X axis parameter:
xaxis = np.array([2, 8])

# Y axis parameter:
yaxis = np.array([4, 9])

plt.plot(xaxis, yaxis)
plt.show()

Hình 1. Một biểu đồ đơn giản được tạo bằng hàm plot()

Cách tùy chỉnh giao diện lô đất bằng Marker & Linestyle

marker và linestyle là các từ khóa matplotlib có thể được sử dụng để tùy chỉnh giao diện của dữ liệu trong một .

• điểm đánh dấu là một đối số được sử dụng để gắn nhãn cho từng giá trị dữ liệu trong một biểu đồ bằng ‘ điểm đánh dấu ‘.
• linestyle là một đối số được sử dụng để tùy chỉnh hình thức của các dòng giữa các giá trị dữ liệu hoặc loại bỏ chúng hoàn toàn.

Trong ví dụ này, mỗi giá trị dữ liệu được gắn nhãn bằng chữ cái “o”, và có kiểu nét đứt “–”:

import matplotlib.pyplot as plt
import numpy as np

xaxis = np.array([2, 12, 3, 9])

# Mark each data value and customize the linestyle:
plt.plot(xcoords, marker = “o”, linestyle = “--”)
plt.show()

Một phần danh sách các ký tự chuỗi có thể chấp nhận tùy chọn cho điểm đánh dấu và kiểu đường :

“-” solid line style
“--” dashed line style
“ “ no line
“o” letter marker

Ví dụ về đồ thị phân tán Matplotlib

Matplotlib cũng hỗ trợ các ô nâng cao hơn, chẳng hạn như các ô phân tán. Trong trường hợp này, hàm scatter() được sử dụng để hiển thị các giá trị dữ liệu dưới dạng tập hợp x,y< . coordinates represented by standalone dots.

Trong ví dụ này, 2 mảng có cùng độ dài (một mảng cho các giá trị trục X và một mảng cho các giá trị trục Y) được vẽ. Mỗi giá trị được biểu thị bằng một dấu chấm

Xem video tại đây

import matplotlib.pyplot as plt

# X axis values:
x = [2,3,7,29,8,5,13,11,22,33]
# Y axis values:
y = [4,7,55,43,2,4,11,22,33,44]

# Create scatter plot:
plt.scatter(x, y)

plt.show()

Ví dụ Matplotlib. Nhiều tập dữ liệu trong một ô

Matplotlib rất linh hoạt và có thể chứa nhiều bộ dữ liệu trong một biểu đồ. Trong ví dụ này, chúng ta sẽ vẽ hai tập dữ liệu riêng biệt, xdata1 và xdata2 :

Xem video tại đây

import matplotlib.pyplot as plt
import numpy as np

# Create random seed:
np.random.seed(5484849901)

# Create random data:
xdata = np.random.random([2, 8])  

# Create two datasets from the random floats: 
xdata1 = xdata[0, :]  
xdata2 = xdata[1, :]  

# Sort the data in both datasets:
xdata1.sort()  
xdata2.sort()

# Create y data points:  
ydata1 = xdata1 ** 2
ydata2 = 1 - xdata2 ** 4

# Plot the data:  
plt.plot(xdata1, ydata1)  
plt.plot(xdata2, ydata2)  

# Set x,y lower, upper limits:  
plt.xlim([0, 1])  
plt.ylim([0, 1])  

plt.title(“Multiple Datasets in One Plot")
plt.show()

Ví dụ Matplotlib. ô phụ

Bạn cũng có thể sử dụng matplotlib để tạo các số liệu phức tạp chứa nhiều biểu đồ. Trong ví dụ này, nhiều trục được đặt trong một hình và được hiển thị trong các ô con

import matplotlib.pyplot as plt
import numpy as np

# Create a Figure with 2 rows and 2 columns of subplots:
fig, ax = plt.subplots(2, 2)

x = np.linspace(0, 5, 100)

# Index 4 Axes arrays in 4 subplots within 1 Figure: 
ax[0, 0].plot(x, np.sin(x), 'g') #row=0, column=0
ax[1, 0].plot(range(100), 'b') #row=1, column=0
ax[0, 1].plot(x, np.cos(x), 'r') #row=0, column=1
ax[1, 1].plot(x, np.tan(x), 'k') #row=1, column=1

plt.show()

Hình 2. M nhiều rìu trong các ô con được hiển thị trong một hình.

Ví dụ Matplotlib. Sơ đồ biểu đồ

Biểu đồ được sử dụng để hiển thị phân phối tần số trong biểu đồ thanh

Trong ví dụ này, chúng tôi sẽ kết hợp các khả năng biểu đồ và biểu đồ con của matplotlib bằng cách tạo một biểu đồ chứa năm biểu đồ thanh. Các khu vực trong biểu đồ thanh sẽ tỷ lệ thuận với tần số của một biến ngẫu nhiên và chiều rộng của mỗi biểu đồ thanh sẽ bằng khoảng thời gian của lớp

Xem video tại đây

import matplotlib.plot as plt
import matplotlib.ticker as maticker
import numpy as np 

# Create random variable:
data = np.random.normal(0, 3, 800)

# Create a Figure and multiple subplots containing Axes:
fig, ax = plt.subplots()
weights = np.ones_like(data) / len(data)

# Create Histogram Axe:
ax.hist(data, bins=5, weights=weights)
ax.yaxis.set_major_formatter(maticker.PercentFormatter(xmax=1.0, decimals=1))

plt.title(“Histogram Plot”)
plt.show()

Ví dụ Matplotlib. Đồ thị phổ pha

Biểu đồ phổ pha cho phép chúng ta hình dung các đặc tính tần số của tín hiệu

Trong ví dụ nâng cao này, chúng ta sẽ vẽ phổ pha của hai tín hiệu (được biểu thị dưới dạng các hàm) mà mỗi tín hiệu có các tần số khác nhau.

import matplotlib.pyplot as plt 
import numpy as np 

# Generate pseudo-random numbers:
np.random.seed(0) 

# Sampling interval:    
dt = 0.01 

# Sampling Frequency:
Fs = 1 / dt  # ex[;aom Fs] 

# Generate noise:
t = np.arange(0, 10, dt) 
res = np.random.randn(len(t)) 
r = np.exp(-t / 0.05) 

# Convolve 2 signals (functions):
conv_res = np.convolve(res, r)*dt
conv_res = conv_res[:len(t)] 
s = 0.5 * np.sin(1.5 * np.pi * t) + conv_res

# Create the plot: 
fig, (ax) = plt.subplots() 
ax.plot(t, s) 
# Function plots phase spectrum:
ax.phase_spectrum(s, Fs = Fs)

plt.title(“Phase Spectrum Plot”)
plt.show()

Hình 3.  Phổ pha của hai tín hiệu có tần số khác nhau được vẽ trên một hình.

Ví dụ Matplotlib. Cốt truyện 3D

Matplotlib cũng có thể xử lý các ô 3D bằng cách cho phép sử dụng trục Z. Chúng tôi đã tạo biểu đồ phân tán 2D ở trên, nhưng trong ví dụ này, chúng tôi sẽ tạo biểu đồ phân tán 3D

Xem video tại đây

Cách sử dụng chương trình phụ trợ Matplotlib

Matplotlib có thể nhắm mục tiêu bất kỳ định dạng đầu ra nào bạn có thể nghĩ đến. Thông thường nhất, các nhà khoa học dữ liệu hiển thị các sơ đồ trong sổ ghi chép Jupyter của họ, nhưng bạn cũng có thể hiển thị các sơ đồ trong một ứng dụng.   

Trong ví dụ này, phụ trợ OO của matplotlib sử dụng hàm Tkinter TkAgg() để tạo kết xuất chất lượng cao Agg (Hình học chống hạt) . mainloop() function to display a plot:

from tkinter import *
from tkinter.ttk import *

import matplotlib
matplotlib.use("TkAgg")
from matplotlib.figure import Figure 

# OO backend (Tkinter) tkagg() function:
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg

root = Tk()

figure = Figure(figsize=(5, 4), dpi=100)
plot = figure.add_subplot(1, 1, 1)

x = [ 0.1, 0.2, 0.3, 0.4 ]
y = [ -0.1, -0.2, -0.3, -0.4 ]
plot.plot(x, y, color="red", marker="o",  linestyle="--")

canvas = FigureCanvasTkAgg(figure, root)
canvas.get_tk_widget().grid(row=0, column=0)

root.mainloop()

Hình 4. Biểu đồ phụ trợ OO được hiển thị bằng hàm Tkinter tkagg() .

Mẹo cuối cùng . thực thi tập lệnh matplotlib tạo đầu ra văn bản trong bảng điều khiển Python (không phải là một phần của màn hình biểu đồ giao diện người dùng) có thể bao gồm các thông báo cảnh báo hoặc không hấp dẫn về mặt hình ảnh. Để khắc phục điều này, bạn có thể thêm dấu chấm phẩy (;) vào cuối dòng mã cuối cùng trước khi hiển thị biểu đồ. Ví dụ.

import matplotlib.pyplot as plt
import numpy as np

xaxis = np.array([2, 12, 3, 9])

# Mark each data value and customize the linestyle:
plt.plot(xcoords, marker = “o”, linestyle = “--”)
plt.show()

Các hướng dẫn sau đây sẽ cung cấp cho bạn hướng dẫn từng bước về cách làm việc với Matplotlib, bao gồm

• Cách xóa một âm mưu trong Python
• Cách xây dựng một mảng Numpy
• Pyplot trong Matplotlib là gì?
• Cách biến một mảng Numpy thành một danh sách
• Matplotlib trong Python là gì?

Tại sao nên sử dụng ActivePython cho Khoa học dữ liệu

Mặc dù bản phân phối mã nguồn mở của Python có thể phù hợp với một cá nhân, nhưng nó không phải lúc nào cũng đáp ứng các yêu cầu về hỗ trợ, bảo mật hoặc nền tảng của các tổ chức lớn

Đây là lý do tại sao các tổ chức chọn ActivePython cho nhu cầu khoa học dữ liệu, xử lý dữ liệu lớn và phân tích thống kê của họ

Được đóng gói sẵn với các gói quan trọng nhất mà Nhà khoa học dữ liệu cần, ActivePython được biên dịch sẵn để bạn và nhóm của bạn không phải lãng phí thời gian để định cấu hình bản phân phối nguồn mở. Bạn có thể tập trung vào những gì quan trọng – dành nhiều thời gian hơn để xây dựng các thuật toán và mô hình dự đoán đối với các nguồn dữ liệu lớn của bạn và ít thời gian hơn cho cấu hình hệ thống

ActivePython tương thích 100% với bản phân phối Python mã nguồn mở và cung cấp hỗ trợ thương mại và bảo mật mà tổ chức của bạn yêu cầu

Với ActivePython, bạn có thể khám phá và thao tác dữ liệu, chạy phân tích thống kê và cung cấp trực quan hóa để chia sẻ thông tin chuyên sâu với người dùng doanh nghiệp và giám đốc điều hành của mình sớm hơn–bất kể dữ liệu của bạn nằm ở đâu

Bạn có thể vẽ dữ liệu bằng Python không?

Làm cách nào để vẽ một từ điển trong Python?