Apa itu matplotlib dalam definisi python?

Di blog saya sebelumnya, saya membahas tentang perpustakaan numerik python yang disebut Python NumPy. Di blog ini, saya akan membahas tentang library lain, Python Matplotlib. matplotlib. pyplot adalah paket python yang digunakan untuk grafik 2D. Belajar menggunakan perpustakaan ini secara efisien juga merupakan bagian penting dari kurikulum Sertifikasi Python. Di bawah ini adalah urutan di mana saya akan membahas semua topik python matplotlib

Apa itu Python Matplotlib?

matplotlib. pyplot adalah library plotting yang digunakan untuk grafik 2D dalam bahasa pemrograman python. Ini dapat digunakan dalam skrip python, shell, server aplikasi web, dan toolkit antarmuka pengguna grafis lainnya

Untuk apa Matplotlib digunakan?

Matplotlib adalah Perpustakaan Python yang digunakan untuk merencanakan, perpustakaan python ini menyediakan dan API berorientasi objek untuk mengintegrasikan plot ke dalam aplikasi

Apakah Matplotlib Termasuk dalam Python?

Matplotlib bukan bagian dari Perpustakaan Standar yang diinstal secara default saat Python, ada beberapa toolkit yang tersedia yang memperluas fungsionalitas python matplotlib. Beberapa di antaranya adalah unduhan terpisah, yang lain dapat dikirimkan dengan kode sumber matplotlib tetapi memiliki ketergantungan eksternal

Anda dapat membaca rekaman Python Matplotlib ini di mana instruktur kami telah menjelaskan cara mengunduh Matplotlib dengan Python dan topik secara mendetail dengan contoh yang akan membantu Anda memahami konsep ini dengan lebih baik

Tutorial Python Matplotlib. Tutorial Matplotlib. Tutorial Python. Pelatihan Python. Edureka

Tutorial Edureka Python Matplotlib ini menjelaskan apa itu visualisasi data dan bagaimana melakukan visualisasi data menggunakan Matplotlib

Selanjutnya, mari kita lanjutkan di blog ini dan jelajahi berbagai jenis plot yang tersedia di python matplotlib

Python Matplotlib. Jenis Plot

Ada berbagai plot yang dapat dibuat menggunakan python matplotlib. Beberapa dari mereka terdaftar di bawah ini

Saya akan menunjukkan masing-masing secara rinci

Namun sebelum itu, izinkan saya menunjukkan kepada Anda kode yang sangat mendasar di python matplotlib untuk menghasilkan grafik sederhana

from matplotlib import pyplot as plt
 
 #Plotting to our canvas
 
 plt.plot([1,2,3],[4,5,1])
 
 #Showing what we plotted
 
 plt.show()

Keluaran –

Jadi, dengan tiga baris kode, Anda dapat membuat grafik dasar menggunakan python matplotlib. Sederhana, bukan?
Mari kita lihat bagaimana kita bisa menambahkan judul, label ke grafik kita yang dibuat oleh pustaka python matplotlib untuk membuatnya lebih bermakna. Perhatikan contoh di bawah ini

from matplotlib import pyplot as plt

x = [5,2,7]
y = [2,16,4]
plt.plot(x,y)
plt.title('Info')
plt.ylabel('Y axis')
plt.xlabel('X axis')
plt.show()

Keluaran –

Anda bahkan dapat mencoba berbagai teknik gaya untuk membuat grafik yang lebih baik. Bagaimana jika Anda ingin mengubah lebar atau warna garis tertentu atau bagaimana jika Anda ingin memiliki beberapa garis kisi, di sana Anda memerlukan gaya. Jadi, izinkan saya menunjukkan cara menambahkan gaya ke grafik menggunakan python matplotlib. Pertama, Anda perlu mengimpor paket gaya dari pustaka python matplotlib, lalu gunakan fungsi penataan gaya seperti yang ditunjukkan pada kode di bawah

from matplotlib import pyplot as plt
from matplotlib import style

style.use('ggplot')
x = [5,8,10]
y = [12,16,6]
x2 = [6,9,11]
y2 = [6,15,7]
plt.plot(x,y,'g',label='line one', linewidth=5)
plt.plot(x2,y2,'c',label='line two',linewidth=5)
plt.title('Epic Info')
plt.ylabel('Y axis')
plt.xlabel('X axis')
plt.legend()
plt.grid(True,color='k')
plt.show()

Keluaran –

Selanjutnya di blog python matplotlib ini, kita akan memahami berbagai jenis plot. Mari kita mulai dengan grafik batang

Python Matplotlib. Grafik batang

Pertama, mari kita pahami mengapa kita membutuhkan grafik batang. Grafik batang menggunakan batang untuk membandingkan data di antara berbagai kategori. Ini sangat cocok bila Anda ingin mengukur perubahan selama periode waktu tertentu. Itu dapat direpresentasikan secara horizontal atau vertikal. Juga, hal penting yang perlu diingat adalah semakin panjang bar, semakin besar nilainya. Sekarang, mari kita praktis mengimplementasikannya menggunakan python matplotlib

from matplotlib import pyplot as plt

plt.bar([0.25,1.25,2.25,3.25,4.25],[50,40,70,80,20],
label="BMW",width=.5)
plt.bar([.75,1.75,2.75,3.75,4.75],[80,20,20,50,60],
label="Audi", color='r',width=.5)
plt.legend()
plt.xlabel('Days')
plt.ylabel('Distance (kms)')
plt.title('Information')
plt.show()

Keluaran –

Pada plot di atas, saya telah menampilkan perbandingan antara jarak yang ditempuh oleh dua mobil BMW dan Audi selama 5 hari. Selanjutnya, mari kita beralih ke plot lain menggunakan python matplotlib – Histogram

Python Matplotlib – Histogram

Izinkan saya memberi tahu Anda perbedaan antara grafik batang dan histogram. Histogram digunakan untuk menunjukkan distribusi sedangkan diagram batang digunakan untuk membandingkan entitas yang berbeda. Histogram berguna ketika Anda memiliki array atau daftar yang sangat panjang. Mari pertimbangkan contoh di mana saya harus memplot usia populasi sehubungan dengan bin. Sekarang, bin mengacu pada rentang nilai yang dibagi menjadi serangkaian interval. Tempat sampah biasanya dibuat dengan ukuran yang sama. Pada kode di bawah ini, saya telah membuat bin dalam interval 10 yang berarti bin pertama berisi elemen dari 0 sampai 9, kemudian 10 sampai 19 dan seterusnya

import matplotlib.pyplot as plt
population_age = [22,55,62,45,21,22,34,42,42,4,2,102,95,85,55,110,120,70,65,55,111,115,80,75,65,54,44,43,42,48]
bins = [0,10,20,30,40,50,60,70,80,90,100]
plt.hist(population_age, bins, histtype='bar', rwidth=0.8)
plt.xlabel('age groups')
plt.ylabel('Number of people')
plt.title('Histogram')
plt.show()

Keluaran –

Seperti yang Anda lihat pada plot di atas, kami mendapatkan kelompok umur sehubungan dengan tempat sampah. Kelompok usia terbesar kami adalah antara 40 dan 50 tahun

Python Matplotlib. Plot Pencar

Biasanya kita memerlukan plot sebar untuk membandingkan variabel, misalnya, seberapa besar satu variabel dipengaruhi oleh variabel lain untuk membangun relasi darinya. Data ditampilkan sebagai kumpulan titik-titik yang masing-masing memiliki nilai satu variabel yang menentukan posisi pada sumbu horizontal dan nilai variabel lainnya menentukan posisi pada sumbu vertikal.

Perhatikan contoh di bawah ini

import matplotlib.pyplot as plt
x = [1,1.5,2,2.5,3,3.5,3.6]
y = [7.5,8,8.5,9,9.5,10,10.5]

x1=[8,8.5,9,9.5,10,10.5,11]
y1=[3,3.5,3.7,4,4.5,5,5.2]

plt.scatter(x,y, label='high income low saving',color='r')
plt.scatter(x1,y1,label='low income high savings',color='b')
plt.xlabel('saving*100')
plt.ylabel('income*1000')
plt.title('Scatter Plot')
plt.legend()
plt.show()

Keluaran –

Seperti yang Anda lihat pada grafik di atas, saya telah memplot dua plot pencar berdasarkan input yang ditentukan dalam kode di atas. Data ditampilkan sebagai kumpulan poin yang memiliki 'gaji rendah berpenghasilan tinggi' dan 'gaji rendah berpenghasilan tinggi'

Selanjutnya mari kita pahami plot area atau bisa juga dikatakan Stack plot menggunakan python matplotlib

Python Matplotlib. Petak Wilayah

Plot area sangat mirip dengan plot garis. Mereka juga dikenal sebagai plot tumpukan. Plot ini dapat digunakan untuk melacak perubahan dari waktu ke waktu untuk dua atau lebih grup terkait yang membentuk satu kategori utuh. Sebagai contoh, mari kita kumpulkan pekerjaan yang dilakukan selama sehari ke dalam kategori, misalnya tidur, makan, bekerja, dan bermain. Pertimbangkan kode di bawah ini.  

import matplotlib.pyplot as plt
days = [1,2,3,4,5]
 
 sleeping =[7,8,6,11,7]
 eating = [2,3,4,3,2]
 working =[7,8,7,2,2]
 playing = [8,5,7,8,13]
 
 plt.plot([],[],color='m', label='Sleeping', linewidth=5)
 plt.plot([],[],color='c', label='Eating', linewidth=5)
 plt.plot([],[],color='r', label='Working', linewidth=5)
 plt.plot([],[],color='k', label='Playing', linewidth=5)
 
 plt.stackplot(days, sleeping,eating,working,playing, colors=['m','c','r','k'])
 
 plt.xlabel('x')
 plt.ylabel('y')
 plt.title('Stack Plot')
 plt.legend()
 plt.show()

Keluaran –

Seperti yang dapat kita lihat pada gambar di atas, kita menghabiskan waktu berdasarkan kategori. Oleh karena itu, area plot atau stack plot digunakan untuk menunjukkan tren dari waktu ke waktu, di antara atribut yang berbeda. Selanjutnya, mari kita beralih ke plot kita yang terakhir namun paling sering digunakan - Bagan pai

Python Matplotlib. Pie chart

Bagan pai mengacu pada grafik lingkaran yang dipecah menjadi segmen-segmen i. e. irisan pai. Ini pada dasarnya digunakan untuk menunjukkan persentase atau data proporsional di mana setiap irisan pai mewakili suatu kategori. Mari kita lihat contoh di bawah ini

import matplotlib.pyplot as plt

days = [1,2,3,4,5]

sleeping =[7,8,6,11,7]
eating = [2,3,4,3,2]
working =[7,8,7,2,2]
playing = [8,5,7,8,13]
slices = [7,2,2,13]
activities = ['sleeping','eating','working','playing']
cols = ['c','m','r','b']

plt.pie(slices,
  labels=activities,
  colors=cols,
  startangle=90,
  shadow= True,
  explode=(0,0.1,0,0),
  autopct='%1.1f%%')

plt.title('Pie Plot')
plt.show()

Keluaran –

Pada diagram lingkaran di atas, saya telah membagi lingkaran menjadi 4 sektor atau irisan yang mewakili kategori masing-masing (bermain, tidur, makan, dan bekerja) beserta persentasenya. Sekarang, jika Anda memperhatikan bahwa irisan ini bertambah hingga 24 jam, tetapi penghitungan irisan pai dilakukan secara otomatis untuk Anda. Dengan cara ini, bagan pai sangat berguna karena Anda tidak harus menjadi orang yang menghitung persentase atau potongan pai

Selanjutnya di python matplotlib, mari kita pahami cara bekerja dengan banyak plot

Python Matplotlib. Bekerja Dengan Banyak Plot

Saya telah membahas tentang beberapa jenis plot di python matplotlib seperti bar plot, scatter plot, pie plot, area plot dll. Sekarang, izinkan saya menunjukkan cara menangani banyak plot. Untuk ini, saya harus mengimpor modul numpy yang saya bahas di blog saya sebelumnya tentang Python Numpy. Biarkan saya menerapkannya secara praktis, pertimbangkan contoh di bawah ini

import numpy as np
import matplotlib.pyplot as plt

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
plt.subplot(221)
plt.plot(t1, f(t1), 'bo', t2, f(t2))
plt.subplot(222)
plt.plot(t2, np.cos(2*np.pi*t2))
plt.show()

Output -

Kode ini sangat mirip dengan contoh sebelumnya yang pernah Anda lihat, tetapi ada satu konsep baru di sini, yaitu. e. subplot. Perintah subplot() menentukan numrow, numcol, fignum yang berkisar dari 1 hingga numrows*numcols. Koma dalam perintah ini bersifat opsional jika numrows*numcols<10. Jadi subplot (221) identik dengan subplot (2,2,1). Oleh karena itu, subplot membantu kami memplot beberapa grafik yang dapat Anda tentukan dengan menyelaraskan secara vertikal atau horizontal. Dalam contoh di atas, saya telah menyelaraskannya secara horizontal

Selain itu, python matplotlib memiliki beberapa kelemahan. Beberapa dari mereka terdaftar di bawah ini

• Mereka sangat bergantung pada paket lain, seperti NumPy
• Ini hanya berfungsi untuk python, jadi sulit atau tidak mungkin digunakan dalam bahasa selain python. (Tetapi dapat digunakan dari Julia melalui paket PyPlot).  

Kita telah sampai di akhir tutorial python matplotlib ini. Saya telah membahas semua dasar-dasar matplotlib, sehingga Anda dapat mulai berlatih sekarang. Saya harap kalian jelas tentang setiap aspek yang telah saya bahas di atas. Setelah blog matplotlib python ini, saya akan membuat lebih banyak blog tentang kelas python, pembelajaran scikit, dan array. Tetap disini

Ada pertanyaan untuk kami?

Untuk mendapatkan pengetahuan mendalam tentang python beserta berbagai aplikasinya, Anda dapat mendaftar untuk pelatihan online Python langsung oleh Edureka dengan dukungan 24/7 dan akses seumur hidup