Python за анализ на данни: Matplotlib и визуализация на данни

Автор Yasin TANIŞ

Първоначално публикувано в Medium

Илюстрация с диаграми и Python код за визуализация на данни

Въведение

Визуализацията на данни означава използване на графики и диаграми, за да станат сложните набори от данни по-лесно разбираеми. Python предлага няколко библиотеки за анализ и визуализация на данни, а Matplotlib е една от най-популярните. В тази статия ще научим основите на визуализацията на данни с Matplotlib.

Какво е Matplotlib

Matplotlib е мощна и гъвкава библиотека за създаване на 2D графики в Python. С нея могат да се чертаят линейни, стълбовидни, точкови и много други видове графики.

Инсталиране на Matplotlib

Преди да използваме Matplotlib, трябва да го инсталираме. Ако още го нямате в системата си, инсталирайте го със следната команда:

pip install matplotlib

Основна употреба

Да започнем с проста линейна графика.

import matplotlib.pyplot as plt
# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# Creating a line plot
plt.plot(x, y)
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Simple Line Plot')
plt.show()
Проста линейна графика с точки, свързани с линия
Фигура 1: Проста линейна графика с точки от данни, свързани с линия.

Този прост пример показва как се чертае линейна графика с Matplotlib. Сега да разгледаме други видове графики и персонализации.

Видове графики

Стълбовидни диаграми

Стълбовидните диаграми служат за визуализиране на категорийни данни.

import matplotlib.pyplot as plt

# Example data
categories = ['A', 'B', 'C', 'D', 'E']
values = [4, 7, 1, 8, 5]
# Creating a bar chart
plt.bar(categories, values)
plt.xlabel('Categories')
plt.ylabel('Values')
plt.title('Simple Bar Chart')
plt.show()
Стълбовидна диаграма със стойности за различни категории
Фигура 2: Проста стълбовидна диаграма със стойности за различни категории.

Точкови диаграми

Точковите диаграми показват връзката между две променливи.

import matplotlib.pyplot as plt

# Example data
x = [5, 7, 8, 7, 2, 17, 2, 9, 4, 11]
y = [99, 86, 87, 88, 100, 86, 103, 87, 94, 78]
# Creating a scatter plot
plt.scatter(x, y)
plt.xlabel('X Variable')
plt.ylabel('Y Variable')
plt.title('Simple Scatter Plot')
plt.show()
Точкова диаграма с разпределението на точките от данни
Фигура 3: Проста точкова диаграма, показваща разпределението на точките от данни.

Хистограми

Хистограмите показват как са разпределени данните.

import matplotlib.pyplot as plt

# Example data
data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
# Creating a histogram
plt.hist(data, bins=5)
plt.xlabel('Values')
plt.ylabel('Frequency')
plt.title('Simple Histogram')
plt.show()
Хистограма с честотното разпределение на данните
Фигура 4: Проста хистограма, показваща честотното разпределение на данните.

Кръгови диаграми

Кръговите диаграми показват дяловете на категорийни данни.

import matplotlib.pyplot as plt
# Example data
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
# Creating a pie chart
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)
plt.axis('equal')  # Equal aspect ratio ensures that pie is drawn as a circle.
plt.title('Simple Pie Chart')
plt.show()
Кръгова диаграма с дяловете на различни категории
Фигура 5: Проста кръгова диаграма, показваща дяловете на различни категории.

Персонализиране на графиките

Matplotlib позволява графиките да се персонализират в голяма степен, за да са по-четливи и по-приятни за окото.

Цветове и стилове

Можете да добавите цветове и стилове, за да направите графиките по-привлекателни.

import matplotlib.pyplot as plt

# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Customizing the line plot
plt.plot(x, y, color='red', linestyle='--', marker='o')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Customized Line Plot')
plt.show()
Линейна графика с червена прекъсната линия и кръгли маркери
Фигура 6: Персонализирана линейна графика с червена прекъсната линия и кръгли маркери.

Размер и разделителна способност на графиката

Размерът и разделителната способност на графиката могат да се настроят според различни нужди.

import matplotlib.pyplot as plt

# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Setting plot size and resolution
plt.figure(figsize=(10, 5), dpi=100)
plt.plot(x, y)
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Large and High-Resolution Plot')
plt.show()
Голяма графика с висока разделителна способност и подробни точки от данни
Фигура 7: Голяма графика с висока разделителна способност, показваща подробни точки от данни.

Подграфики

С подграфики можете да начертаете няколко графики в една фигура.

Две различни графики една до друга в една фигура
Фигура 8: Подграфики, показващи две различни графики в една фигура.

Логаритмични графики

Логаритмичните графики са полезни за данни, които обхващат много широк диапазон от стойности.

import matplotlib.pyplot as plt
import numpy as np

# Example data
x = np.linspace(0.1, 100, 100)
y = np.exp(x)
# Creating a logarithmic plot
plt.plot(x, y)
plt.xscale('log')
plt.yscale('log')
plt.xlabel('Log X Axis')
plt.ylabel('Log Y Axis')
plt.title('Logarithmic Plot')
plt.show()
Графика на данни в логаритмична скала
Фигура 9: Графика, показваща данни в логаритмична скала.

Разширено персонализиране

Анотации

С анотации можете да откроите определени точки.

import matplotlib.pyplot as plt

# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Creating a plot with annotation
plt.plot(x, y)
plt.annotate('Important Point', xy=(3, 5), xytext=(4, 10),
             arrowprops=dict(facecolor='black', shrink=0.05))
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Annotated Plot')
plt.show()
Графика със стрелка на анотация към важна точка
Фигура 10: Графика с анотация, която откроява важна точка.

3D графики

Matplotlib може да чертае и 3D графики.

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

# Example data
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
x, y = np.meshgrid(x, y)
z = np.sin(np.sqrt(x**2 + y**2))
# Creating a 3D plot
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(x, y, z, cmap='viridis')
plt.title('3D Plot')
plt.show()


fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = np.random.standard_normal(100)
y = np.random.standard_normal(100)
z = np.random.standard_normal(100)
ax.scatter(x, y, z)
plt.show()
3D повърхност с вълнообразна форма
Фигура 11: 3D графика на повърхност с вълнообразна форма.
3D графика на разпръснати точки
Фигура 11-1: 3D графика с разпръснати точки.

Пример със синтетични данни

За да покажем Matplotlib в действие, нека създадем синтетичен набор от данни и да го визуализираме с различни видове графики.

import numpy as np
import matplotlib.pyplot as plt

# Generating synthetic data
np.random.seed(0)
x = np.linspace(0, 10, 100)
y = np.sin(x) + np.random.normal(0, 0.1, 100)
# Line plot
plt.figure(figsize=(10, 5))
plt.plot(x, y, label='Synthetic Data')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Synthetic Data Line Plot')
plt.legend()
plt.show()
# Scatter plot
plt.figure(figsize=(10, 5))
plt.scatter(x, y, label='Synthetic Data', color='red')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Synthetic Data Scatter Plot')
plt.legend()
plt.show()
Линейна графика на синтетични данни
Фигура 12: Линейна графика на синтетични данни.
Точкова диаграма на синтетични данни
Фигура 13: Точкова диаграма на синтетични данни.

Заключение

Matplotlib е мощен и гъвкав инструмент за визуализация на данни в Python. В тази статия създадохме линейни графики, стълбовидни, точкови и кръгови диаграми, хистограми и други. Освен това персонализирахме графиките и изградихме по-сложни визуализации: графики с анотации, подграфики, логаритмични и 3D графики. С широките възможности на Matplotlib можете да развиете уменията си за визуализация и да представяте данните си ясно и убедително.

Източници

  1. Hunter, J. D. (2007). Matplotlib: A 2D Graphics Environment. Computing in Science & Engineering, 9(3), 90–95.
  2. Документация на Matplotlib: matplotlib.org
  3. Waskom, M. и др. (2021). Seaborn: Statistical Data Visualization. Journal of Open Source Software, 6(60), 3021. seaborn.pydata.org