Matplotlib - это популярная библиотека Python для создания визуальных представлений данных. Ее простота в использовании и расширяемость делают ее идеальным инструментом как для начинающих, так и для опытных специалистов по обработке данных.
Ниже приведены некоторые из наиболее распространенных типов графиков, которые вы можете создать с помощью Matplotlib:
Линейные графики используются для отображения изменений значений с течением времени. Они часто используются для представления тенденций, роста и спада.
import matplotlib.pyplot as plt
# Создаем данные для графика
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
# Создаем график
plt.plot(x, y)
# Добавляем название и метки осей
plt.title("Линейный график")
plt.xlabel("x")
plt.ylabel("y")
# Отображаем график
plt.show()
Барные графики используются для сравнения категориальных данных. Они позволяют легко визуализировать различия между значениями.
# Создаем данные для графика
categories = ['A', 'B', 'C', 'D', 'E']
values = [10, 20, 30, 40, 50]
# Создаем график
plt.bar(categories, values)
# Добавляем название и метки осей
plt.title("Барный график")
plt.xlabel("Категории")
plt.ylabel("Значения")
# Отображаем график
plt.show()
Круговые диаграммы используются для представления долей категорий. Они позволяют быстро визуализировать относительный размер каждого участка данных.
# Создаем данные для графика
labels = ['A', 'B', 'C', 'D']
sizes = [35, 25, 25, 15]
# Создаем график
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
# Добавляем название и метки осей
plt.title("Круговая диаграмма")
# Отображаем график
plt.show()
Гистограммы используются для представления распределения данных. Они позволяют легко визуализировать частоту появления значений.
# Создаем данные для графика
data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
# Создаем график
plt.hist(data, bins=5)
# Добавляем название и метки осей
plt.title("Гистограмма")
plt.xlabel("Значения")
plt.ylabel("Частота")
# Отображаем график
plt.show()
Рассеянные диаграммы используются для визуализации взаимосвязи между двумя числовыми переменными. Они позволяют исследовать корреляции и зависимости между данными.
# Создаем данные для графика
x = [1, 2, 3, 4, 5]
y = [2, 4, 5, 4, 5]
# Создаем график
plt.scatter(x, y)
# Добавляем название и метки осей
plt.title("Рассеянная диаграмма")
plt.xlabel("x")
plt.ylabel("y")
# Отображаем график
plt.show()
Облачные графики используются для визуализации распределения данных в двух измерениях. Они позволяют идентифицировать кластеры, выбросы и другие шаблоны в данных.
# Создаем данные для графика
x = [1, 2, 3, 4, 5]
y = [2, 4, 5, 4, 5]
# Создаем график
plt.scatter(x, y, c='blue')
# Добавляем название и метки осей
plt.title("Облачный график")
plt.xlabel("x")
plt.ylabel("y")
# Отображаем график
plt.show()