توفر بايثون واحدة من مكتبات التخطيط الأكثر شعبية والتي تسمى ماتبلوتليب . إنه مفتوح المصدر ومتعدد المنصات لإنشاء مخططات ثنائية الأبعاد من البيانات الموجودة في المصفوفة. يتم استخدامه بشكل عام لتصور البيانات وتمثيلها من خلال الرسوم البيانية المختلفة.

تم تصميم Matplotlib في الأصل بواسطة John D. Hunter في عام 2003. الإصدار الأخير من matplotlib هو 2.2.0 وتم إصداره في يناير 2018.

قبل البدء في العمل مع مكتبة matplotlib، نحتاج إلى التثبيت في بيئة Python الخاصة بنا.

تثبيت ماتبلوتليب

اكتب الأمر التالي في المحطة الطرفية الخاصة بك واضغط على Enter.

جافا مع التأرجح

 pip install matplotlib 

سيقوم الأمر أعلاه بتثبيت مكتبة matplotlib وحزمة التبعية الخاصة بها على نظام التشغيل Windows.

المفهوم الأساسي لـ Matplotlib

رسم بياني يحتوي على الأجزاء التالية. دعونا نفهم هذه الأجزاء.

شكل: وهو شكل كامل قد يحمل محورًا واحدًا أو أكثر (مؤامرات). يمكننا أن نفكر في الشكل باعتباره لوحة قماشية تحتوي على قطع أرض.

المحاور: يمكن أن يحتوي الشكل على عدة محاور. ويتكون من كائنين أو ثلاثة محاور (في حالة ثلاثية الأبعاد). يتكون كل محور من عنوان، وعلامة x، وعلامة y.

محور: المحاور هي عدد الكائنات المشابهة للخطوط وهي المسؤولة عن إنشاء حدود الرسم البياني.

الفنان: الفنان هو كل ما نراه على الرسم البياني مثل الكائنات النصية وكائنات Line2D وكائنات المجموعة. معظم الفنانين مرتبطون بالمحاور.

مقدمة إلى بايبلوت

يوفر matplotlib حزمة pyplot التي تُستخدم لرسم الرسم البياني للبيانات المعطاة. ال matplotlib.pyplot عبارة عن مجموعة من وظائف نمط الأوامر التي تجعل matplotlib يعمل مثل MATLAB. تحتوي حزمة pyplot على العديد من الوظائف التي تستخدم لإنشاء شكل، وإنشاء منطقة رسم في الشكل، وتزيين قطعة الأرض بالتسميات، ورسم بعض الخطوط في منطقة رسم، وما إلى ذلك.

يمكننا رسم رسم بياني باستخدام pyplot بسرعة. دعونا نلقي نظرة على المثال التالي.

أرقام للأبجدية

مثال أساسي لرسم الرسم البياني

فيما يلي المثال الأساسي لإنشاء رسم بياني بسيط؛ البرنامج هو التالي:

 from matplotlib import pyplot as plt #ploting our canvas plt.plot([1,2,3],[4,5,1]) #display the graph plt.show() 

انتاج:

رسم أنواع مختلفة من الرسوم البيانية

يمكننا رسم الرسم البياني المتنوع باستخدام وحدة pyplot. دعونا نفهم الأمثلة التالية.

1. الرسم البياني الخطي

يتم استخدام المخطط الخطي لعرض المعلومات كسلسلة من الخطوط. من السهل التخطيط. النظر في المثال التالي.

مثال -

 from matplotlib import pyplot as plt x = [1,2,3] y = [10,11,12] plt.plot(x,y) plt.title('Line graph') plt.ylabel('Y axis') plt.xlabel('X axis') plt.show() 

انتاج:

يمكن تعديل الخط باستخدام الوظائف المختلفة. يجعل الرسم البياني أكثر جاذبية. أدناه هو المثال.

ما هو رقم الأبجدية

مثال -

 from matplotlib import pyplot as plt from matplotlib import style style.use('ggplot') x = [10, 12, 13] y = [8, 16, 6] x2 = [8, 15, 11] y2 = [6, 15, 7] plt.plot(x, y, 'b', label='line one', linewidth=5) plt.plot(x2, y2, 'r', label='line two', linewidth=5) plt.title('Epic Info') fig = plt.figure() plt.ylabel('Y axis') plt.xlabel('X axis') plt.show() 

2. الرسم البياني الشريطي

يعد الرسم البياني الشريطي أحد الرسوم البيانية الأكثر شيوعًا ويستخدم لتمثيل البيانات المرتبطة بالمتغيرات الفئوية. ال حاجِز() تقبل الدالة ثلاث وسائط - المتغيرات الفئوية والقيم واللون.

مثال -

 from matplotlib import pyplot as plt Names = ['Arun','James','Ricky','Patrick'] Marks = [51,87,45,67] plt.bar(Names,Marks,color = 'blue') plt.title('Result') plt.xlabel('Names') plt.ylabel('Marks') plt.show() 

3. الرسم البياني الدائري

الرسم البياني عبارة عن رسم بياني دائري مقسم إلى جزء فرعي أو مقطع. يتم استخدامه لتمثيل النسبة المئوية أو البيانات التناسبية حيث تمثل كل شريحة من الفطيرة فئة معينة. دعونا نفهم المثال أدناه.

مثال -

 from matplotlib import pyplot as plt # Pie chart, where the slices will be ordered and plotted counter-clockwise: Aus_Players = 'Smith', 'Finch', 'Warner', 'Lumberchane' Runs = [42, 32, 18, 24] explode = (0.1, 0, 0, 0) # it 'explode' the 1st slice fig1, ax1 = plt.subplots() ax1.pie(Runs, explode=explode, labels=Aus_Players, autopct='%1.1f%%', shadow=True, startangle=90) ax1.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle. plt.show() 

انتاج:

4. الرسم البياني

الرسم البياني والرسم البياني الشريطي متشابهان تمامًا ولكن هناك اختلاف بسيط بينهما. يتم استخدام الرسم البياني لتمثيل التوزيع، ويتم استخدام المخطط الشريطي لمقارنة الكيانات المختلفة. يُستخدم الرسم البياني عمومًا لرسم تكرار عدد من القيم مقارنةً بمجموعة من نطاقات القيم.

في المثال التالي، أخذنا بيانات النسب المئوية المختلفة لدرجات الطالب ورسمنا الرسم البياني فيما يتعلق بعدد الطلاب. دعونا نفهم المثال التالي.

مثال -

قائمة مرتبطة في جافا

 from matplotlib import pyplot as plt from matplotlib import pyplot as plt percentage = [97,54,45,10, 20, 10, 30,97,50,71,40,49,40,74,95,80,65,82,70,65,55,70,75,60,52,44,43,42,45] number_of_student = [0,10,20,30,40,50,60,70,80,90,100] plt.hist(percentage, number_of_student, histtype='bar', rwidth=0.8) plt.xlabel('percentage') plt.ylabel('Number of people') plt.title('Histogram') plt.show() 

انتاج:

دعونا نفهم مثال آخر.

مثال - 2:

 from matplotlib import pyplot as plt # Importing Numpy Library import numpy as np plt.style.use('fivethirtyeight') mu = 50 sigma = 7 x = np.random.normal(mu, sigma, size=200) fig, ax = plt.subplots() ax.hist(x, 20) ax.set_title('Historgram') ax.set_xlabel('bin range') ax.set_ylabel('frequency') fig.tight_layout() plt.show() 

انتاج:

5. مؤامرة مبعثرة

يتم استخدام المخطط المبعثر لمقارنة المتغير بالنسبة للمتغيرات الأخرى. يتم تعريفه على أنه كيفية تأثير متغير واحد على المتغير الآخر. يتم تمثيل البيانات كمجموعة من النقاط. دعونا نفهم المثال التالي.

مثال -

k أقرب خوارزمية الجار

 from matplotlib import pyplot as plt from matplotlib import style style.use('ggplot') x = [4,8,12] y = [19,11,7] x2 = [7,10,12] y2 = [8,18,24] plt.scatter(x, y) plt.scatter(x2, y2, color='g') plt.title('Epic Info') plt.ylabel('Y axis') plt.xlabel('X axis') plt.show() 

انتاج:

مثال - 2:

 import matplotlib.pyplot as plt a = [2, 2.5, 3, 3.5, 4.5, 4.7, 5.0] b = [7.5, 8, 8.5, 9, 9.5, 10, 10.5] a1 = [9, 8.5, 9, 9.5, 10, 10.5, 12] b1 = [3, 3.5, 4.7, 4, 4.5, 5, 5.2] plt.scatter(a, b, label='high income low saving', color='b') plt.scatter(a1, b1, label='low income high savings', color='g') plt.xlabel('saving*100') plt.ylabel('income*1000') plt.title('Scatter Plot') plt.legend() plt.show() 

انتاج:

في هذا البرنامج التعليمي، ناقشنا جميع أنواع الرسوم البيانية الأساسية المستخدمة في تصور البيانات. لمعرفة المزيد حول الرسم البياني، قم بزيارة برنامجنا التعليمي matplotlib.