Cara membuat grafik dengan python

Merencanakan grafik dengan python bisa menjadi urusan yang rumit, tetapi beberapa langkah sederhana dapat membantu Anda membuat grafik dengan mudah. Untuk menghasilkan grafik dengan Python, Anda memerlukan perpustakaan bernama Matplotlib. Ini membantu dalam memvisualisasikan data Anda dan memudahkan Anda melihat hubungan antara berbagai variabel. Sebelum memulai dengan grafik, penting untuk terlebih dahulu memahami Matplotlib dan fungsinya di Python

Mengapa Visualisasi data diperlukan?

Visualisasi data adalah praktik penyajian data dengan cara sederhana (dalam format grafik atau gambar), yang bahkan orang non-teknis pun dapat memahaminya dengan mudah karena otak manusia dapat memproses informasi dengan mudah ketika dalam bentuk gambar atau grafik.

Ini memungkinkan kami untuk menginterpretasikan data dengan cepat dan menyesuaikan variabel yang berbeda untuk mengamati efeknya. Anda cukup menginterpretasikan informasi dari visualisasi data yang sangat membantu seseorang (orang Non-teknis) untuk memahami

Pengantar Matplotlib

Matplotlib adalah perpustakaan yang digunakan dalam Python untuk menghasilkan grafik dan garis untuk grafik 2D. Paket Matplotlib benar-benar ditulis dengan Python. Matplotlib menggunakan perintah sederhana untuk menghasilkan plot sederhana untuk data Anda

Instalasi

Langkah pertama adalah menginstal Matplotlib menggunakan perintah pip yang diberikan di bawah ini

pip instal matplotlib

Menggunakan perintah pip itu akan menangani dependensi saat menginstal pustaka dengan Python

Petak Matplotlib Python

Anda mungkin berpikir, untuk memulai dengan memplot grafik dengan python akan ada beberapa perintah khas yang akan Anda gunakan untuk membuat grafik. Matplotlib telah sangat mengurangi upaya itu yang menyediakan perpustakaan yang fleksibel dan banyak default bawaan untuk sekadar menghasilkan grafik. Anda perlu memastikan bahwa Anda melakukan impor yang diperlukan, menyiapkan data, dan memulai dengan fungsi plot()

Gunakan impor ini untuk memulai plot Matplotlib Anda

Untuk menghasilkan data nanti juga impor NumPy akan digunakan. Untuk mengimpor NumPy gunakan sintaks ini

>>> impor numpy sebagai np

• # Pastikan untuk mengimpor paket dan modul yang diperlukan
• impor pyplot sebagai plt
• impor numpy sebagai np
• # Siapkan data Anda
• z = np. linspace(0, 10, 100)
• # Merencanakan data
• plot(z, z, label='linear')
• # Menambahkan legenda
• legenda()
• # Hasil
• plt. menunjukkan()

Anda juga dapat mencari contoh lain untuk menghasilkan grafik paling sederhana menggunakan Matplotlib

Grafik sederhana

• dari Matplotlib mengimpor pyplot sebagai plt
• # Merencanakan grafik
• plot([1,2,3],[4,5,1])
• # Menampilkan hasilnya
• plt. menunjukkan()

Hasil

Dalam contoh di atas, kami baru saja memplot grafik sederhana tanpa judul, sumbu x, atau sumbu y. Ke depan kita akan belajar bagaimana menambahkan judul dan label ke grafik

Menambahkan label dan judul ke grafik Anda

• dari matplotlib impor pyplot sebagai plt
• x=[5,8,10]
• y=[12,16,6]
• plot(x,y)
• judul('info')
• ylabel('sumbu Y')
• xlabel('sumbu X')
• menunjukkan()

Hasil

Pada contoh di atas, kami telah menunjukkan sumbu x dan sumbu y dengan perintah sederhana plt. ylabel() dan judul dengan plt. judul(). Kami telah menggunakan plot(x,y) alih-alih menggunakan angka langsung untuk memplot sumbu X dan Y

Grafik ini tidak menyertakan gaya atau warna apa pun. Bagaimana jika Anda ingin menambahkan beberapa gaya atau mengubah lebar garis atau menambahkan warna pada grafik?

Menambahkan gaya ke grafik

• dari matplotlib impor pyplot sebagai plt
• dari gaya impor matplotlib
• gunakan('ggplot')
• x=[5,8,10]
• y=[12,16,6]
• x1=[6,9,11]
• y1=[6,15,7]
• plot(x,y,’g’,label='baris satu',garislebar=5)
• plot(x1,y1,’c’,label='baris dua',garislebar=5)
• judul('Info epik')
• ylabel('sumbu Y')
• xlabel('sumbu X')
• menunjukkan()

Untuk memperkenalkan warna pada garis yang berbeda, kami menggunakan 'g' untuk hijau dan 'c' untuk cyan. Kami juga dapat memperkenalkan ketebalan garis dengan menggunakan fungsi linewidth. Karena kita hanya menggunakan garis kisi default, untuk mengubah warna garis kisi gunakan perintah sederhana ini sebelum plt. menunjukkan()

Jika Anda ingin menambahkan sorotan pada grafik yang menunjukkan detail garis, Anda dapat menggunakan fungsi legend() dengan menggunakan perintah sederhana ini

Setelah menambahkan kode fungsi legend() dan grid() akan terlihat seperti ini

• dari matplotlib impor pyplot sebagai plt
• dari gaya impor matplotlib
• gunakan('ggplot')
• x=[5,8,10]
• y=[12,16,6]
• x1=[6,9,11]
• y1=[6,15,7]
• plot(x,y,’g’,label='baris satu',garislebar=5)
• plot(x1,y1,’c’,label='baris dua',garislebar=5)
• judul('Info epik')
• ylabel('sumbu Y')
• xlabel('sumbu X')
• kisi (Benar, warna = 'K')
• legenda()
• menunjukkan()

Dalam contoh di atas kita telah belajar bagaimana mengubah lebar garis, gaya, dan kisi atau menambahkan stabilo dan sekarang kita akan melihat bagaimana kita dapat memplot berbagai jenis grafik menggunakan Matplotlib dengan Python

Jenis plot

Ada beberapa jenis plot yang akan kita hasilkan di bagian ini menggunakan Matplotlib

• Grafik batang
• Histogram
• Plot Pencar
• Tumpukan Plot
• Plot Pai

Grafik batang

Grafik batang umumnya digunakan untuk membandingkan kelompok yang berbeda menggunakan visualisasi. Apakah itu perubahan pasar atau perubahan pendapatan, dengan menggunakan grafik batang kita dapat dengan mudah menentukan dan membandingkan hasil yang sebenarnya

• Impor pyplot sebagai plt
• bar([1,3,5,7,9],[5,2,7,8,2], label=“Contoh satu”)
• bar([2,4,6,8,10],[8,6,2,5,6], label=“Contoh dua”,warna=‘g’)
• legenda()
• xlabel('nomor batang')
• ylabel('tinggi batang')
• judul('Grafik Batang')
• menunjukkan()

Histogram. Grafik histogram pada umumnya digunakan untuk menampilkan informasi statistik atau distribusi kumpulan data proses yang berurutan. Histogram umumnya digunakan untuk data kontinu. Histogram atau grafik batang mungkin tampak serupa tetapi perbedaan umum antara plot histogram dan plot grafik batang adalah bahwa plot histogram digunakan untuk menampilkan distribusi variabel sedangkan grafik batang digunakan untuk menampilkan perbandingan antar variabel

• impor matplotlib pyplot sebagai plt
• populasi_usia=[22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48]
• tempat sampah = [0,10,20,30,40,50,60,70,80,90,100,110,120,130]
• hist(population_ages, bins, histtype='bar',r width=0. 8)
• xlabel('x')
• ylabel('y')
• judul('Histogram')
• legenda()
• menunjukkan()

1. Plot Pencar. Dengan menggunakan scatter plot, Anda dapat membandingkan dua variabel dan dapat menentukan korelasi di antara keduanya. Nilai variabel direpresentasikan dalam bentuk titik. Contoh plot pencar ditunjukkan pada gambar

• impor pyplot sebagai plt
• x=[1,2,3,4,5,6,7,8]
• y=[5,2,4,2,1,4,5,2]
• scatter(x,y, label='skitscat', color='k', s=25, marker=“o”)
• xlabel('x')
• ylabel('y')
• judul('Scatter Plot')
• legenda()
• menunjukkan()

• impor pyplot sebagai plt
• hari = [1,2,3,4,5]
• tidur = [7,8,6,11,7]
• makan = [2,3,4,3,2]
• bekerja = [7,8,7,2,2]
• bermain = [8,5,7,8,13]
• plot([],[],color='m', label='Tidur', lebar garis=5)
• plot([],[],color=’c’, label=’Makan’, linewidth=5)
• plot([],[],color=’r’, label=’Bekerja’, linewidth=5)
• plot([],[],color=’k’, label=’Bermain’, linewidth=5)
• stackplot(hari, tidur, makan, bekerja, bermain, warna=['m','c','r','k'])
• xlabel('x')
• ylabel('y')
• title('Grafik Menarik\n Lihat')
• legenda()
• menunjukkan()

• Impor pyplot sebagai plt
• x=[7,2,2,13]
• aktivitas=['tidur', 'makan', 'bekerja', 'bermain']
• cols=['c','m','r','b']
• pai (x,
• label=aktivitas,
• warna=kolom,
• kekagetan=90,
• bayangan=Benar,
• meledak = (0,0. 1,0,0),
• autopct=’%1. 1f%%’)
• judul('Plot Pai')
• menunjukkan()

Seperti yang telah kita bahas berbagai jenis plot di bagian atas, kita akan melihat bagaimana kita dapat bekerja dengan banyak grafik

• impor numpy sebagai np
• impor pyplot sebagai plt
• def f(t)
• returnexp(-t) * np. cos(2*np. lubang)
• t1 = np. atur (0. 0, 5. 0, 0. 1)
• t2 = np. atur (0. 0, 5. 0, 0. 02)
• anak petak(221)
• plot(t1, f(t1), 'bo', t2, f(t2))
• anak petak(222)
• plot(t2, np. cos(2*np. pi*t2))
• menunjukkan()

Sekarang, Anda telah belajar bagaimana merencanakan grafik dengan python dulu dan apa saja jenis plot yang dapat Anda hasilkan menggunakan Matplotlib dengan Python

Apa itu grafik () dengan Python?

Bisakah Anda membuat plot dengan Python?

Bagaimana Anda membuat grafik dengan kode?