Essayez d'utiliser matplotlib

matplotlib est une bibliothèque de visualisation de données qui peut être facilement utilisée dans un environnement Linux. Le graphe de motifs le plus simple introduit dans Tutoriel officiel est le suivant. Peut être écrit en code.


import matplotlib.pyplot as plt

fig, ax = plt.subplots()  # Create a figure containing a single axes.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the axes.

plt.show()

Si vous obtenez une erreur telle que le module est introuvable, utilisez la procédure suivante (telle que pip) pour l'installer.


sudo pip3 install matplotlib

Comme numpy et pandas sont souvent utilisés ensemble, il peut être pratique de les inclure.


import numpy as np
import pandas as pd

Recommended Posts

Essayez d'utiliser matplotlib
Essayez d'utiliser matplotlib avec PyCharm
Essayez d'utiliser Tkinter
Essayez d'utiliser docker-py
Essayez d'utiliser Cookiecutter
Essayez d'utiliser PDFMiner
Essayez d'utiliser des géopandas
Essayez d'utiliser Selenium
Essayez d'utiliser scipy
Essayez d'utiliser pandas.DataFrame
Essayez d'utiliser django-swiftbrowser
Essayez d'utiliser tf.metrics
Essayez d'utiliser PyODE
Dessin graphique avec matplotlib
Essayez d'utiliser virtualenv (virtualenvwrapper)
J'ai essayé d'utiliser matplotlib
[Azure] Essayez d'utiliser Azure Functions
Essayez d'utiliser W & B
Essayez d'utiliser Django templates.html
[Kaggle] Essayez d'utiliser LGBM
Essayez d'utiliser l'analyseur de flux de Python.
Essayez d'utiliser Tkinter de Python
Essayez d'utiliser Tweepy [Python2.7]
Essayez d'utiliser collate_fn de Pytorch
Essayez de dessiner un diagramme de contour en utilisant matplotlib avec OpenFOAM
Essayez d'utiliser PythonTex avec Texpad.
Essayez d'utiliser l'image Docker de Jupyter
Essayez d'utiliser scikit-learn (1) - Clustering K par méthode moyenne
Essayez l'optimisation des fonctions à l'aide d'Hyperopt
Essayez d'utiliser Kubernetes Client -Python-
[Kaggle] Essayez d'utiliser xg boost
Essayez d'utiliser l'API Twitter
Essayez d'utiliser OpenCV sur Windows
Essayez d'utiliser Jupyter Notebook de manière dynamique
Essayez d'utiliser AWS SageMaker Studio
Essayez de tweeter automatiquement en utilisant Selenium.
Essayez d'utiliser SQLAlchemy + MySQL (partie 1)
Essayez d'utiliser l'API Twitter
Méthode de visualisation de données utilisant matplotlib (1)
Essayez d'utiliser SQLAlchemy + MySQL (partie 2)
Essayez d'utiliser la fonction de modèle de Django
Essayez d'utiliser l'API PeeringDB 2.0
Méthode de visualisation de données utilisant matplotlib (2)
Essayez d'utiliser la fonction de brouillon de Pelican
Essayez d'utiliser pytest-Overview and Samples-
Essayez d'utiliser le folium avec anaconda
[Statistiques] [R] Essayez d'utiliser la régression par points de division.
Essayez d'utiliser des modèles de conception (édition exportateur)
Essayez d'utiliser Pillow sur iPython (partie 1)
Japaneseize Matplotlib avec Alpine en utilisant Docker
Méthode de visualisation de données utilisant matplotlib (+ pandas) (5)
Essayez d'utiliser Pillow sur iPython (partie 2)
Essayez d'utiliser l'API de Pleasant (python / FastAPI)
Essayez d'utiliser LevelDB avec Python (plyvel)
Essayez d'utiliser pynag pour configurer Nagios
Essayez d'utiliser la fonction de débogage à distance de PyCharm
Essayez d'utiliser ArUco avec Raspberry Pi
Essayez d'utiliser LiDAR bon marché (Camsense X1)
[Serveur de location Sakura] Essayez d'utiliser flask.
Méthode de visualisation de données utilisant matplotlib (+ pandas) (3)
Essayez d'utiliser Pillow sur iPython (partie 3)