کتابخانه های matplotlib و seaborn

کتابخانه های matplotlib و seaborn


در دنیای کار با داده ها، حجم فراوان داده ها کار توضیح داده ها و نمایش نتایج حاصل از بررسی آن ها را سخت می‌کند؛ لذا افرادی که با حجم وسیعی از داده ها کار می‌کنند نیازمند ابزاری برای انتقال مفاهیم به ساده ترین شکل ممکن هستند کتابخانه های Matplotlib و Seaborn از کتابخانه‌های پایتون برای مصورسازی است. هر دوی این کتابخانه‌ها جزو کتابخانه‌های بسیار پرکاربرد رسم نمودار و مصور سازی داده در پایتون هستند.

مصورسازی داده یا تجسم‌سازی داده ارائه‌ی گرافیکی داده است که هدف اصلی آن انتقال بهینه‌ی اطلاعات به کاربران از طریق نمایش روابط میان داده‌ها به کمک نمودارها است.حال به رسم های مهم توسط هردو کتابخانه می‌پردازیم.

رسم خطوط در matplotlib :

-تعریف محور x و مقادیر متناظر در محور y به صورت لیست‌های جداگانه

-رسم آنها بر روی صفحه با تابع plot

-اختصاص نام به محورهای x و y با توابع xlabel و ylabel

-دادن عنوان به نمودار با تابع title

-در پایان تمامی کدها در matplotlib بکارگیری تابع plt.show برای دیدن شکل نهایی نمودار


رسم نمودار میله ­ای در matplotlib :

نمودار میله­‌ای یا نواری (Bar Plot) نموداری است که داده­‌های طبقه ­بندی­ شده را با میله­‌های مستطیل شکل با ارتفاع یا طول متناسب با مقادیر ارائه شده نشان می‌­دهد. میله­‌ها می­‌توانند به شکل عمودی یا افقی رسم شوند که گاهی نمودار میله‌­ای عمودی، نمودار خطی نامیده می­‌شود.


برای رسم از تابع plt.bar برای رسم نمودار میله‌­ای استفاده می‌­کنیم.

مختصات x از سمت چپ به ارتفاع میله­‌ها به ­طور متناظر اختصاص داده می­‌شود.

می‌­توانید نامی را به مختصات محور x با تعریف tich_label بدهید.


رسم نمودار هیستوگرام در matplotlib :

نمودار هیستوگرام یک نمایش دقیق از توزیع داده­‌های عددی است. این نمودار تخمینی از توزیع احتمال متغیر پیوسته است و تفاوت نمودار هیستوگرام با نمودار میله­‌ای در این است که یک نمودار میله‌­ای رابطه‌ی دو متغیر را با هم نشان می‌­دهد. اما هیستوگرام تنها به یک متغیر مربوط می‌­شود.

در این نمودار از تابع hist برای رسم هیستوگرام استفاده می­‌کنیم.

تعداد تکرار با لیست ages ارسال شده‌­اند.

رنج و محدوده می‌­تواند با تعریف ساختار داده­‌ی تاپل شامل مقادیر مینیمم و ماکسیمم تعیین شود.

مرحله بعدی اختصاص دادن یا به اصطلاح bin کردن رنج مقادیر (که همان تقسیم کل محدوده بر روی بازه­‌ها است.) و سپس شمردن این که چه تعداد از مقادیر در هر بازه وجود دارد. در این مثال مقدار bins را 10 در نظر گرفته­‌ایم پس به طور کلی 10=10/100 بازه داریم.


رسم نمودار پراکندگی در matplotlib :

نمودار پراکندگی یا Scatter Plot نوعی از نمودار است که با استفاده از مختصات دکارتی مقادیر دو متغیر را برای مجموعه‌­ای از اعداد نمایش می‌­دهد.

در این نمودار از تابع scatter برای رسم نمودار پراکندگی استفاده می‌­کنیم.

مانند یک خط x را متناظر y تعریف می­‌کنیم.

آرگومان marker برای تعیین شکل نقاط روی نمودار استفاده می‌­شود که می‌­توان با استفاده از پارامتر s سایز آن‌ها را تغییر داد.


رسم نمودار دایره ای در matplotlib :

نمودار دایره‌ای یا Pie-Chart یک شکل آماری دایره­‌ای است که برای نشان دادن نسبت و سهم عددی به برش‌هایی متناظر با هر کدام از آن نسبت‌ها تقسیم می‌­شود. در نمودار دایره­‌ای طول قوس هر برش متناسب با کمیتی است که نشان می‌­دهد.

در این نمودار ، نمودار دایره­‌ای را با تابع pie رسم می‌­کنیم.

در ابتدا برچسب‌ها را با استفاده از لیستی تحت عنوان activities مشخص کرده­‌ایم.

سپس سهم هر برچسب را با لیست دیگری با عنوان slices تعیین می­‌کنیم.

رنگ هر برچسب به کمک لیستی با عنوان colors مشخص شده است.

عبارت shadow=True یک حالت سایه­ مانند زیر هر قوس در دایره ایجاد می‌­کند.

صفت startangle نقطه‌ی شروع نمودار دایره‌­ای را با درجه‌­های معین در جهت عقربه‌­های ساعت از محور x می­‌چرخاند.

Explode :

برای جداسازی قسمت‌های نمودار و فاصله گرفتن آن‌ها از هم استفاده می‌­شود و مقدار فاصله‌­ی قسمت‌های نمودار از هم با توجه به نسبت تعریف ­شده از اندازه شعاع دایره تعیین می‌­شود. مثلاً در شکل بالا سهم سوم به اندازه­‌ی یک دهم اندازه‌­ی شعاع از بقیه جدا شده است.

autopct :

برای شکل­‌دهی مقدار هر برچسب به کار گرفته می‌­شود. در این مثال، ما آن را طوری تنظیم کرده‌­ایم تا مقدار درصد هر سهم از نمودار را تا یک رقم اعشار نمایش دهد.


رسم نمودار تابع در matplotlib :

می‌توان منحنی معادلات و چند جمله‌ای با درجه‌های مختلف را ترسیم نمود. برای مثال رسم نمودار سینوسی در پایتون یا همان y=sin(x) که x برحسب رادیان است، مانند کد زیر است.

در اینجا از NumPy که یک کتابخانه‌ی عمومی برای کار با اعداد است استفاده کرده‌­ایم.


برای مقداردهی به متغیرهای محور x از arange استفاده می‌­کنیم که دو آرگومان اول آن برای تعیین محدوده­‌ی اعداد و آرگومان سوم فاصله‌­ی بین اعداد در آن بازه است.

برای مقادیر متناظر در محور y از sin استفاده کرده­‌ایم و سینوس مقادیر محور x را محاسبه کرده‌­ایم.

در پایان نمودار را با ارسال آرایه‌­های x و y به تابع plot رسم کرده­‌ایم.

مثال‌هایی از توابع دیگر همچون رسم نمودار لگاریتمی در پایتون را می‌توان مانند قطعه کد بالا به کمک matplotlib رسم کرد (y=np.log(x)).

#Learning

➖️➖️➖️➖️➖️➖️➖️➖️➖️➖️➖️➖️➖️➖️➖️➖️

@CS_KHU | انجمن علمی علوم کامپیوتر



Report Page