Un chercheur d'une société pharmaceutique a résumé Matplotlib
introduction
Ici, nous allons expliquer Matplotlib pour les débutants de Python. Il est censé utiliser la série Python3.
Charger la bibliothèque
Comme toute autre bibliothèque, chargez-la avec ʻimport. % matplotlib inlline` est une description pour dessiner un graphique sur un bloc-notes dans Jupyter Notebook.
matplotlib_1.py
%matplotlib inline
import matplotlib.pyplot as plt
Graphique linéaire
Le graphique de ligne de pliage peut être tracé comme suit.
matplotlib_2.py
%matplotlib inline
import matplotlib.pyplot as plt
x = [1, 2, 3]
y = [3, 1, 2]
plt.title('Line-chart') #Titre du graphique
plt.xlabel('X-axis') #étiquette de l'axe des x
plt.ylabel('Y-axis') #étiquette de l'axe y
plt.plot(x, y) #Créer un graphique
plt.savefig('matplotlib_2.png') #Enregistrer le graphique en tant que fichier image
Pour dessiner plusieurs graphiques linéaires, écrivez comme suit.
matplotlib_3.py
%matplotlib inline
import matplotlib.pyplot as plt
plt.plot([1, 2, 3])
plt.plot([3, 1, 2])
plt.title('Line-chart')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend(['Line-1', 'Line-2']) #Guide d'utilisation
plt.show() #Afficher le graphique
plt.savefig('matplotlib_3.png')
Vous pouvez également réécrire le code ci-dessus comme suit:
matplotlib_4.py
%matplotlib inline
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot([1, 2, 3])
ax.plot([3, 1, 2])
ax.set_title('Line-chart')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.legend(['Line-1', 'Line-2'])
plt.show()
plt.savefig('matplotlib_4.png')
Vous pouvez également organiser plusieurs graphiques verticalement.
matplotlib_5.py
%matplotlib inline
import matplotlib.pyplot as plt
fig, ax = plt.subplots(2) #Alignez-vous sur deux lignes
plt.subplots_adjust(wspace=1, hspace=1) #Espace entre les graphiques
ax[0].plot([1, 2, 3])
ax[0].set_title('Line-chart-1')
ax[0].set_xlabel('X-axis')
ax[0].set_ylabel('Y-axis')
ax[1].plot([3, 1, 2])
ax[1].set_title('Line-chart-2')
ax[1].set_xlabel('X-axis')
ax[1].set_ylabel('Y-axis')
plt.show()
plt.savefig('matplotlib_5.png')
De même, vous pouvez les organiser côte à côte.
matplotlib_6.py
%matplotlib inline
import matplotlib.pyplot as plt
fig, ax = plt.subplots(1, 2) #Disposer en 1 ligne et 2 colonnes
plt.subplots_adjust(wspace=1, hspace=1)
ax[0].plot([1, 2, 3])
ax[0].set_title('Line-chart-1')
ax[0].set_xlabel('X-axis')
ax[0].set_ylabel('Y-axis')
ax[1].plot([3, 1, 2])
ax[0].set_title('Line-chart-1')
ax[1].set_xlabel('X-axis')
ax[1].set_ylabel('Y-axis')
plt.show()
plt.savefig('matplotlib_6.png')
graphique à barres
Le graphique à barres peut être dessiné comme suit.
matplotlib_7.py
%matplotlib inline
import matplotlib.pyplot as plt
x = [1, 2, 3]
y = [3, 1, 2]
plt.bar(x, y, tick_label=['Bar-1', 'Bar-2', 'Bar-3']) #Créer un graphique à barres en spécifiant les données et le nom de l'étiquette
plt.show()
plt.savefig('matplotlib_7.png')
Lorsque vous disposez plusieurs graphiques à barres côte à côte, écrivez comme suit.
matplotlib_8.py
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
y1 = [3, 1, 2]
y2 = [2, 3, 1]
x = np.arange(len(y1))
bar_width = 0.3 #Spécifiez la largeur du graphique à barres
plt.bar(x, y1, width=bar_width, align='center')
plt.bar(x+bar_width, y2, width=bar_width, align='center')
plt.xticks(x+bar_width/2, ['Bar-1', 'Bar-2', 'Bar-3'])
plt.show()
plt.savefig('matplotlib_8.png')
Lors de l'empilement vertical, écrivez comme suit.
matplotlib_9.py
%matplotlib inline
import matplotlib.pyplot as plt
x = [1, 2, 3]
y1 = [3, 1, 2]
y2 = [2, 3, 1]
plt.bar(x, y1, tick_label=['Bar-1', 'Bar-2', 'Bar-3'])
plt.bar(x, y2, bottom=y1) #Mettez y2 au-dessus de y1
plt.show()
plt.savefig('matplotlib_9.png')
histogramme
Lorsque vous dessinez un histogramme, écrivez comme suit.
matplotlib_10.py
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
num_random = np.random.randn(100)
plt.hist(num_random, bins=10) #Créer un histogramme
plt.show()
plt.savefig('matplotlib_10.png')
Nuage de points
Le dessin du diagramme de dispersion est le suivant.
matplotlib_11.py
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
x = np.random.choice(np.arange(100), 100)
y = np.random.choice(np.arange(100), 100)
plt.scatter(x, y) #Créer un diagramme de dispersion
plt.show()
plt.savefig('matplotlib_11.png')
diagramme circulaire
Le graphique circulaire peut être dessiné comme suit.
matplotlib_12.py
%matplotlib inline
import matplotlib.pyplot as plt
percent_data = [45, 25, 15, 10, 5]
plt.pie(percent_data, labels=['data-1', 'data-2', 'data-3', 'data-4', 'data-5']) #Créer un graphique circulaire (ovale)
plt.axis('equal') #Faites-le circulaire
plt.show()
plt.savefig('matplotlib_12.png')
Résumé
Ici, j'ai expliqué comment dessiner un graphique linéaire, un graphique à barres, un histogramme, un diagramme de dispersion et un graphique circulaire à l'aide de Matplotlib. Nous voulons pouvoir sélectionner la méthode de visualisation des données appropriée en fonction de l'objectif.
Documents de référence / liens
Recommended Posts