Εισαγωγή στο Matplotlib στην Python

από
Tweet
Share
Share
Pin

Το Matplotlib είναι μια βιβλιοθήκη σχεδίασης Python την οποία οι ειδικοί μηχανικής εκμάθησης χρησιμοποιούν κυρίως για τη δημιουργία στατικών και διαδραστικών απεικονίσεων.

Τι είναι το Matplotlib

Το Mathplotlib είναι μια δημιουργία του John D. Hunter το 2003 που κυκλοφόρησε στις 8 Μαΐου 2021 και έχει τρέχουσα έκδοση 3.4.2.

Αυτή η βιβλιοθήκη είναι κυρίως γραμμένη σε Python, ενώ η υπόλοιπη είναι γραμμένη σε C object και JavaScript, καθιστώντας την συμβατή με την πλατφόρμα.

Το Matplotlib χρησιμοποιεί το NumPy, το οποίο είναι μια αριθμητική επέκταση Python. Η επέκτασή του με το NumPy προσθέτει τη βιωσιμότητά του ως εναλλακτική λύση ανοιχτού κώδικα και το κάνει καλύτερη προτίμηση από το MATLAB.

Για εφαρμογές Python GUI, το Matplotlib επιτρέπει τη γραφική παράσταση στατικών γραφημάτων σε αυτό χρησιμοποιώντας το αντικειμενοστραφή API που συνοδεύει.

Οι χρήστες μπορούν να χρησιμοποιήσουν μόνο μερικές γραπτές γραμμές κώδικα Python για να οπτικοποιήσουν τα δεδομένα τους χρησιμοποιώντας διαφορετικές γραφικές παραστάσεις, συμπεριλαμβανομένων γραφημάτων διασποράς, ιστογραμμάτων, γραφημάτων ράβδων, γραφημάτων πίτας, γραμμών και γραφικών πλαισίων.

Μπορείτε να χρησιμοποιήσετε το Matplotlib για να δημιουργήσετε γραφικά σε περιβάλλοντα όπως το κέλυφος Python, το σημειωματάριο Jupyter,
Εργαστήριο Jupyter και επίσης χρησιμοποιώντας Pycharm ή Anaconda και σε διακομιστές εφαρμογών ιστού όπως το Flask και το Django σε διάφορες πλατφόρμες.

Όπως και στο MATLAB, μπορείτε να ελέγχετε εκτενώς τα οικόπεδα όσον αφορά τις γραμματοσειρές, τις γραμμές, τα χρώματα και τα στυλ.

Μετά τη σύντομη εισαγωγή της βιβλιοθήκης Matplotib στην Python, ας δούμε πώς μπορούμε να τη ρυθμίσουμε στα συστήματά μας.

Ρύθμιση περιβάλλοντος Matplotlib

Όπως κάθε άλλο πακέτο και βιβλιοθήκη Python, μπορείτε να εγκαταστήσετε την προμεταγλωττισμένη βιβλιοθήκη Matplotlib και τα πακέτα της σε όλα τα λειτουργικά συστήματα με τον διαχειριστή πακέτων pip.

Φυσικά, απαιτεί πρώτα να εγκαταστήσετε την Python και το πακέτο pip στο σύστημά σας.

Οι ακόλουθες εντολές εμφανίζουν την έκδοση της Python και το pip για να επιβεβαιώσουν εάν αυτά τα εργαλεία είναι ήδη εγκατεστημένα.

Ελέγξτε αν είναι εγκατεστημένη η Python

Python --version

Ελέγξτε εάν το pip είναι εγκατεστημένο

pip -V

Εγκαταστήστε το Mathplotlib

Η παρακάτω εντολή εγκαθιστά το πακέτο Matplotlib από το Python Package Index (PyPI).

python -m pip install matplotlib

Αυτή η εντολή κατεβάζει και εγκαθιστά τα σχετικά πακέτα του Matplotlib. Θα πρέπει να δείτε ένα μήνυμα επιτυχούς εγκατάστασης μετά την ολοκλήρωση της εγκατάστασης.

Για να βεβαιωθείτε ότι το Matplotlib έχει εγκατασταθεί με επιτυχία, πληκτρολογήστε την ακόλουθη εντολή, η οποία θα εμφανίσει την έκδοση του Matplotlib στη γραμμή εντολών σας.

import matplotlib
matplotlib.__version__

Οι προγραμματιστές που επιθυμούν να εγκαταστήσουν το μη μεταγλωττισμένο πακέτο Matplotlib πρέπει να έχουν πρόσβαση στον σωστό μεταγλωττιστή στο σύστημά τους, εκτός από τις εξαρτήσεις, τα σενάρια εγκατάστασης, τα αρχεία διαμόρφωσης και τις ενημερώσεις κώδικα.

Ωστόσο, αυτή η συγκεκριμένη μη μεταγλωττισμένη εγκατάσταση Matplolib μπορεί να είναι περίπλοκη, ειδικά για αρχάριους χρήστες του Matplotlib. Επομένως, γιατί να μην χρησιμοποιήσετε απλώς μια εντολή μιας γραμμής για να εγκαταστήσετε τη βιβλιοθήκη σε δευτερόλεπτα;🤔

Μετά την εγκατάσταση του Matplotlib, εισαγάγετε το πακέτο στο περιβάλλον σας για πρόσβαση στα βοηθητικά του προγράμματα.

Επιλογές σχεδίασης Matplotlib

Το Matplotlib παρέχει πολλές επιλογές σχεδίασης για την οπτικοποίηση δεδομένων. Επιτρέπει επίσης την προσαρμογή των γραφικών παραστάσεων παρέχοντας διαφορετικά θέματα, χρώματα και επιλογές παλέτας που μπορεί να χρησιμοποιήσει ο χρήστης για να χειριστεί τα σχέδια.

  Πώς να καταργήσετε τη λίστα του αριθμού σας από το Truecaller

Αυτές οι επιλογές σχεδίασης περιλαμβάνουν:

#1. Γραφήματα ράβδων

Τα διαγράμματα ράβδων, γνωστά ως γραφήματα ράβδων, είναι μια κατάλληλη επιλογή για την οπτικοποίηση μιας ποσοτικής σύγκρισης τιμών εντός της ίδιας κατηγορίας.

Το Matplotlib αντιπροσωπεύει αυτό το διάγραμμα χρησιμοποιώντας ορθογώνιες ράβδους όπου τα μήκη και τα ύψη τους αντιπροσωπεύουν τις αναλογικές τους τιμές. Οι ράβδοι μπορεί να είναι είτε οριζόντιες είτε κάθετες.

Το Matplotlib χρησιμοποιεί τη συνάρτηση plt.bar() για να δημιουργήσει το γράφημα ράβδων.

Επιπλέον, μπορείτε να χρησιμοποιήσετε περισσότερες συναρτήσεις για να χειριστείτε αυτό το διάγραμμα. Για παράδειγμα, οι συναρτήσεις plt.xlabel() και plt.ylabel() επισημαίνουν τους άξονες x και y του γραφήματος, αντίστοιχα.

Η συνάρτηση plt.title() σάς επιτρέπει επίσης να δώσετε έναν τίτλο στο γράφημά σας, ενώ η συνάρτηση plt.savefig() αποθηκεύει την γραφική παράσταση. Η συνάρτηση plot.show(), που είναι η πιο σημαντική, εμφανίζει την γραφική παράσταση.

#2. Οικόπεδα πίτας

Μπορείτε να απεικονίσετε την αναλογική κατανομή των στοιχείων στην ίδια κατηγορία χρησιμοποιώντας ένα κυκλικό στατιστικό διάγραμμα που ονομάζουμε γραφήματα πίτας.

Τα διαγράμματα πίτας εμφανίζουν δεδομένα σε ποσοστιαία μορφή. Ολόκληρη η περιοχή του γραφήματος αντιστοιχεί στο συνολικό ποσοστό δεδομένων, ενώ οι μεμονωμένες φέτες πίτας αντιπροσωπεύουν τμήματα του ποσοστού των δεδομένων.

Το Matplotlib χρησιμοποιεί τη συνάρτηση plt.pie() που σχεδιάζει και προσαρμόζει τις παραμέτρους του γραφήματος πίτας.
Περισσότερες παράμετροι όπως το autopct που εκτυπώνουν την τιμή του γραφήματος πίτας έως και 1 δεκαδικό ψηφίο είναι χρήσιμες για τη δημιουργία γραφικών γραφημάτων πίτας.

Οι επιχειρηματικές οργανώσεις βρίσκουν τα γραφήματα πίτας χρήσιμα για την παρουσίαση σχετικών πληροφοριών όπως λειτουργίες, πωλήσεις ή πόρους.

#3. Ιστόγραμμα

Ένα ιστόγραμμα εμφανίζει την κατανομή αριθμητικών δεδομένων. Χρησιμοποιεί συνεχή διαστήματα για να χωρίσει τα δεδομένα σε διακριτές ενότητες.

Η κύρια διαφορά μεταξύ ενός ιστογράμματος και ενός σχεδίου ράβδων είναι ο τύπος των δεδομένων που χειρίζονται. Ενώ τα ιστογράμματα χειρίζονται τον συνεχή τύπο δεδομένων, τα ραβδόγραμμα χειρίζονται κατηγορηματικά δεδομένα.

Το Matplotlib χρησιμοποιεί τη συνάρτηση hist() που χρησιμοποιεί έναν πίνακα τυχαίων ή καθορισμένων τιμών για να δημιουργήσει το ιστόγραμμα.

#4. Γραμμικά οικόπεδα

Αυτά τα διαγράμματα είναι χρήσιμα για την εμφάνιση της σχέσης μεταξύ δύο τιμών δεδομένων που ορίζουμε ως αριθμητικές και κατηγορικές, σε βάση Χ και Υ.

Τα διαγράμματα γραμμών είναι σημαντικά για την παρακολούθηση της αλλαγής των τιμών δεδομένων για κάποιο χρονικό διάστημα.

#5. Οικόπεδα διασποράς

Τα διαγράμματα διασποράς επισημαίνουν τη σχέση, συμπεριλαμβανομένης της συσχέτισης μεταξύ των μεταβλητών στα δεδομένα. Είναι επίσης χρήσιμο για τον εντοπισμό ακραίων τιμών.

Τα διαγράμματα διασποράς χρησιμοποιούν τελείες για να αναπαραστήσουν τη σχέση των μεταβλητών δεδομένων και πώς μια αλλαγή σε μια μεταβλητή μπορεί να επηρεάσει μια άλλη.

Πώς να δημιουργήσετε οικόπεδα στο Matplotlib

Το Matplotlib χρησιμοποιεί διαφορετικές συναρτήσεις για τη δημιουργία διαφορετικών γραφικών. Χρησιμοποιεί επίσης πολύ λίγες γραμμές κώδικα για τη δημιουργία του σχεδίου.

Παρακάτω βλέπουμε πώς να δημιουργήσετε τις διαφορετικές επιλογές σχεδίασης χρησιμοποιώντας διαφορετικές συναρτήσεις στο Matplotlib.

#1. Οικόπεδο μπαρ στο Matplotlib

Τα διαγράμματα ράβδων, όπως εξηγήθηκε παραπάνω, εμφανίζουν κατηγορίες δεδομένων χρησιμοποιώντας ράβδους και άξονες που αντιπροσωπεύουν μια σύγκριση κατηγοριών σε έναν άξονα και αντίστοιχων τιμών των κατηγοριών στον άλλο άξονα.

Η συνάρτηση bar() στο Matplotlib παίρνει διαφορετικές διατάξεις ορισμάτων για να περιγράψει τη διάταξη των ράβδων, όπως φαίνεται παρακάτω.

plt.bar(x, y, height, width, bottom, align)

Οι παράμετροι x και y αντιπροσωπεύουν τις τιμές συντεταγμένων x και τις τιμές συντεταγμένων y της ράβδου στο διάγραμμα. Η παράμετρος πλάτος αντιπροσωπεύει το πλάτος της ράβδου, ενώ η παράμετρος ύψος αντιπροσωπεύει το ύψος της ράβδου.

Για παράδειγμα, ας αναπαραστήσουμε τον αριθμό των σκύλων και των γατών σε ένα καταφύγιο ζώων που ονομάζεται x.

import matplotlib.pyplot as plt
import numpy as np

x = ["Cats", "Dogs"]
plt.xlabel("Cats and Dogs in Shelter")
plt.ylabel("No. of animals in Shelter")
plt.title("Number of cats and dogs in shelter x")
y = [300, 350]
plt.bar(x, y, color="black", width = 0.5)

Παραγωγή:

  Πώς να αλλάξετε τη χώρα ή την περιοχή για το Apple ID σας

Έξοδος Bar Plot στο Mathplotlib

Όπως στο παραπάνω παράδειγμά μας, μπορείτε να καθορίσετε περαιτέρω το χρώμα των ράβδων χρησιμοποιώντας το χαρακτηριστικό χρώμα. Επιπλέον, το plt.xlabel και το p.ylabel ονομάζουν τους άξονες x και y, αντίστοιχα, ενώ το plt.title ονομάζει την γραφική παράσταση.

#2. Πώς να δημιουργήσετε ένα οικόπεδο πίτας

Το Matplotlib χρησιμοποιεί τη συνάρτηση pie() που συνοδεύει τη μονάδα pyplot για να σχεδιάσει ένα γράφημα πίτας.
Η συνάρτηση αντιπροσωπεύει τα δεδομένα που πρέπει να σχεδιάσετε σε μορφή πίνακα.

Σύνταξη:

matplotlib.pyplot.pie(data, explode=None, labels=None, colors=None, autopct=None, shadow=False)

Η παράμετρος χρώματα ορίζει το χρώμα των φετών πίτας. Μπορείτε να χρησιμοποιήσετε έναν πίνακα τιμών για να καθορίσετε ένα χρώμα για κάθε φέτα.

Για να συμπεριλάβει περαιτέρω λεπτομέρειες για κάθε slice στην πίτα, το όρισμα autopct προσθέτει τα αριθμητικά ποσοστά που αντιπροσωπεύει κάθε κομμάτι χρησιμοποιώντας τη συμβολοσειρά μορφοποίησης της Python. Το explode ως όρισμα δέχεται έναν πίνακα τιμών που ξεκινούν από 0,1 για να ορίσουν την απόσταση της φέτας από το κέντρο της πίτας.

Ας σχεδιάσουμε ένα γράφημα πίτας που εμφανίζει τους πόρους σε ποσοστό που διατίθεται για ένα συγκεκριμένο έργο.

import matplotlib.pyplot as plt
import numpy as np

y = np.array([25, 10, 45, 20])
mylabels = ["w", "x", "y", "z"]
explodevalues = [0.1, 0.2, 0, 0]
colors = ['tab:blue', 'tab:green', 'tab:orange', 'tab:red']
plt.title("Resources allocated for a random project")
plt.pie(y, labels = mylabels, colors=colors,explode = explodevalues, autopct="%1.1f%%", shadow = True)
plt.show()

Παραγωγή:

Έξοδος πλοκής πίτας στο Mathplotlib

Το παραπάνω διάγραμμα εμφανίζει ένα γράφημα πίτας με τέσσερις φέτες με τις ετικέτες w, x, y και z, αντίστοιχα. Οι τιμές έκρηξης καθορίζουν πόσο πιο μακριά από το κέντρο της πίτας θα τοποθετηθούν οι φέτες.

Από το παραπάνω γράφημα, το x είναι πιο μακριά επειδή η τιμή έκρηξής του είναι μεγαλύτερη από τα υπόλοιπα. Το χαρακτηριστικό shadow προσθέτει μια σκιά στο διάγραμμα πίτας όπως στην εικόνα, ενώ το autopct ορίζει το σχετικό ποσοστό σε ολόκληρη την πίτα που αντιπροσωπεύει κάθε φέτα.

#3. Δημιουργία γραφικής παράστασης ιστογράμματος

Με ένα ιστόγραμμα, θα χρησιμοποιήσουμε μια σειρά διαστημάτων για να αναπαραστήσουμε το εύρος των δεδομένων τιμών στον άξονα x.
Ο άξονας y, από την άλλη πλευρά, θα αντιπροσωπεύει τις πληροφορίες συχνότητας.

Σε αντίθεση με τα άλλα διαγράμματα, η γραφική παράσταση ενός ιστογράμματος στο Matplotlib απαιτεί ορισμένα προκαθορισμένα βήματα που πρέπει να ακολουθήσετε για να δημιουργήσετε το γράφημα.

Αυτά τα βήματα περιλαμβάνουν:

  • Δημιουργήστε έναν κάδο περιοχών από το σύνολο τιμών δεδομένων που έχετε. Μπορείτε να χρησιμοποιήσετε τη συνάρτηση np.random.normal() που μπορεί να δημιουργήσει τυχαίες τιμές για εσάς.
  • Χρησιμοποιώντας μια σειρά διαστημάτων, κατανείμετε τις τιμές σε ένα εύρος τιμών.
  • Μετρήστε τις τιμές που εμπίπτουν σε κάθε συγκεκριμένο διάστημα.
  • Τώρα χρησιμοποιήστε τη συνάρτηση matplotlib.pyplot.hist() για να δημιουργήσετε το ιστόγραμμα.

    • Η συνάρτηση hist() λαμβάνει διάφορες παραμέτρους, όπως:

    x – Αυτό αντιπροσωπεύει την ακολουθία πίνακα

    bins – Αυτή είναι μια προαιρετική παράμετρος που αντιπροσωπεύει μη επικαλυπτόμενα διαστήματα μεταβλητών που μπορεί να περιέχουν ακέραιους αριθμούς ή μια ακολουθία συμβολοσειρών.

    range – Καθορίζει την ανώτερη και την κάτω περιοχή των δοχείων

    align – Αυτή η παράμετρος ελέγχει την ευθυγράμμιση του ιστογράμματος. Είτε αριστερά, είτε δεξιά είτε μεσαία.

    χρώμα – Καθορίζει το χρώμα των ράβδων.

    rwidth – Ορίζει το σχετικό πλάτος των ράβδων στο ιστόγραμμα με αυτό του κάδου.

    Η παράμετρος log – log ορίζει μια κλίμακα καταγραφής στον άξονα ενός ιστογράμματος.

    Το ακόλουθο παράδειγμα σχεδιάζει ένα ιστόγραμμα με τις καθορισμένες τιμές.

    from matplotlib import pyplot as plt

x = [22, 40, 87, 5, 43, 30, 56,73, 55, 54, 11, 20, 51, 5,  50, 60, 70, 80]

plt.hist(x)
plt.title(Histogram plot example')
plt.xlabel('x axis')
plt.ylabel('frequency')
plt.show()

    Παραγωγή:

    Έξοδος γραφικής παράστασης ιστογράμματος στο Mathplotlib

    #4. Οικόπεδο γραμμής στο Matplotlib

    Το Matplotlib χρησιμοποιεί την υποβιβλιοθήκη του που ονομάζεται pyplot , η οποία συνοδεύεται από διάφορες λειτουργίες που βοηθούν στην υλοποίησή του.

    Χρησιμοποιούμε τη συνάρτηση plot(), η οποία είναι μια γενική συνάρτηση που συνοδεύεται από pyplot για να σχεδιάσει τα γραμμικά διαγράμματα και διαφορετικούς άλλους τύπους γραμμών, συμπεριλαμβανομένων των καμπυλωτών γραφημάτων και των πολλαπλών γραμμών. Η δημιουργία αυτών των διαφορετικών ειδών γραφημάτων εξαρτάται από τις τιμές που μεταβιβάζετε στον άξονα y.

      Διόρθωση του σφάλματος «Το iTunes δεν μπόρεσε να συνδεθεί σε αυτό το iPhone».

    Κατά τη σχεδίαση, εισαγάγετε τα matplotlib.pyplot και Numpy, τα οποία σχεδιάζουν τα γραφήματα. Η μέθοδος plot(x,y) δημιουργεί το γράφημα γραμμής περνώντας τυχαίες τιμές στα ορίσματα x και y.

    Επιπλέον, μπορείτε να περάσετε μια μεταβλητή ετικέτας που επισημαίνει το γράφημα. Η συνάρτηση τίτλος ονομάζει περαιτέρω τον τίτλο της πλοκής, ενώ οι συναρτήσεις xlabel και ylabel ονομάζουν τους άξονες. Τέλος, η συνάρτηση show() εμφανίζει την γραφική παράσταση.

    Για παράδειγμα:

    import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 5, 10)

y = 3*x + 2
plt.title('Line plot example')
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.plot(x, y)
plt.show()

    Αποτέλεσμα:

    Έξοδος σχεδίου γραμμής στο Mathplotlib

    Το χαρακτηριστικό np.linspace επιστρέφει στην γραφική παράσταση, ένα σύνολο ομοιόμορφων αριθμών σε ένα συγκεκριμένο διάστημα για τις τιμές x. Αυτό θα δημιουργήσει έναν πίνακα 10 τιμών στην περιοχή 0 και 5. Οι τιμές y δημιουργούνται από την εξίσωση που χρησιμοποιεί αντίστοιχες τιμές του x.

    Δημιουργία γραφικών Scatter

    Το Matplotlib χρησιμοποιεί τη μέθοδο scatter() για να δημιουργήσει αυτό το γράφημα.
    Αυτή η μέθοδος λαμβάνει τις ακόλουθες παραμέτρους.

    matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=None, c=None, marker=None, cmap=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None)

    Οι παράμετροι x_axis_data και y_axis_data δεν μπορούν να μείνουν κενές, σε αντίθεση με τις υπόλοιπες παραμέτρους που μπορεί να είναι προαιρετικές και να έχουν None ως τιμή. Ενώ το όρισμα x_axis_data ορίζει έναν πίνακα δεδομένων για τον άξονα x, το y_axis_data ορίζει έναν πίνακα δεδομένων για τον άξονα y.

    Ένα παράδειγμα γραφήματος διασποράς στο matplotlib

    import matplotlib.pyplot as plt
 
x =[15, 17, 18, 27, 22, 27, 32, 14, 11, 12, 29, 16]
 
y =[19, 16, 17, 18, 10, 26, 13, 27, 14, 18, 17, 35]
plt.title('Scatter plot example')
plt.xlabel('x variable')
plt.ylabel('y variable')
plt.scatter(x, y, c ="green")
 
# To show the plot
plt.show()

    Η έξοδος του θα είναι:

    Έξοδος γραφήματος διασποράς στο Mathplotlib

    Τι είναι το subplot() στο matplotlib

    Η συνάρτηση subplot() μπορεί να χρησιμοποιηθεί για τη σχεδίαση πολλαπλών γραφημάτων σε ένα μόνο σχήμα Matplotlib. Αυτό επιτρέπει την προβολή και σύγκριση των πολλαπλών διαγραμμάτων μέσα στο σχήμα.

    Αυτή η συνάρτηση θα επιστρέψει μια πλειάδα με τρία ορίσματα. γραμμές και στήλες ως το πρώτο και δεύτερο όρισμα, αντίστοιχα, και το ευρετήριο του τρέχοντος σχεδίου ως το τρίτο όρισμα.

    Οι γραμμές και οι στήλες ορίζουν με σαφήνεια τη διάταξη του Matplotlib.

    Επομένως, το plt.subplot(2, 1, 1) για παράδειγμα, θα σχεδιάσει ένα σχήμα Matplotlib με δύο σειρές και μία στήλη και αυτό το γράφημα θα είναι το πρώτο γράφημα.

    Από την άλλη πλευρά, το plt.subplot(2, 1, 2) εμφανίζει μια δεύτερη γραφική παράσταση με δύο σειρές και μία στήλη.

    Η σχεδίαση αυτών των δύο γραφικών θα τα δημιουργήσει το ένα πάνω στο άλλο, όπως στο παρακάτω παράδειγμα.

    import matplotlib.pyplot as plt
import numpy as np

#plot 1:
x = np.array([2, 4, 6, 8])
y = np.array([3, 6, 9, 12])

plt.subplot(2, 1, 1)
plt.plot(x,y)

#plot 2:
x = np.array([3, 6, 9, 12])
y = np.array([1, 2, 3, 4])

plt.subplot(2, 1, 2)
plt.plot(x,y)

plt.show()

    Η έξοδος του παραπάνω παραδείγματος θα μοιάζει με την παρακάτω εικόνα.

    Χρησιμοποιώντας ένα διαφορετικό παράδειγμα, ας χρησιμοποιήσουμε τη συνάρτηση subplot για να σχεδιάσουμε δύο σχήματα με μία γραμμή και δύο στήλες. Αυτό θα εμφανίσει τα οικόπεδα δίπλα-δίπλα.

    import matplotlib.pyplot as plt
import numpy as np

#plot 1:
x = np.array([2, 4, 6, 8])
y = np.array([3, 6, 9, 12])

plt.subplot(1, 2, 1)
plt.plot(x,y)

#plot 2:
x = np.array([3, 6, 9, 12])
y = np.array([1, 2, 3, 4])

plt.subplot(1, 2, 2)
plt.plot(x,y)

plt.show()

    Το παραπάνω παράδειγμα θα εμφανίσει το ακόλουθο αποτέλεσμα.

    Λοιπόν, αυτό ήταν ενδιαφέρον διαδραστικό, δεν το νομίζετε;😃

    Τελικές Λέξεις

    Το Matplotlib είναι μια διάσημα χρησιμοποιούμενη βιβλιοθήκη οπτικοποίησης στην Python. Η διαδραστικότητά του και η ικανότητά του για ευκολία στη χρήση ακόμη και για αρχάριους το καθιστούν ένα ακόμα καλύτερο εργαλείο για χρήση για σχεδίαση σε Python.

    Αυτό το άρθρο κάλυψε παραδείγματα των διάφορων γραφικών παραστάσεων που μπορούν να δημιουργήσουν οι συναρτήσεις που συνοδεύουν το Matplotlib, συμπεριλαμβανομένων γραφημάτων πίτας, γραφικών γραμμών, ιστογραμμάτων και διαγραμμάτων διασποράς.

    Φυσικά, η Python έχει πολλές άλλες βιβλιοθήκες που μπορούν να χρησιμοποιήσουν οι ειδικοί στη μηχανική μάθηση και οι επιστήμονες δεδομένων για να δημιουργήσουν οπτικοποιήσεις.

    Μπορείτε να εξερευνήσετε περισσότερα οικόπεδα που μπορείτε να δημιουργήσετε με το Matplotlib και ποιες λειτουργίες θα χρησιμοποιήσετε για να δημιουργήσετε το οικόπεδο.

    Καλή πλοκή!📉📊