Apa gunanya matplotlib di python?

Kami sekarang akan melihat secara mendalam paket Matplotlib untuk visualisasi dengan Python. Matplotlib adalah perpustakaan visualisasi data multi-platform yang dibangun di atas array NumPy, dan dirancang untuk bekerja dengan tumpukan SciPy yang lebih luas. Itu dikandung oleh John Hunter pada tahun 2002, awalnya sebagai tambalan ke IPython untuk mengaktifkan plotting gaya MATLAB interaktif melalui gnuplot dari baris perintah IPython. Pencipta IPython, Fernando Perez, pada saat itu sedang berjuang untuk menyelesaikan PhD-nya, dan memberi tahu John bahwa dia tidak akan punya waktu untuk meninjau tambalan selama beberapa bulan. John mengambil ini sebagai isyarat untuk berangkat sendiri, dan paket Matplotlib lahir, dengan versi 0. 1 dirilis pada tahun 2003. Ini menerima dorongan awal ketika diadopsi sebagai paket perencanaan pilihan dari Space Telescope Science Institute (orang-orang di belakang Teleskop Hubble), yang secara finansial mendukung pengembangan Matplotlib dan memperluas kemampuannya secara besar-besaran.

Salah satu fitur terpenting Matplotlib adalah kemampuannya untuk bekerja dengan baik dengan banyak sistem operasi dan backend grafis. Matplotlib mendukung lusinan backend dan tipe keluaran, yang berarti Anda dapat mengandalkannya untuk bekerja terlepas dari sistem operasi mana yang Anda gunakan atau format keluaran mana yang Anda inginkan. Pendekatan lintas platform, segalanya untuk semua orang ini telah menjadi salah satu kekuatan besar Matplotlib. Ini telah mengarah ke basis pengguna yang besar, yang pada gilirannya telah mengarah ke basis pengembang aktif dan alat-alat canggih Matplotlib dan di mana-mana dalam dunia Python ilmiah.

Namun, dalam beberapa tahun terakhir, antarmuka dan gaya Matplotlib mulai menunjukkan usianya. Alat yang lebih baru seperti ggplot dan ggvis dalam bahasa R, bersama dengan alat visualisasi web berdasarkan kanvas D3js dan HTML5, sering kali membuat Matplotlib terasa kikuk dan kuno. Tetap saja, saya berpendapat bahwa kita tidak dapat mengabaikan kekuatan Matplotlib sebagai mesin grafis lintas platform yang teruji dengan baik. Versi Matplotlib terbaru membuatnya relatif mudah untuk mengatur gaya plotting global baru (lihat Menyesuaikan Matplotlib. Konfigurasi dan Lembar Gaya), dan orang-orang telah mengembangkan paket baru yang dibangun di atas internalnya yang kuat untuk mendorong Matplotlib melalui API yang lebih bersih dan lebih modern—misalnya, Seaborn (dibahas dalam Visualisasi Dengan Seaborn), ggpy, HoloViews, Altair, dan bahkan Pandas . Bahkan dengan pembungkus seperti ini, masih sering berguna untuk menyelami sintaks Matplotlib untuk menyesuaikan hasil akhir plot. Untuk alasan ini, saya percaya bahwa Matplotlib sendiri akan tetap menjadi bagian penting dari tumpukan visualisasi data, bahkan jika alat baru membuat komunitas secara bertahap beralih dari menggunakan API Matplotlib secara langsung

Tips Matplotlib Umum

Sebelum kita menyelami detail pembuatan visualisasi dengan Matplotlib, ada beberapa hal berguna yang harus Anda ketahui tentang penggunaan paket

Mengimpor Matplotlib

Sama seperti kita menggunakan steno

plt.style.use('classic')

plt.style.use('classic')

Dalam [1]

import matplotlib as mpl
import matplotlib.pyplot as plt

Antarmuka

plt.style.use('classic')

Mengatur Gaya

Kami akan menggunakan arahan

plt.style.use('classic')

plt.style.use('classic')

Di [2]

plt.style.use('classic')

Sepanjang bagian ini, kami akan menyesuaikan gaya ini sesuai kebutuhan. Perhatikan bahwa stylesheet yang digunakan di sini didukung pada Matplotlib versi 1. 5; . Untuk informasi selengkapnya tentang stylesheet, lihat Menyesuaikan Matplotlib. Konfigurasi dan Style Sheets

# ------- file: myplot.py ------ import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 10, 100) plt.plot(x, np.sin(x)) plt.plot(x, np.cos(x)) plt.show() 0 atau Tidak # ------- file: myplot.py ------ import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 10, 100) plt.plot(x, np.sin(x)) plt.plot(x, np.cos(x)) plt.show() 0?

Visualisasi yang tidak dapat Anda lihat tidak akan banyak berguna, tetapi cara Anda melihat plot Matplotlib bergantung pada konteksnya. Penggunaan terbaik Matplotlib berbeda tergantung bagaimana Anda menggunakannya;

Merencanakan dari naskah

Jika Anda menggunakan Matplotlib dari dalam skrip, fungsi

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

Jadi, misalnya, Anda mungkin memiliki file bernama myplot. py yang berisi berikut ini

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

Anda kemudian dapat menjalankan skrip ini dari prompt baris perintah, yang akan menghasilkan jendela terbuka dengan gambar Anda ditampilkan

$ python myplot.py

Perintah

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

Satu hal yang harus diperhatikan. perintah

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

Merencanakan dari shell IPython

Akan sangat mudah untuk menggunakan Matplotlib secara interaktif di dalam shell IPython (lihat IPython. Di luar Python Normal). IPython dibangun untuk bekerja dengan baik dengan Matplotlib jika Anda menentukan mode Matplotlib. Untuk mengaktifkan mode ini, Anda dapat menggunakan perintah ajaib

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

In [1]: %matplotlib
Using matplotlib backend: TkAgg

In [2]: import matplotlib.pyplot as plt

Pada titik ini, perintah plot

plt.style.use('classic')

$ python myplot.py

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

Merencanakan dari notebook IPython

Notebook IPython adalah alat analisis data interaktif berbasis browser yang dapat menggabungkan narasi, kode, grafik, elemen HTML, dan banyak lagi ke dalam satu dokumen yang dapat dieksekusi (lihat IPython. Di luar Python Normal)

Merencanakan secara interaktif dalam notebook IPython dapat dilakukan dengan perintah

# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

plt.show()

• $ python myplot.py

  3 akan mengarah ke plot interaktif yang disematkan di dalam notebook

• $ python myplot.py

  4 akan menghasilkan gambar statis dari plot Anda yang disematkan di notebook

Untuk buku ini, kami umumnya akan memilih

$ python myplot.py

Dalam [3]

%matplotlib inline

Setelah menjalankan perintah ini (hanya perlu dilakukan sekali per kernel/sesi), setiap sel di dalam notebook yang membuat plot akan menyematkan gambar PNG dari grafik yang dihasilkan

Apa fungsi matplotlib di Python?

Apa gunanya matplotlib dan Pyplot?

Apa manfaat dari matplotlib?

Apa aplikasi matplotlib di Python?