Apa jenis matplotlib di python?

Sebelum kita mulai. Tutorial Python ini adalah bagian dari rangkaian tutorial Paket Python kami. Anda juga dapat menemukan topik terkait Matplotlib lainnya

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

• Pyplot API adalah hierarki objek kode Python yang diatapi oleh matplotlib. pyplot
• Kumpulan objek API OO (Berorientasi Objek) yang dapat dirakit dengan fleksibilitas lebih besar daripada pyplot. API ini memberikan akses langsung ke lapisan backend Matplotlib.   

Matplotlib dan Pyplot dengan Python

Pyplot 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

• matplotlib. pyplot. angka. Gambar adalah wadah tingkat atas. Ini mencakup semua yang divisualisasikan dalam plot termasuk satu atau lebih Sumbu .
• matplotlib. pyplot. sumbu . Sumbu berisi sebagian besar elemen dalam plot . Sumbu, Centang, Garis2D, Teks, dll. , dan tentukan koordinatnya. Ini adalah area di mana data diplot. Sumbu termasuk Sumbu-X, Sumbu-Y, dan mungkin Sumbu-Z, juga.

Untuk informasi selengkapnya tentang pyplot API dan antarmuka, lihat Apa Itu Pyplot Di Matplotlib

Menginstal Matplotlib

Matplotlib 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 Matplotlib

Saat 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 NumPy

Numpy 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 Panda

Pandas 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 Matplotlib

Bagian 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 Matplotlib

Dalam 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 Matplotlib

Dalam 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 Numpy

Dalam 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 Pandas

Dalam 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

• Cara menghapus plot dengan Python
• Cara menampilkan plot dengan Python
• Cara membangun array Numpy
• Cara mengubah array Numpy menjadi daftar

Mengapa menggunakan ActiveState Python untuk Ilmu Data

Meskipun 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

• panda (analisis data)
• NumPy (array multidimensi)
• SciPy (algoritma untuk digunakan dengan numpy)
• HDF5 (menyimpan dan memanipulasi data)
• Matplotlib (visualisasi data)
• Jupyter (kolaborasi penelitian)
• PyTables (mengelola set data HDF5)
• HDFS (pembungkus C/C++ untuk Hadoop)
• pymongo (driver MongoDB)
• SQLAlchemy (Python SQL Toolkit)
• redis (Library akses Redis)
• pyMySQL (konektor MySQL)
• scikit-belajar (pembelajaran mesin)
• TensorFlow (pembelajaran mendalam dengan jaringan saraf)
• scikit-learn (algoritme machine learning)
• keras (API jaringan saraf tingkat tinggi)

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?

Ada berapa jenis grafik di matplotlib?

Apa saja jenis plot yang berbeda di Python?

Apa saja 3 lapisan arsitektur matplotlib?