آموزش Matplotlib در NumPy

آموزش Matplotlib در NumPy

در این درس از مجموعه آموزش برنامه نویسی سایت سورس باران، به آموزش Matplotlib در NumPy خواهیم پرداخت.

پیشنهاد ویژه : پکیج آموزش پایتون

Matplotlib یک کتابخانه نقشه برداری برای پایتون است. همراه با NumPy برای ایجاد محیطی استفاده می شود که یک گزینه موثر منبع باز برای MatLab است. همچنین می تواند با جعبه ابزارهای گرافیکی مانند PyQt و wxPython استفاده شود.

ماژول Matplotlib اولین بار توسط جان دی هانتر نوشته شد. از سال ۲۰۱۲ ، مایکل دروتبوم توسعه دهنده اصلی است. در حال حاضر ، Matplotlib ver. 1.5.1 نسخه پایدار موجود است. این بسته در توزیع باینری و همچنین در فرم کد منبع در www.matplotlib.org موجود است.

به طور معمول، بسته با وارد کردن عبارت زیر به متن Python وارد می شود –

from matplotlib import pyplot as plt

در اینجا ()pyplot مهمترین تابع در کتابخانه matplotlib است که برای ترسیم داده های دو بعدی استفاده می شود. اسکریپت زیر معادله y = 2x + 5 را ترسیم می کند

مثال

import numpy as np 
from matplotlib import pyplot as plt 

x = np.arange(1,11) 
y = 2 * x + 5 
plt.title("Matplotlib demo") 
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y) 
plt.show()

یک شی ndar ndarray x از تابع ()np.arange به عنوان مقادیر موجود در محور x ایجاد می شود. مقادیر مربوطه در محور y در یک جسم جدایی دیگر y ذخیره می شود. این مقادیر با استفاده از تابع ()plot زیرمدول pyplot بسته matplotlib رسم می شوند.

نمایش گرافیکی توسط تابع ()show نمایش داده می شود.

کد فوق باید خروجی زیر را تولید کند –

به جای نمودار خطی، می توان مقادیر را با افزودن یک رشته قالب به تابع ()plot به صورت گسسته نمایش داد. از کاراکتر های قالب بندی زیر می توان استفاده کرد.

اختصارات رنگ زیر نیز تعریف شده است.

برای نمایش حلقه های نشان دهنده نقاط ، به جای خط در مثال بالا ، از “ob” به عنوان رشته قالب در تابع ()plot استفاده کنید.

مثال

import numpy as np 
from matplotlib import pyplot as plt 

x = np.arange(1,11) 
y = 2 * x + 5 
plt.title("Matplotlib demo") 
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y,"ob") 
plt.show()

کد فوق باید خروجی زیر را تولید کند –

نمودار موج سینوسی

اسکریپت زیر نمودار موج سینوسی را با استفاده از matplotlib تولید می کند.

مثال

import numpy as np 
import matplotlib.pyplot as plt  

# Compute the x and y coordinates for points on a sine curve 
x = np.arange(0, 3 * np.pi, 0.1) 
y = np.sin(x) 
plt.title("sine wave form") 

# Plot the points using matplotlib 
plt.plot(x, y) 
plt.show()

()subplot

تابع ()subplot به شما امکان می دهد چیزهای مختلف را در همان شکل ترسیم کنید. در متن زیر ، مقادیر سینوس و کسینوس رسم شده است.

مثال

import numpy as np 
import matplotlib.pyplot as plt  
   
# Compute the x and y coordinates for points on sine and cosine curves 
x = np.arange(0, 3 * np.pi, 0.1) 
y_sin = np.sin(x) 
y_cos = np.cos(x)  
   
# Set up a subplot grid that has height 2 and width 1, 
# and set the first such subplot as active. 
plt.subplot(2, 1, 1)
   
# Make the first plot 
plt.plot(x, y_sin) 
plt.title('Sine')  
   
# Set the second subplot as active, and make the second plot. 
plt.subplot(2, 1, 2) 
plt.plot(x, y_cos) 
plt.title('Cosine')  
   
# Show the figure. 
plt.show()

 ()bar

زیر ماژول pyplot تابع ()bar را برای تولید نمودارهای میله ای فراهم می کند. مثال زیر نمودار میله ای از دو مجموعه آرایه x و y را تولید می کند.

مثال

from matplotlib import pyplot as plt 
x = [5,8,10] 
y = [12,16,6]  

x2 = [6,9,11] 
y2 = [6,15,7] 
plt.bar(x, y, align = 'center') 
plt.bar(x2, y2, color = 'g', align = 'center') 
plt.title('Bar graph') 
plt.ylabel('Y axis') 
plt.xlabel('X axis')  

plt.show()

این کد باید خروجی زیر را ایجاد کند –

منبع.

لیست جلسات قبل آموزش NumPy

1. آموزش NumPy
2. معرفی NumPy
3. آموزش محیط کار NumPy
4. آموزش شی Ndarray در NumPy
5. آموزش انواع داده ها در NumPy
6. آموزش ویژگی های آرایه در NumPy
7. آموزش روال ایجاد آرایه در NumPy
8. آموزش ایجاد آرایه از داده های موجود در NumPy
9. آموزش ایجاد آرایه از محدوده های عددی در NumPy
10. آموزش شاخص گذاری و برش در NumPy
11. آموزش شاخص گذاری پیشرفته در NumPy
12. آموزش Broadcasting در NumPy
13. آموزش تکرار در یک آرایه در NumPy
14. آموزش دستکاری آرایه در NumPy
15. آموزش اپراتورهای دودویی در NumPy
16. آموزش توابع رشته ای در NumPy
17. آموزش توابع ریاضی در NumPy
18. آموزش عملیات حسابی در NumPy
19. آموزش توابع آماری در NumPy
20. آموزش مرتب سازی، جستجو و توابع شمارش در NumPy
21. آموزش Byte Swapping در NumPy
22. آموزش کپی ها و View
23. آموزش کتابخانه ماتریس در NumPy
24. آموزش جبر خطی در NumPy