"Bagaimana cara membuat plot dengan Python?" . Matplotlib adalah satu-satunya cara. Saat ini, Python adalah bahasa ilmu data, dan ada lebih banyak pilihan. Apa yang harus Anda gunakan? Show Lebih Banyak Sumber Daya Python
Panduan ini akan membantu Anda memutuskan. Ini akan menunjukkan kepada Anda bagaimana menggunakan masing-masing dari empat pustaka plot Python paling populer—Matplotlib, Seaborn, Plotly, dan Bokeh—ditambah beberapa pendatang baru yang hebat untuk dipertimbangkan. Altair, dengan API ekspresifnya, dan Pygal, dengan keluaran SVG yang indah. Saya juga akan melihat API perencanaan yang sangat nyaman yang disediakan oleh panda Untuk setiap perpustakaan, saya telah menyertakan cuplikan kode sumber, serta contoh berbasis web lengkap menggunakan Anvil, platform kami untuk membuat aplikasi web hanya dengan Python. Mari lihat Contoh petakSetiap perpustakaan mengambil pendekatan yang sedikit berbeda untuk memplot data. Untuk membandingkannya, saya akan membuat plot yang sama dengan masing-masing perpustakaan dan menunjukkan kode sumbernya. Untuk data contoh saya, saya memilih bagan batang hasil pemilu Inggris yang dikelompokkan ini sejak 1966 Saya mengumpulkan dataset sejarah pemilu Inggris dari Wikipedia. jumlah kursi di parlemen Inggris yang dimenangkan oleh partai Konservatif, Buruh, dan Liberal (didefinisikan secara luas) dalam setiap pemilihan dari tahun 1966 hingga 2019, ditambah jumlah kursi yang dimenangkan oleh "lainnya". " Anda dapat mengunduhnya sebagai file CSV MatplotlibMatplotlib adalah pustaka perencanaan Python tertua, dan masih yang paling populer. Itu dibuat pada tahun 2003 sebagai bagian dari SciPy Stack, perpustakaan komputasi ilmiah open source yang mirip dengan Matlab Matplotlib memberi Anda kontrol yang tepat atas plot Anda — misalnya, Anda dapat menentukan posisi x individual dari setiap batang di petak batang Anda. Berikut adalah kode untuk membuat grafik ini (yang dapat Anda jalankan di sini)
Dan inilah hasil pemilihan yang diplot di Matplotlib Yg keturunan dr lautSeaborn adalah lapisan abstraksi di atas Matplotlib; Itu tidak berkompromi pada kekuatan. Seaborn memberikan jalan keluar untuk mengakses objek Matplotlib yang mendasarinya, sehingga Anda masih memiliki kendali penuh Kode Seaborn lebih sederhana daripada Matplotlib mentah (dapat dijalankan di sini) _Dan menghasilkan bagan ini Secara plotPlotly adalah ekosistem plot yang mencakup pustaka plot Python. Ini memiliki tiga antarmuka yang berbeda
Plot plot dirancang untuk disematkan di aplikasi web. Pada intinya, Plotly sebenarnya adalah pustaka JavaScript. Ini menggunakan D3 dan tumpukan. gl untuk menggambar plot Anda dapat membuat pustaka Plotly dalam bahasa lain dengan meneruskan JSON ke pustaka JavaScript. Pustaka Python dan R resmi melakukan hal itu. Di Anvil, kami mem-porting Python Plotly API untuk dijalankan di browser web Ini kode sumber di Plotly (yang bisa Anda jalankan di sini)
Dan plot hasil pemilu BokehBokeh (diucapkan "BOE-kay") berspesialisasi dalam membangun plot interaktif, jadi contoh standar ini tidak menampilkannya dengan sebaik-baiknya. Seperti Plotly, plot Bokeh dirancang untuk disematkan di aplikasi web; Ini kode di Bokeh (yang bisa Anda jalankan di sini)
Dan plotnya AltairAltair didasarkan pada bahasa plot deklaratif (atau "tata bahasa visualisasi") yang disebut Vega. Ini berarti ini adalah API yang dipikirkan dengan matang yang menskalakan dengan baik untuk plot yang kompleks, menyelamatkan Anda dari tersesat di neraka bersarang untuk loop Seperti halnya Bokeh, Altair menampilkan plotnya sebagai file HTML. Ini kodenya (yang bisa Anda jalankan di sini) _Dan grafik yang dihasilkan PygalPygal berfokus pada tampilan visual. Ini menghasilkan plot SVG secara default, sehingga Anda dapat memperbesarnya selamanya atau mencetaknya tanpa membuat piksel. Plot Pygal juga hadir dengan beberapa fitur interaktivitas bawaan yang bagus, menjadikan Pygal kandidat lain yang diremehkan jika Anda ingin menyematkan plot di aplikasi web Kode sumbernya terlihat seperti ini (dan Anda dapat menjalankannya di sini)
Dan grafiknya PandaPandas adalah perpustakaan ilmu data yang sangat populer untuk Python. Ini memungkinkan Anda untuk melakukan semua jenis manipulasi data secara skalabel, tetapi juga memiliki API perencanaan yang nyaman. Karena beroperasi langsung pada bingkai data, contoh panda adalah cuplikan kode paling ringkas dalam artikel ini—bahkan lebih pendek daripada kode Seaborn API panda adalah pembungkus di sekitar Matplotlib, jadi Anda juga dapat menggunakan API Matplotlib yang mendasarinya untuk mendapatkan kontrol yang lebih baik dari plot Anda Berikut plot hasil pemilu di panda. Kode ini sangat ringkas _Dan grafik yang dihasilkan Untuk menjalankan contoh ini, lihat di sini Rencanakan jalanmuPython menawarkan banyak cara untuk memplot data yang sama tanpa banyak kode. Meskipun Anda dapat memulai dengan cepat membuat bagan dengan salah satu metode ini, metode ini memerlukan beberapa konfigurasi lokal. Anvil menawarkan pengalaman berbasis web yang indah untuk pengembangan Python jika Anda membutuhkannya. Selamat merencanakan Artikel ini didasarkan pada Plotting dengan Python. membandingkan opsi di blog Anvil dan digunakan kembali dengan izin Apa yang harus dibaca selanjutnya Memformat data NFL untuk melakukan ilmu data dengan PythonDi bagian 1 seri pembelajaran mesin dengan Python ini, pelajari cara menyiapkan dataset National Football League untuk pelatihan Christa Hayes 15 Oktober 20193 pustaka Python teratas untuk ilmu dataUbah Python menjadi analisis data ilmiah dan alat pemodelan dengan pustaka ini dr. Michael J. Sampah 18 September 2018Tag Piton Ilmu Data Shaun Taylor-Morgan Shaun memulai pemrograman dengan mensimulasikan pembakaran plasma fusi di sistem laser terbesar di dunia. Dia jatuh cinta dengan Python sebagai alat analisis data, dan tidak pernah menoleh ke belakang. Sekarang dia ingin mengubah segalanya menjadi Python Lebih banyak tentang saya Komentar ini ditutup, namun Anda dapat Mendaftar atau Masuk untuk mengirim komentar di artikel lain Greg Pittman. 3 April 2020 Daftar atau Masuk untuk menyukai Satu hal yang ditunjukkan adalah bagaimana grafik batang dapat membingungkan secara visual. Dimungkinkan untuk membuat grafik menggunakan Scribus dan Python Shaun Taylor-Morgan. 1 Juli 2020 Daftar atau Masuk untuk menyukai Terima kasih atas tautannya. Anda benar, empat plot garis overlay akan lebih mudah dibaca untuk data khusus ini. Secara pribadi, plot bar memberi saya sedikit kegembiraan. tapi saya memilih contoh multi-bar sebagai sesuatu yang dengan baik menghilangkan perbedaan di perpustakaan yang berbeda Bagaimana Anda merencanakan plot dengan Python?MatPlotLib dengan Python
. e. , ax2 dengan nilai l, b, h dan w. Using add_axes(), add an axis, i.e., ax2 with l, b, h and w values. Plot titik yang sama (Langkah 2) menggunakan metode plot(), dengan warna hijau, lebar garis=3, label=”di dalam plot”. Tetapkan legenda pada kedua plot menggunakan metode legend(). Untuk menampilkan gambar, gunakan metode show().
Apakah Python bagus untuk merencanakan?Dengan gaya Python yang sebenarnya, ada banyak pilihan ketika memilih perpustakaan untuk merencanakan . Ada pilihan yang relatif sederhana, seperti Matplotlib, dan ada perpustakaan yang lebih kompleks, seperti Folium, yang memanfaatkan kekuatan JavaScript untuk membuat peta interaktif yang benar-benar menakjubkan.
Apa plot () di Python?Memplot titik x dan y
. Parameter 2 adalah larik yang berisi titik-titik pada sumbu y. Jika kita perlu memplot garis dari (1, 3) ke (8, 10), kita harus meneruskan dua larik [1, 8] dan [3, 10] ke fungsi plot . . |