Python pentru analiza datelor: Matplotlib și vizualizarea datelor

Scris de Yasin TANIŞ

Publicat inițial pe Medium

Ilustrație cu grafice și cod Python pentru vizualizarea datelor

Introducere

Vizualizarea datelor înseamnă folosirea graficelor și diagramelor pentru ca seturile complexe de date să devină mai ușor de înțeles. Python oferă mai multe biblioteci de analiză și vizualizare a datelor, iar Matplotlib este una dintre cele mai populare. În acest articol învățăm elementele de bază ale vizualizării datelor cu Matplotlib.

Ce este Matplotlib

Matplotlib este o bibliotecă puternică și flexibilă pentru crearea de grafice 2D în Python. Poate desena grafice liniare, cu bare, de dispersie și multe alte tipuri de grafice.

Instalarea Matplotlib

Înainte de a folosi Matplotlib, trebuie să o instalăm. Dacă nu o aveți deja în sistem, instalați-o cu această comandă:

pip install matplotlib

Utilizare de bază

Să începem cu un grafic liniar simplu.

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()
Grafic liniar simplu cu puncte de date unite printr-o linie
Figura 1: Grafic liniar simplu cu puncte de date unite printr-o linie.

Acest exemplu simplu arată cum se desenează un grafic liniar cu Matplotlib. Să vedem acum alte tipuri de grafice și personalizări.

Tipuri de grafice

Grafice cu bare

Graficele cu bare se folosesc pentru vizualizarea datelor categoriale.

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()
Grafic cu bare care arată valori pentru categorii diferite
Figura 2: Grafic simplu cu bare care arată valori pentru categorii diferite.

Grafice de dispersie

Graficele de dispersie arată relația dintre două variabile.

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()
Grafic de dispersie care arată distribuția punctelor de date
Figura 3: Grafic simplu de dispersie care arată distribuția punctelor de date.

Histograme

Histogramele arată cum sunt distribuite datele.

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()
Histogramă care arată distribuția frecvențelor datelor
Figura 4: Histogramă simplă care arată distribuția frecvențelor datelor.

Diagrame circulare

Diagramele circulare arată proporțiile datelor categoriale.

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()
Diagramă circulară care arată proporțiile unor categorii diferite
Figura 5: Diagramă circulară simplă care arată proporțiile unor categorii diferite.

Personalizarea graficelor

Matplotlib permite personalizarea amplă a graficelor, pentru ca acestea să fie mai ușor de citit și mai plăcute vizual.

Culori și stiluri

Puteți adăuga culori și stiluri pentru a face graficele mai atractive.

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()
Grafic liniar cu linie roșie întreruptă și marcaje circulare
Figura 6: Grafic liniar personalizat cu linie roșie întreruptă și marcaje circulare.

Dimensiunea și rezoluția graficului

Dimensiunea și rezoluția graficului pot fi ajustate în funcție de diferite nevoi.

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()
Grafic mare, de înaltă rezoluție, cu puncte de date detaliate
Figura 7: Grafic mare, de înaltă rezoluție, care arată puncte de date detaliate.

Subgrafice

Subgraficele vă permit să desenați mai multe grafice într-o singură figură.

Două grafice diferite alăturate într-o singură figură
Figura 8: Subgrafice care arată două grafice diferite într-o singură figură.

Grafice logaritmice

Graficele logaritmice sunt utile pentru date care acoperă un interval foarte larg de valori.

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()
Grafic al datelor pe scară logaritmică
Figura 9: Grafic logaritmic care arată date pe scară logaritmică.

Personalizare avansată

Adnotări

Puteți adăuga adnotări pentru a evidenția anumite puncte.

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()
Grafic cu o săgeată de adnotare spre un punct important
Figura 10: Grafic adnotat care evidențiază un punct important.

Grafice 3D

Matplotlib poate desena și grafice 3D.

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()
Suprafață 3D cu model ondulat
Figura 11: Grafic 3D al unei suprafețe cu model ondulat.
Grafic 3D cu puncte dispersate
Figura 11-1: Grafic 3D cu un model de puncte dispersate.

Exemplu cu date sintetice

Ca să vedem Matplotlib la lucru, să creăm un set de date sintetice și să îl vizualizăm cu diferite tipuri de grafice.

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()
Grafic liniar al datelor sintetice
Figura 12: Grafic liniar al datelor sintetice.
Grafic de dispersie al datelor sintetice
Figura 13: Grafic de dispersie al datelor sintetice.

Concluzie

Matplotlib este un instrument puternic și flexibil pentru vizualizarea datelor în Python. În acest articol am creat grafice liniare, cu bare, de dispersie, histograme, diagrame circulare și altele. De asemenea, am personalizat grafice și am construit vizualizări avansate: grafice adnotate, subgrafice, grafice logaritmice și 3D. Folosind gama largă de funcționalități a Matplotlib, vă puteți dezvolta abilitățile de vizualizare și vă puteți prezenta datele clar și convingător.

Surse

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