Eine Einführung in Matplotlib in Python

Matplotlib ist eine Python Plot-Bibliothek, die von Experten für maschinelles Lernen hauptsächlich zur Erstellung statischer und interaktiver Visualisierungen verwendet wird.

Was ist Matplotlib?

Mathplotlib ist eine Kreation von John D. Hunter aus dem Jahr 2003, die am 8. Mai 2021 veröffentlicht wurde und eine aktuelle Version von 3.4.2 hat.

Diese Bibliothek ist größtenteils in Python geschrieben, während der Rest in C objective und JavaScript geschrieben ist, was sie plattformkompatibel macht.

Matplotlib verwendet NumPy, eine numerische Python-Erweiterung. Die Erweiterung mit NumPy macht Matplotlib zu einer brauchbaren Open-Source-Alternative und ist daher besser geeignet als MATLAB.

Für Python-GUI-Anwendungen ermöglicht Matplotlib das Plotten von statischen Diagrammen über die mitgelieferte objektorientierte API.

Mit nur wenigen Zeilen Python-Code können Sie Ihre Daten mit verschiedenen Plots visualisieren, darunter Streudiagramme, Histogramme, Balkendiagramme, Kreisdiagramme, Liniendiagramme und Boxplots.

Sie können Matplotlib verwenden, um Plots in Umgebungen wie Python Shell, Jupyter Notebook,
Jupyter Lab und auch mit Pycharm oder Anaconda und auf Webanwendungsservern wie Flask und Django auf verschiedenen Plattformen.

Wie in MATLAB können Sie die Plots in Bezug auf Schriftarten, Linien, Farben und Stile umfangreich steuern.

Nach der kurzen Einführung in die Matplotlib-Bibliothek in Python sehen wir uns nun an, wie wir sie in unseren Systemen einrichten können.

Einrichten der Matplotlib-Umgebung

Wie alle anderen Python-Pakete und -Bibliotheken können Sie die vorkompilierte Matplotlib-Bibliothek und ihre Pakete auf allen Betriebssystemen mit dem Paketmanager pip installieren.

Dazu müssen Sie natürlich zunächst Python und das pip-Paket auf Ihrem System installieren.

Die folgenden Befehle zeigen die Version von Python und pip an, um zu überprüfen, ob diese Tools bereits installiert sind.

Prüfen Sie, ob Python installiert ist

Python --version

Prüfen Sie, ob pip installiert ist

pip -V

Mathplotlib installieren

Der folgende Befehl installiert das Paket Matplotlib aus dem Python Package Index(PyPI).

python -m pip install matplotlib

Dieser Befehl lädt die relevanten Pakete von Matplotlib herunter und installiert sie. Nachdem die Installation abgeschlossen ist, sollten Sie eine Meldung über die erfolgreiche Installation sehen.

Um sicherzugehen, dass Matplotlib erfolgreich installiert wurde, geben Sie den folgenden Befehl ein, der die Version von Matplotlib in Ihrer Eingabeaufforderung anzeigt.

import matplotlib
matplotlib.__version__

Entwickler, die das unkompilierte Matplotlib-Paket installieren möchten, müssen neben den Abhängigkeiten, Setup-Skripten, Konfigurationsdateien und Patches auch über den richtigen Compiler in ihrem System verfügen.

Diese spezielle unkompilierte Matplolib-Installation kann jedoch kompliziert sein, insbesondere für Matplotlib-Neulinge. Warum also nicht einfach einen einzeiligen Befehl verwenden, um die Bibliothek in Sekundenschnelle zu installieren?🤔

Nach der Installation von Matplotlib importieren Sie das Paket in Ihre Umgebung, um auf seine Dienstprogramme zuzugreifen.

Matplotlib-Optionen zum Plotten

Matplotlib bietet zahlreiche Plotting-Optionen zur Visualisierung von Daten. Es ermöglicht auch die Anpassung der Plots durch verschiedene Themen, Farben und Palettenoptionen, die der Benutzer zur Bearbeitung der Plots verwenden kann.

Diese Plot-Optionen umfassen:

#1. Balkendiagramme

Balkendiagramme, auch bekannt als Balkendiagramme, sind eine geeignete Option für die Visualisierung eines quantitativen Vergleichs von Werten innerhalb derselben Kategorie.

Matplotlib stellt dieses Diagramm mit Hilfe von rechteckigen Balken dar, deren Länge und Höhe ihre proportionalen Werte darstellen. Die Balken können entweder horizontal oder vertikal sein.

Matplotlib verwendet die Funktion plt.bar(), um das Balkendiagramm zu erstellen.

Zusätzlich können Sie weitere Funktionen verwenden, um diese Darstellung zu manipulieren. Die Funktionen plt.xlabel() und plt.ylabel() beschriften zum Beispiel die x- bzw. y-Achse des Diagramms.

Mit der Funktion plt.title() können Sie Ihrem Diagramm auch einen Titel geben, während die Funktion plt.savefig() das Diagramm speichert. Die Funktion plot.show(), die wichtigste, zeigt das Diagramm an.

#2. Kreisdiagramme

Sie können die proportionale Verteilung der Artikel innerhalb einer Kategorie mit Hilfe eines kreisförmigen statistischen Diagramms visualisieren, das wir Kreisdiagramm nennen.

Kreisdiagramme zeigen Daten in Prozentform an. Die gesamte Fläche des Diagramms entspricht dem prozentualen Anteil der gesamten Daten, während die einzelnen Tortenstücke Teile des prozentualen Anteils der Daten darstellen.

Matplotlib verwendet die Funktion plt.pie(), die die Parameter des Kreisdiagramms zeichnet und anpasst.
Weitere Parameter wie autopct, die den Wert des Kreisdiagramms auf 1 Dezimalstelle genau ausgeben, sind beim Plotten von Kreisdiagrammen nützlich.

Für Unternehmen sind Kreisdiagramme nützlich, um relevante Informationen wie Operationen, Verkäufe oder Ressourcen darzustellen.

#3. Histogramm

Ein Histogramm zeigt die Verteilung numerischer Daten an. Es verwendet kontinuierliche Intervalle, um die Daten in verschiedene Abschnitte zu unterteilen.

Der Hauptunterschied zwischen einem Histogramm und einem Balkendiagramm ist die Art der Daten, die sie verarbeiten. Während Histogramme kontinuierliche Daten verarbeiten, werden in Balkendiagrammen stattdessen kategorische Daten verarbeitet.

Matplotlib verwendet die Funktion hist(), die ein Array mit zufälligen oder definierten Werten verwendet, um das Histogramm zu erstellen.

#4. Liniendiagramme

Diese Plots sind nützlich, um die Beziehung zwischen zwei Datenwerten, die wir als numerisch und kategorisch definieren, auf einer X- und Y-Basis darzustellen.

Liniendiagramme sind wichtig, um die Veränderung der Datenwerte über einen bestimmten Zeitraum zu verfolgen.

#5. Streudiagramme

Streudiagramme zeigen die Beziehung, einschließlich der Korrelation zwischen den Variablen in den Daten, auf. Sie sind auch nützlich, um Ausreißer zu identifizieren.

In Streudiagrammen werden Punkte verwendet, um die Beziehung zwischen den Datenvariablen darzustellen und zu zeigen, wie sich die Änderung einer Variable auf eine andere auswirken kann.

Wie man Diagramme in Matplotlib erstellt

Matplotlib verwendet verschiedene Funktionen, um verschiedene Diagramme zu erstellen. Außerdem werden nur wenige Codezeilen für die Erstellung des Plots benötigt.

Nachfolgend sehen wir, wie Sie die verschiedenen Plot-Optionen mit verschiedenen Funktionen in Matplotlib erstellen können.

#1. Balkendiagramm in Matplotlib

Balkendiagramme zeigen, wie oben erläutert, Datenkategorien mithilfe von Balken und Achsen an, die einen Vergleich von Kategorien auf einer Achse und entsprechenden Werten der Kategorien auf der anderen Achse darstellen.

Die Funktion bar() in Matplotlib nimmt verschiedene Argumente an, um das Layout der Balken zu beschreiben, wie unten gezeigt.

plt.bar(x, y, höhe, breite, unten, ausrichten)

Die Parameter x und y stehen für die x-Koordinatenwerte und die y-Koordinatenwerte des Balkens in der Grafik. Der Parameter width steht für die Breite des Balkens, während der Parameter height für die Höhe des Balkens steht.

Lassen Sie uns zum Beispiel die Anzahl der Hunde und Katzen in einem Tierheim mit dem Namen x darstellen.

import matplotlib.pyplot as plt
import numpy as np

x = ["Cats", "Dogs"]
plt.xlabel("Cats and Dogs in Shelter")
plt.ylabel("No. der Tiere im Tierheim")
plt.title("Anzahl der Katzen und Hunde im Tierheim x")
y = [300, 350]
plt.bar(x, y, color ='black', width = 0.5)

Ausgabe:

Wie in unserem obigen Beispiel können Sie die Farbe der Balken mit dem Attribut color weiter spezifizieren. Außerdem benennen plt.xlabel und p.ylabel die x- bzw. y-Achse, während plt.title die Darstellung benennt.

#2. Wie man ein Kreisdiagramm erstellt

Matplotlib verwendet die Funktion pie(), die mit dem Modul pyplot geliefert wird, um ein Tortendiagramm zu erstellen.
Die Funktion stellt die zu plottenden Daten in Form eines Arrays dar.

Syntax:

matplotlib.pyplot.pie(data, explode=None, labels=None, colors=None, autopct=None, shadow=False)

Der Parameter colors legt die Farbe der Tortenscheiben fest. Sie können ein Array von Werten verwenden, um eine Farbe für jede Scheibe festzulegen.

Das Argument autopct fügt die numerischen Prozentsätze hinzu, die jedes Stück des Kuchens repräsentiert, indem es die String-Formatierung von Python verwendet. Das Argument explode akzeptiert ein Array von Werten, die bei 0,1 beginnen, um den Abstand der Scheibe von der Mitte des Kuchens zu definieren.

Lassen Sie uns ein Tortendiagramm erstellen, das die für ein bestimmtes Projekt zugewiesenen Ressourcen in Prozent anzeigt.

import matplotlib.pyplot as plt
import numpy as np

y = np.array([25, 10, 45, 20])
mylabels = ["w", "x", "y", "z"]
explodevalues = [0.1, 0.2, 0, 0]
colors = ['tab:blue', 'tab:green', 'tab:orange', 'tab:red']
plt.title("Zugewiesene Ressourcen für ein zufälliges Projekt")
plt.pie(y, labels = mylabels, colors=colors,explode = explodevalues, autopct='%1.1f%%', shadow = True)
plt.show() 

Ausgabe:

Das obige Diagramm zeigt ein Tortendiagramm mit vier Scheiben, die jeweils mit w, x, y und z bezeichnet sind. Die Explosionswerte legen fest, wie weit die Scheiben von der Mitte des Kuchens entfernt sind.

Im obigen Diagramm ist x weiter entfernt, weil sein Explosionswert größer ist als der der anderen. Das Attribut shadow fügt dem Kuchendiagramm einen Schatten hinzu, wie im Bild zu sehen ist, während autopct den relativen Prozentsatz zum gesamten Kuchen festlegt, den jedes Stück darstellt.

#3. Erstellen eines Histogramms

Bei einem Histogramm verwenden wir eine Reihe von Intervallen, um den Bereich der angegebenen Werte auf der x-Achse darzustellen.
Die y-Achse hingegen stellt die Häufigkeitsinformationen dar.

Im Gegensatz zu den anderen Diagrammen erfordert das Plotten eines Histogramms in Matplotlib einige vordefinierte Schritte, die Sie zur Erstellung des Diagramms befolgen müssen.

Diese Schritte umfassen:

1. Erstellen Sie aus den vorhandenen Datenwerten eine Reihe von Bereichen. Sie können die Funktion np.random.normal() verwenden, die Zufallswerte für Sie generieren kann.
2. Verteilen Sie die Werte mithilfe einer Reihe von Intervallen auf einen Wertebereich.
3. Zählen Sie die Werte, die in jedes bestimmte Intervall fallen.
4. Verwenden Sie nun die Funktion matplotlib.pyplot.hist(), um das Histogramm zu erstellen.

Die Funktion hist() nimmt mehrere Parameter entgegen, darunter:

x – Dies stellt die Array-Sequenz dar

bins – Dies ist ein optionaler Parameter, der nicht überlappende Intervalle von Variablen darstellt, die Ganzzahlen oder eine String-Sequenz enthalten können.

range – Er definiert den oberen und unteren Bereich der Bins

align – Dieser Parameter steuert die Ausrichtung des Histogramms. Entweder links, rechts oder in der Mitte.

color – Er definiert die Farbe der Balken.

rwidth – Legt die relative Breite der Balken im Histogramm im Verhältnis zu der des Bins fest.

log – Der Parameter log definiert eine logarithmische Skala auf der Achse eines Histogramms.

Im folgenden Beispiel wird ein Histogramm mit den definierten Werten gezeichnet.

from matplotlib import pyplot as plt

x = [22, 40, 87, 5, 43, 30, 56,73, 55, 54, 11, 20, 51, 5, 50, 60, 70, 80]

plt.hist(x)
plt.title(Histogram plot example')
plt.xlabel('x axis')
plt.ylabel('frequency')
plt.show()

Ausgabe:

#4. Liniendiagramm in Matplotlib

Matplotlib verwendet eine Unterbibliothek namens pyplot, die verschiedene Funktionen enthält, die bei der Implementierung helfen.

Wir verwenden die Funktion plot(), eine generische Funktion, die mit pyplot geliefert wird, um Linienplots und verschiedene andere Arten von Linienplots, einschließlich gekrümmter Plots und Plots mit mehreren Linien, zu erstellen. Die Erstellung dieser verschiedenen Arten von Plots hängt von den Werten ab, die Sie der y-Achse übergeben.

Wenn Sie plotten, importieren Sie matplotlib.pyplot und Numpy, die die Diagramme zeichnen. Die Methode plot(x,y) erstellt das Liniendiagramm, indem sie den Argumenten x und y zufällige Werte übergibt.

Zusätzlich können Sie eine label-Variable übergeben, die den Plot beschriftet. Die Funktion title benennt den Titel des Diagramms, während die Funktionen xlabel und ylabel die Achsen benennen. Schließlich zeigt die Funktion show() das Diagramm an.

Ein Beispiel:

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 5, 10)

y = 3*x 2
plt.title('Linienplot Beispiel')
plt.xlabel('x-Achse')
plt.ylabel('y-Achse')
plt.plot(x, y)
plt.show()

Ergebnis:

Das Attribut np.linspace gibt im Plot eine Reihe von gleichmäßig verteilten Zahlen über ein bestimmtes Intervall für die x-Werte zurück. Dadurch wird ein Array mit 10 Werten im Bereich von 0 und 5 erstellt. Die y-Werte werden anhand der Gleichung erstellt, die die entsprechenden x-Werte verwendet.

Erstellen von Streudiagrammen

Matplotlib verwendet die Methode scatter(), um dieses Diagramm zu erstellen.
Diese Methode nimmt die folgenden Parameter auf.

matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=None, c=None, marker=None, cmap=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None) 

Die Parameter x_axis_data und y_axis_data können nicht leer gelassen werden, im Gegensatz zu den übrigen Parametern, die optional sein können und den Wert None haben. Während das Argument x_axis_data ein Array mit Daten für die x-Achse definiert, legt y_axis_data ein Array mit Daten für die y-Achse fest.

Ein Beispiel für ein Streudiagramm in matplotlib

import matplotlib.pyplot as plt
 
x =[15, 17, 18, 27, 22, 27, 32, 14, 11, 12, 29, 16]
 
y =[19, 16, 17, 18, 10, 26, 13, 27, 14, 18, 17, 35]
plt.title('Beispiel für ein Streudiagramm')
plt.xlabel('x-Variable')
plt.ylabel('y-Variable')
plt.scatter(x, y, c ="grün")
 
# Um das Diagramm anzuzeigen
plt.show()

Die Ausgabe sieht dann so aus:

Was ist subplot() in matplotlib

Die Funktion subplot() kann verwendet werden, um mehrere Diagramme in einer einzigen Matplotlib-Figur zu zeichnen. Dies ermöglicht die Anzeige und den Vergleich mehrerer Plots innerhalb der Abbildung.

Diese Funktion gibt ein Tupel mit drei Argumenten zurück: Zeilen und Spalten als erstes bzw. zweites Argument und den Index des aktuellen Plots als drittes Argument.

Die Zeilen und Spalten definieren eindeutig das Layout von Matplotlib.

So wird z.B. mit plt.subplot(2, 1, 1) eine Matplotlib-Grafik mit zwei Zeilen und einer Spalte gezeichnet, und diese Grafik ist die erste Grafik.

Andererseits zeigt plt.subplot(2, 1, 2) eine zweite Darstellung mit zwei Zeilen und einer Spalte an.

Wenn Sie diese beiden Diagramme plotten, werden sie übereinander gelegt, wie im folgenden Beispiel.

import matplotlib.pyplot as plt
import numpy as np

#plot 1:
x = np.array([2, 4, 6, 8])
y = np.array([3, 6, 9, 12])

plt.subplot(2, 1, 1)
plt.plot(x,y)

#plot 2:
x = np.array([3, 6, 9, 12])
y = np.array([1, 2, 3, 4])

plt.subplot(2, 1, 2)
plt.plot(x,y)

plt.show()

Die Ausgabe des obigen Beispiels sieht wie das folgende Bild aus.

Lassen Sie uns die Funktion subplot verwenden, um zwei Zahlen mit einer Zeile und zwei Spalten darzustellen. Dadurch werden die Plots nebeneinander angezeigt.

import matplotlib.pyplot as plt
import numpy as np

#plot 1:
x = np.array([2, 4, 6, 8])
y = np.array([3, 6, 9, 12])

plt.subplot(1, 2, 1)
plt.plot(x,y)

#plot 2:
x = np.array([3, 6, 9, 12])
y = np.array([1, 2, 3, 4])

plt.subplot(1, 2, 2)
plt.plot(x,y)

plt.show()

Das obige Beispiel zeigt das folgende Ergebnis an.

Nun, das war interessant interaktiv, finden Sie nicht auch?😃

Letzte Worte

Matplotlib ist eine berühmte Visualisierungsbibliothek in Python. Ihre Interaktivität und die Fähigkeit, auch für Anfänger leicht zu bedienen zu sein, machen sie zu einem noch besseren Werkzeug für das Plotten in Python.

In diesem Artikel wurden Beispiele für die verschiedenen Plots behandelt, die mit den Funktionen von Matplotlib erstellt werden können, darunter Tortenplots, Balkenplots, Histogramme und Streudiagramme.

Natürlich verfügt Python über mehrere andere Bibliotheken, die Experten für maschinelles Lernen und Datenwissenschaftler zur Erstellung von Visualisierungen verwenden können.

Sie können weitere Plots erkunden, die Sie mit Matplotlib erstellen können und welche Funktionen Sie zur Erstellung des Plots verwenden.

Viel Spaß beim Plotten!📉📊