Sebelum kita mulai. Tutorial Python ini adalah bagian dari rangkaian tutorial Paket Python kami. Anda juga dapat menemukan topik terkait Matplotlib lainnya Show
Matplotlib adalah cross-platform, visualisasi data, dan pustaka plotting grafis untuk Python dan ekstensi numeriknya NumPy. Dengan demikian, ia menawarkan alternatif open source yang layak untuk MATLAB. Pengembang juga dapat menggunakan API matplotlib (Antarmuka Pemrograman Aplikasi) untuk menyematkan plot dalam aplikasi GUI Skrip matplotlib Python terstruktur sehingga hanya beberapa baris kode yang diperlukan dalam banyak kasus untuk menghasilkan plot data visual. Lapisan skrip matplotlib melapisi dua API
Matplotlib dan Pyplot dengan PythonPyplot API memiliki antarmuka stateful bergaya MATLAB yang nyaman. Faktanya, matplotlib awalnya ditulis sebagai alternatif open source untuk MATLAB. OO API dan antarmukanya lebih dapat disesuaikan dan kuat daripada pyplot, tetapi dianggap lebih sulit untuk digunakan. Akibatnya, antarmuka pyplot lebih umum digunakan, dan dirujuk secara default di artikel ini. Memahami API pyplot matplotlib adalah kunci untuk memahami cara bekerja dengan plot
Untuk informasi selengkapnya tentang pyplot API dan antarmuka, lihat Apa Itu Pyplot Di Matplotlib Menginstal MatplotlibMatplotlib dan dependensinya dapat diunduh sebagai paket biner (pra-kompilasi) dari Python Package Index (PyPI), dan diinstal dengan perintah berikut python -m pip install matplotlib Matplotlib juga tersedia sebagai file sumber yang tidak dikompilasi. Kompilasi dari sumber akan membutuhkan sistem lokal Anda untuk memiliki kompiler yang sesuai untuk OS Anda, semua dependensi, skrip pengaturan, file konfigurasi, dan tambalan tersedia. Hal ini dapat mengakibatkan instalasi yang cukup rumit. Alternatifnya, pertimbangkan untuk menggunakan Platform ActiveState untuk membangun matplotlib secara otomatis dari sumber dan memaketkannya untuk OS Anda. Menu UI MatplotlibSaat matplotlib digunakan untuk membuat plot, Antarmuka Pengguna (UI) dan struktur menu dibuat. UI dapat digunakan untuk menyesuaikan plot, serta untuk menggeser/memperbesar dan mengalihkan berbagai elemen Matplotlib dan NumPyNumpy adalah paket untuk komputasi ilmiah. Numpy adalah ketergantungan yang diperlukan untuk matplotlib, yang menggunakan fungsi numpy untuk data numerik dan array multidimensi seperti yang ditunjukkan pada potongan kode berikut Kode sumber untuk contoh ini tersedia di bagian di bagian bawah artikel ini. Matplotlib dan PandaPandas adalah perpustakaan yang digunakan oleh matplotlib terutama untuk manipulasi dan analisis data. Panda menyediakan objek tabel data 2D dalam memori yang disebut Dataframe. Tidak seperti numpy, panda bukanlah ketergantungan matplotlib yang diperlukan Panda dan numpy sering digunakan bersamaan, seperti yang ditunjukkan pada cuplikan kode berikut Kode sumber untuk contoh ini tersedia di bagian di bawah artikel ini. Cara Membuat Plot MatplotlibBagian ini menunjukkan cara membuat contoh berbagai jenis plot dengan matplotlib Petak Garis Matplotlib Dalam contoh ini, pyplot diimpor sebagai plt, lalu digunakan untuk memplot tiga angka dalam satu garis lurus. import matplotlib.pyplot as plt # Plot some numbers: plt.plot([1, 2, 3]) plt.title(”Line Plot”) # Display the plot: plt.show()_ Gambar 1. Plot garis dihasilkan oleh Matplotlib Petak Pie MatplotlibDalam contoh ini, pyplot diimpor sebagai plt, lalu digunakan untuk membuat bagan dengan empat bagian yang memiliki label, ukuran, dan warna berbeda. import matplotlib.pyplot as plt # Data labels, sizes, and colors are defined: labels = 'Broccoli', 'Chocolate Cake', 'Blueberries', 'Raspberries' sizes = [30, 330, 245, 210] colors = ['green', 'brown', 'blue', 'red'] # Data is plotted: plt.pie(sizes, labels=labels, colors=colors) plt.axis('equal') plt.title(“Pie Plot”) plt.show() Gambar 2. Plot pai dihasilkan oleh Matplotlib Petak Bar MatplotlibDalam contoh ini, pyplot diimpor sebagai plt, lalu digunakan untuk memplot tiga grafik batang vertikal import matplotlib.pyplot as plt import numpy as np # Create a Line2D instance with x and y data in sequences xdata, ydata: # x data: xdata=['A','B','C'] # y data: ydata=[1,3,5] plt.bar(range(len(xdata)),ydata) plt.title(“Bar Plot”) plt.show() Gambar 3. Bar plot dihasilkan oleh Matplotlib Matplotlib. Plot Array NumpyDalam contoh ini, pyplot diimpor sebagai plt, lalu digunakan untuk memplot rentang angka yang disimpan dalam array numpy import numpy as np from matplotlib import pyplot as plt # Create an ndarray on x axis using the numpy range() function: x = np.arange(3,21) # Store equation values on y axis: y = 2 * x + 8 plt.title("NumPy Array Plot") # Plot values using x,y coordinates: plt.plot(x,y) plt.show()_ Matplotlib. Plot DataFrame PandasDalam contoh ini, pyplot diimpor sebagai plt, lalu digunakan untuk memplot kerangka data panda import numpy as np import pandas as pd import matplotlib.pyplot as plt fig, ax = plt.subplots() # Hide axes without removing it: fig.patch.set_visible(False) ax.axis('off') ax.axis('tight') # Create a numpy random array in a pandas dataframe with 10 rows, 4 columns: df = pd.DataFrame(np.random.randn(10, 4), columns=list('ABCD')) plt.title("Pandas Dataframe Plot") ax.table(cellText=df.values, colLabels=df.columns, loc='center') fig.tight_layout() plt.show() Untuk contoh lainnya tentang cara membuat plot dengan matplotlib, lihat Cara Menampilkan Plot Dengan Python Tutorial berikut akan memberi Anda petunjuk langkah demi langkah tentang cara bekerja dengan Matplotlib, termasuk
Mengapa menggunakan ActiveState Python untuk Ilmu DataMeskipun distribusi open source Python mungkin memuaskan bagi seorang individu, itu tidak selalu memenuhi persyaratan dukungan, keamanan, atau platform dari organisasi besar. Inilah sebabnya mengapa organisasi memilih ActiveState Python untuk ilmu data, pemrosesan data besar, dan kebutuhan analisis statistik mereka Dibundel dengan paket paling penting yang dibutuhkan Ilmuwan Data, ActiveState Python telah dikompilasi sebelumnya sehingga Anda dan tim Anda tidak perlu membuang waktu untuk mengonfigurasi distribusi sumber terbuka. Anda dapat fokus pada hal yang penting–menghabiskan lebih banyak waktu untuk membangun algoritme dan model prediktif terhadap sumber data besar Anda, dan lebih sedikit waktu untuk konfigurasi sistem ActiveState Python 100% kompatibel dengan distribusi Python sumber terbuka, dan memberikan dukungan keamanan dan komersial yang dibutuhkan organisasi Anda Dengan ActiveState Python Anda dapat menjelajahi dan memanipulasi data, menjalankan analisis statistik, dan memberikan visualisasi untuk berbagi wawasan dengan pengguna dan eksekutif bisnis Anda lebih cepat–di mana pun data Anda berada Beberapa Paket Python Populer yang Anda Dapatkan Pra-kompilasi – dengan ActiveState Python untuk Data Science/Big Data/Machine Learning
Download ActiveState Python untuk memulai atau hubungi kami untuk mempelajari lebih lanjut cara menggunakan ActiveState Python di organisasi Anda Apa saja jenis visualisasi di matplotlib?Matplotlib memiliki beragam format plot, beberapa di antaranya termasuk bagan batang, bagan garis, bagan pai, bagan sebar, bagan gelembung, bagan air terjun, bagan area melingkar, ditumpuk . , Kami akan membahas sebagian besar bagan ini dalam dokumen ini dengan beberapa contoh. etc., We will be going through most of these charts in this document with some examples.
Ada berapa jenis grafik di matplotlib?Berbagai plot yang dapat kita gunakan menggunakan Pyplot adalah Plot Garis, Histogram, Sebar, Plot 3D, Gambar, Kontur, dan Kutub .
Apa saja jenis plot yang berbeda di Python?Plot lainnya . 'bar' atau 'barh' untuk petak batang 'hist' untuk histogram 'kotak' untuk plot kotak 'kde' atau 'kepadatan' untuk plot kepadatan 'area' untuk plot area 'scatter' untuk plot pencar 'hexbin' untuk plot bin heksagonal 'pai' untuk petak pai Apa saja 3 lapisan arsitektur matplotlib?Arsitektur Matplotlib
. Lapisan Backend . Lapisan artis . Lapisan skrip . |