in

Trazado de gráficos en Python | Serie 1

gfg 200x200 min

Esta serie le presentará la creación de gráficos en Python con Matplotlib, que es posiblemente la biblioteca de visualización de datos y gráficos más popular para Python.
Instalación
La forma más fácil de instalar matplotlib es usar pip. Escriba el siguiente comando en la terminal:

pip install matplotlib

O puede descargarlo desde aquí e instalarlo manualmente.

Primeros pasos (trazar una línea)

Pitón

import matplotlib.pyplot as plt

x = [1,2,3]

y = [2,4,1]

plt.plot(x, y)

plt.xlabel('x - axis')

plt.ylabel('y - axis')

plt.title('My first graph!')

plt.show()

Producción:

mp1

El código parece explicarse por sí mismo. Se siguieron los siguientes pasos:

  • Defina el eje x y los valores correspondientes del eje y como listas.
  • Plácelos en lienzo usando .trama() función.
  • Asigne un nombre al eje xy al eje y usando .xlabel () y .ylabel () funciones.
  • Dale un título a tu trama usando .título() función.
  • Finalmente, para ver su parcela, usamos .show() función.

Trazar dos o más líneas en la misma parcela

Pitón

import matplotlib.pyplot as plt

x1 = [1,2,3]

y1 = [2,4,1]

plt.plot(x1, y1, label = "line 1")

x2 = [1,2,3]

y2 = [4,1,3]

plt.plot(x2, y2, label = "line 2")

plt.xlabel('x - axis')

plt.ylabel('y - axis')

plt.title('Two lines on same graph!')

plt.legend()

plt.show()

Producción:

mp2

  • Aquí, trazamos dos líneas en el mismo gráfico. Los diferenciamos dándoles un nombre (etiqueta) que se pasa como un argumento de la función .plot ().
  • La pequeña caja rectangular que proporciona información sobre el tipo de línea y su color se llama leyenda. Podemos agregar una leyenda a nuestra trama usando .leyenda() función.

Personalización de parcelas

Aquí, discutimos algunas personalizaciones elementales aplicables en casi cualquier parcela.

Pitón

import matplotlib.pyplot as plt

x = [1,2,3,4,5,6]

y = [2,4,1,5,2,6]

plt.plot(x, y, color='green', linestyle='dashed', linewidth = 3,

         marker='o', markerfacecolor='blue', markersize=12)

plt.ylim(1,8)

plt.xlim(1,8)

plt.xlabel('x - axis')

plt.ylabel('y - axis')

plt.title('Some cool customizations!')

plt.show()

Producción:

mp3

Como puede ver, hemos realizado varias personalizaciones como

  • establecer el ancho de línea, estilo de línea, color de línea.
  • establecer el marcador, el color de la cara del marcador, el tamaño del marcador.
  • anulando el rango de los ejes xey. Si no se realiza la anulación, el módulo pyplot utiliza la función de escala automática para establecer el rango y la escala del eje.

Gráfico de barras

Pitón

import matplotlib.pyplot as plt

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

height = [10, 24, 36, 40, 5]

tick_label = ['one', 'two', 'three', 'four', 'five']

plt.bar(left, height, tick_label = tick_label,

        width = 0.8, color = ['red', 'green'])

plt.xlabel('x - axis')

plt.ylabel('y - axis')

plt.title('My bar chart!')

plt.show()

Producción :

mp4

  • Aquí usamos plt.bar () función para trazar un gráfico de barras.
  • Las coordenadas x del lado izquierdo de las barras se pasan junto con las alturas de las barras.
  • también puede dar algún nombre a las coordenadas del eje x definiendo tick_labels

Histograma

Pitón

import matplotlib.pyplot as plt

ages = [2,5,70,40,30,45,50,45,43,40,44,

        60,7,13,57,18,90,77,32,21,20,40]

range = (0, 100)

bins = 10

plt.hist(ages, bins, range, color = 'green',

        histtype = 'bar', rwidth = 0.8)

plt.xlabel('age')

plt.ylabel('No. of people')

plt.title('My histogram')

plt.show()

Producción:

mp5

  • Aquí usamos plt.hist () función para trazar un histograma.
  • las frecuencias se pasan como siglos lista.
  • El rango se puede establecer definiendo una tupla que contenga el valor mínimo y máximo.
  • El siguiente paso es «compartimiento”El rango de valores, es decir, divida todo el rango de valores en una serie de intervalos, y luego cuente cuántos valores caen en cada intervalo. Aquí hemos definido contenedores = 10. Entonces, hay un total de 100/10 = 10 intervalos.

Gráfico de dispersión

Pitón

import matplotlib.pyplot as plt

x = [1,2,3,4,5,6,7,8,9,10]

y = [2,4,5,7,6,8,9,11,12,12]

plt.scatter(x, y, label= "stars", color= "green",

            marker= "*", s=30)

plt.xlabel('x - axis')

plt.ylabel('y - axis')

plt.title('My scatter plot!')

plt.legend()

plt.show()

Producción:

mp6

  • Aquí usamos plt.scatter () función para trazar un diagrama de dispersión.
  • Como una línea, aquí también definimos x y los valores correspondientes del eje y.
  • marcador El argumento se utiliza para establecer el carácter que se utilizará como marcador. Su tamaño se puede definir usando s parámetro.

Gráfico circular

Pitón

import matplotlib.pyplot as plt

activities = ['eat', 'sleep', 'work', 'play']

slices = [3, 7, 8, 6]

colors = ['r', 'y', 'g', 'b']

plt.pie(slices, labels = activities, colors=colors,

        startangle=90, shadow = True, explode = (0, 0, 0.1, 0),

        radius = 1.2, autopct = '%1.1f%%')

plt.legend()

plt.show()

La salida del programa anterior se ve así:

mp7

  • Aquí, trazamos un gráfico circular usando plt.pie () método.
  • En primer lugar, definimos el etiquetas usando una lista llamada ocupaciones.
  • Luego, parte de cada etiqueta se puede definir usando otra lista llamada rodajas.
  • El color de cada etiqueta se define mediante una lista denominada colores.
  • sombra = Verdadero mostrará una sombra debajo de cada etiqueta en el gráfico circular.
  • ángulo inicial gira el inicio del gráfico circular en grados determinados en el sentido contrario a las agujas del reloj desde el eje x.
  • explotar se utiliza para establecer la fracción de radio con la que compensamos cada cuña.
  • autopct se utiliza para formatear el valor de cada etiqueta. Aquí, lo hemos configurado para mostrar el valor porcentual solo hasta 1 lugar decimal.

Trazar curvas de una ecuación dada

Pitón

import matplotlib.pyplot as plt

import numpy as np

x = np.arange(0, 2*(np.pi), 0.1)

y = np.sin(x)

plt.plot(x, y)

plt.show()

La salida del programa anterior se ve así:

mp8

Aquí usamos NumPy que es un paquete de procesamiento de matrices de propósito general en python.

  • Para establecer los valores del eje x, usamos np.arange () método en el que los dos primeros argumentos son para rango y el tercero para incremento escalonado. El resultado es una matriz numerosa.
  • Para obtener los valores correspondientes del eje y, simplemente usamos predefinidos np.sin () método en la matriz numpy.
  • Finalmente, graficamos los puntos pasando las matrices xey al plt.plot () función.

Entonces, en esta parte, discutimos varios tipos de gráficos que podemos crear en matplotlib. Hay más parcelas que no se han cubierto, pero las más importantes se discuten aquí:

Este artículo es una contribución de Nikhil Kumar. Si te gusta GeeksforGeeks y te gustaría contribuir, también puedes escribir un artículo usando write.geeksforgeeks.org o enviar tu artículo por correo a review-team@geeksforgeeks.org. Vea su artículo que aparece en la página principal de GeeksforGeeks y ayude a otros Geeks.
Escriba comentarios si encuentra algo incorrecto o si desea compartir más información sobre el tema discutido anteriormente.

¡Atención geek! Fortalece tus cimientos con el Fundación de programación de Python Curso y aprende los conceptos básicos.

Para empezar, los preparativos de su entrevista Mejore sus conceptos de estructuras de datos con el Python DS Curso. Y para comenzar con su viaje de aprendizaje automático, únase al Aprendizaje automático – Curso de nivel básico

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

apple touch icon@2

¿Cómo uso ‘git reset –hard HEAD’ para volver a una confirmación anterior?

250px slug1

Slug vs Snail – Diferencia y comparación