Python proporciona una de las bibliotecas de trazado más populares llamada Matplotlib . Es de código abierto y multiplataforma para crear gráficos 2D a partir de datos en una matriz. Generalmente se utiliza para la visualización de datos y la representación a través de diversos gráficos.

si no, declaración java

Matplotlib fue concebido originalmente por John D. Hunter en 2003. La versión reciente de matplotlib es 2.2.0 lanzada en enero de 2018.

Antes de comenzar a trabajar con la biblioteca matplotlib, necesitamos instalarla en nuestro entorno Python.

Instalación de Matplotlib

Escriba el siguiente comando en su terminal y presione enter.

 pip install matplotlib 

El comando anterior instalará la biblioteca matplotlib y su paquete de dependencia en el sistema operativo Windows.

Concepto básico de Matplotlib

Un gráfico contiene las siguientes partes. Entendamos estas partes.

Cifra: Es una figura entera que puede contener uno o más ejes (tramas). Podemos pensar en una Figura como un lienzo que contiene tramas.

Ejes: Una Figura puede contener varios Ejes. Consta de dos o tres (en el caso de 3D) objetos Axis. Cada eje se compone de un título, una etiqueta x y una etiqueta y.

Eje: Los ejes son el número de objetos similares a líneas y son responsables de generar los límites del gráfico.

Artista: Un artista es todo lo que vemos en el gráfico, como objetos de texto, objetos Line2D y objetos de colección. La mayoría de los artistas están vinculados a Axes.

Introducción al diagrama de bits

matplotlib proporciona el paquete pyplot que se utiliza para trazar el gráfico de datos dados. El matplotlib.pyplot es un conjunto de funciones de estilo de comando que hacen que matplotlib funcione como MATLAB. El paquete pyplot contiene muchas funciones que se utilizan para crear una figura, crear un área de trazado en una figura, decorar el trazado con etiquetas, trazar algunas líneas en un área de trazado, etc.

Podemos trazar un gráfico con pyplot rápidamente. Echemos un vistazo al siguiente ejemplo.

Ejemplo básico de trazado de gráficos

Aquí está el ejemplo básico de cómo generar un gráfico simple; el programa es el siguiente:

csma y csma cd

 from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show() 

Producción:

Trazar diferentes tipos de gráficos

Podemos trazar los diversos gráficos usando el módulo pyplot. Entendamos los siguientes ejemplos.

1. Gráfico lineal

El gráfico de líneas se utiliza para mostrar la información como una serie de líneas. Es fácil de trazar. Considere el siguiente ejemplo.

hacer y mientras bucle en java

Ejemplo -

 from matplotlib import pyplot as plt x = [1,2,3] y = [10,11,12] plt.plot(x,y) plt.title('Line graph') plt.ylabel('Y axis') plt.xlabel('X axis') plt.show() 

Producción:

La línea se puede modificar utilizando las distintas funciones. Hace que el gráfico sea más atractivo. A continuación se muestra el ejemplo.

Ejemplo -

 from matplotlib import pyplot as plt from matplotlib import style style.use('ggplot') x = [10, 12, 13] y = [8, 16, 6] x2 = [8, 15, 11] y2 = [6, 15, 7] plt.plot(x, y, 'b', label='line one', linewidth=5) plt.plot(x2, y2, 'r', label='line two', linewidth=5) plt.title('Epic Info') fig = plt.figure() plt.ylabel('Y axis') plt.xlabel('X axis') plt.show() 

2. Gráfico de barras

El gráfico de barras es uno de los gráficos más comunes y se utiliza para representar los datos asociados con las variables categóricas. El bar() La función acepta tres argumentos: variables categóricas, valores y color.

Ejemplo -

 from matplotlib import pyplot as plt Names = ['Arun','James','Ricky','Patrick'] Marks = [51,87,45,67] plt.bar(Names,Marks,color = 'blue') plt.title('Result') plt.xlabel('Names') plt.ylabel('Marks') plt.show() 

3. Gráfico circular

Un gráfico es un gráfico circular que se divide en una subparte o segmento. Se utiliza para representar el porcentaje o datos proporcionales donde cada porción del pastel representa una categoría particular. Entendamos el siguiente ejemplo.

Ejemplo -

 from matplotlib import pyplot as plt # Pie chart, where the slices will be ordered and plotted counter-clockwise: Aus_Players = 'Smith', 'Finch', 'Warner', 'Lumberchane' Runs = [42, 32, 18, 24] explode = (0.1, 0, 0, 0) # it 'explode' the 1st slice fig1, ax1 = plt.subplots() ax1.pie(Runs, explode=explode, labels=Aus_Players, autopct='%1.1f%%', shadow=True, startangle=90) ax1.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle. plt.show() 

Producción:

algoritmo para búsqueda binaria

4. Histograma

El histograma y el gráfico de barras son bastante similares, pero hay una pequeña diferencia. Se utiliza un histograma para representar la distribución y un gráfico de barras para comparar las diferentes entidades. Un histograma se utiliza generalmente para trazar la frecuencia de una serie de valores en comparación con un conjunto de rangos de valores.

En el siguiente ejemplo, hemos tomado los datos de los diferentes porcentajes de puntuación del estudiante y trazamos el histograma con respecto al número de estudiantes. Entendamos el siguiente ejemplo.

Ejemplo -

 from matplotlib import pyplot as plt from matplotlib import pyplot as plt percentage = [97,54,45,10, 20, 10, 30,97,50,71,40,49,40,74,95,80,65,82,70,65,55,70,75,60,52,44,43,42,45] number_of_student = [0,10,20,30,40,50,60,70,80,90,100] plt.hist(percentage, number_of_student, histtype='bar', rwidth=0.8) plt.xlabel('percentage') plt.ylabel('Number of people') plt.title('Histogram') plt.show() 

Producción:

Entendamos otro ejemplo.

Ejemplo - 2:

 from matplotlib import pyplot as plt # Importing Numpy Library import numpy as np plt.style.use('fivethirtyeight') mu = 50 sigma = 7 x = np.random.normal(mu, sigma, size=200) fig, ax = plt.subplots() ax.hist(x, 20) ax.set_title('Historgram') ax.set_xlabel('bin range') ax.set_ylabel('frequency') fig.tight_layout() plt.show() 

Producción:

5. Gráfico de dispersión

El diagrama de dispersión se utiliza para comparar la variable con respecto a las otras variables. Se define como cómo una variable afectó a la otra variable. Los datos se representan como una colección de puntos. Entendamos el siguiente ejemplo.

Ejemplo -

matriz js

 from matplotlib import pyplot as plt from matplotlib import style style.use('ggplot') x = [4,8,12] y = [19,11,7] x2 = [7,10,12] y2 = [8,18,24] plt.scatter(x, y) plt.scatter(x2, y2, color='g') plt.title('Epic Info') plt.ylabel('Y axis') plt.xlabel('X axis') plt.show() 

Producción:

Ejemplo - 2:

 import matplotlib.pyplot as plt a = [2, 2.5, 3, 3.5, 4.5, 4.7, 5.0] b = [7.5, 8, 8.5, 9, 9.5, 10, 10.5] a1 = [9, 8.5, 9, 9.5, 10, 10.5, 12] b1 = [3, 3.5, 4.7, 4, 4.5, 5, 5.2] plt.scatter(a, b, label='high income low saving', color='b') plt.scatter(a1, b1, label='low income high savings', color='g') plt.xlabel('saving*100') plt.ylabel('income*1000') plt.title('Scatter Plot') plt.legend() plt.show() 

Producción:

En este tutorial, analizamos todos los tipos básicos de gráficos que se utilizan en la visualización de datos. Para obtener más información sobre el gráfico, visite nuestro tutorial matplotlib.