Hôm nay, chúng ta sẽ xem cách chúng ta có thể tạo Biểu đồ Python và Biểu đồ thanh Python bằng cách sử dụng thư viện Matplotlib và Seaborn Python . Hơn nữa, trong Hướng dẫn vẽ biểu đồ và thanh trong Python này, chúng ta sẽ hiểu Biểu đồ và thanh trong Python với sự trợ giúp của ví dụ và đồ thị.
Xem thêm Bar chart là gì ?
Tổng quan về Matplotlib
Matplotlib là một thư viện trực quan hóa dữ liệu phổ biến trong ngôn ngữ lập trình Python. Nó cung cấp các công cụ mạnh mẽ để tạo ra các biểu đồ và đồ thị chất lượng cao, giúp người dùng hiển thị dữ liệu một cách trực quan và dễ hiểu.
Dưới đây là một số điểm quan trọng về Matplotlib:
- Đa dạng loại biểu đồ: Matplotlib hỗ trợ nhiều loại biểu đồ khác nhau, bao gồm biểu đồ đường, biểu đồ cột, biểu đồ tròn, biểu đồ hộp, biểu đồ phân tán và nhiều hơn nữa. Điều này cho phép bạn lựa chọn biểu đồ phù hợp cho từng loại dữ liệu và mục tiêu trực quan hóa.
- Tích hợp dễ dàng với NumPy và Pandas: Matplotlib tương thích tốt với các thư viện Python phổ biến khác như NumPy và Pandas. Điều này giúp bạn dễ dàng trực quan hóa dữ liệu từ các cấu trúc dữ liệu này mà không cần thực hiện nhiều công việc chuẩn bị dữ liệu phức tạp.
- Tùy chỉnh linh hoạt: Matplotlib cung cấp nhiều tùy chọn tùy chỉnh để điều chỉnh giao diện đồ thị. Bạn có thể thay đổi màu sắc, kiểu đường, font chữ, định dạng trục, chú thích và nhiều hơn nữa. Điều này giúp bạn tạo ra các biểu đồ với phong cách riêng và phù hợp với nhu cầu của bạn.
- Hỗ trợ lưu trữ và xuất bản: Matplotlib cho phép bạn lưu trữ các biểu đồ và đồ thị thành các định dạng hình ảnh phổ biến như PNG, JPEG, PDF, SVG và nhiều hơn nữa. Điều này giúp bạn chia sẻ, in ấn hoặc xuất bản biểu đồ của mình dễ dàng.
- Cộng đồng và tài liệu phong phú: Matplotlib có một cộng đồng sôi nổi và tài liệu phong phú. Bạn có thể tìm thấy nhiều ví dụ, hướng dẫn và tài liệu tham khảo trực tuyến để giúp bạn nắm vững cách sử dụng và tận dụng tối đa sức mạnh của thư viện này.
Các bài viết liên quan:
Tổng quan về Seaborn
Seaborn là một thư viện trực quan hóa dữ liệu được xây dựng dựa trên Matplotlib, cung cấp các công cụ mạnh mẽ để tạo ra các biểu đồ và đồ thị đẹp mắt trong Python. Seaborn hướng tới mục tiêu giúp người dùng dễ dàng tạo ra các biểu đồ phức tạp mà vẫn giữ được tính thẩm mỹ cao.
Dưới đây là một số điểm quan trọng về Seaborn:
- Tạo ra các biểu đồ phức tạp một cách dễ dàng: Seaborn cung cấp các chức năng và phương pháp đơn giản để tạo ra các biểu đồ phức tạp như biểu đồ phân phối, biểu đồ tương quan, biểu đồ hộp và rất nhiều loại biểu đồ khác. Với Seaborn, bạn có thể tạo ra những biểu đồ đẹp mắt mà không cần nhiều công việc chuẩn bị dữ liệu.
- Phối màu hấp dẫn: Seaborn cung cấp một bộ sưu tập màu sắc đẹp và phối màu tương thích để làm cho biểu đồ của bạn trở nên nổi bật hơn. Bạn có thể dễ dàng chọn từ nhiều phối màu có sẵn hoặc tạo phối màu tùy chỉnh để tạo ra phong cách riêng cho biểu đồ của mình.
- Tự động tùy chỉnh giao diện đồ thị: Seaborn tự động cung cấp các thiết lập giao diện mặc định tốt hơn so với Matplotlib. Các đường viền, font chữ và phông chữ được tinh chỉnh một cách chuyên nghiệp để tạo ra các biểu đồ có thẩm mỹ cao.
- Tương thích với pandas: Seaborn tương thích tốt với thư viện pandas, cho phép bạn trực tiếp trực quan hóa các cấu trúc dữ liệu DataFrame và Series mà không cần phải làm nhiều công việc chuẩn bị dữ liệu phức tạp.
- Cung cấp các hàm thống kê: Seaborn cung cấp các hàm thống kê để trực quan hóa dữ liệu số liệu, như biểu đồ phân phối, biểu đồ boxplot, biểu đồ violin và các biểu đồ khác. Điều này giúp bạn nhanh chóng khám phá và hiểu các thuộc tính
Xem thêm Các toán tử Bitwise trong Python
Biểu đồ Python
Biểu đồ là một biểu đồ biểu thị cách dữ liệu số được biểu diễn. Đầu vào của nó là một biến số, nó được phân tách thành các thùng trên trục x. Đây là một vectơ gồm các số và có thể là một danh sách hoặc một cột DataFrame. Thanh cao hơn thể hiện nhiều quan sát hơn trên mỗi thùng. Ngoài ra, số lượng thùng quyết định hình dạng của biểu đồ.
Xem thêm Phân tích SAS Bland-Altman
Ví dụ về Biểu đồ Python
Hãy bắt đầu với một Ví dụ về Biểu đồ Matplotlib đơn giản .
import seaborn as sn
df=sn.load_dataset('iris')
sn.distplot(df['sepal_length'])
import matplotlib.pyplot as plt
plt.show()
sn.distplot(df['sepal_length'],bins=25) lt.show()
Để lập biểu đồ này mà không có Seaborn, chúng ta có thể làm như sau
import numpy as np from matplotlib import colors from matplotlib.ticker import PercentFormatter np.random.seed(19720810) N=100000 n_bins=20 x=np.random.randn(N) y=.7*x+np.random.randn(100000)+7 fig,axs=plt.subplots(1,2,sharey=True,tight_layout=True) axs[0].hist(x,bins=n_bins) axs[1].hist(y,bins=n_bins) plt.show()
Chỉ hiển thị Biểu đồ
Chúng ta có thể chọn hiển thị hoặc ẩn Biểu đồ Python, tấm thảm và mật độ hạt nhân. Bây giờ hãy thử chỉ hiển thị Biểu đồ Python.
Hãy sửa đổi Python Web Framework
sn.distplot(a=df['sepal_length'],hist=True,kde=False,rug=False) plt.show()
Xem thêm Phân tích dữ liệu đồ họa với lập trình R
Hiển thị Histogram, Rug và Kernel Density
Bây giờ chúng ta hãy thử hiển thị cả ba.
sn.distplot(a=df['sepal_length'],hist=True,kde=True,rug=True) plt.show()
Tùy chỉnh Rug
Hãy đặt tấm thảm thành màu đỏ.
sn.distplot(a=df['sepal_length'],rug=True,rug_kws={'color':'r','alpha':0.35,'linewidth':5})
Tùy chỉnh density distribution
Sử dụng các từ khóa cho mật độ nhân, chúng ta có thể tùy chỉnh phân bố mật độ.
sn.distplot(a=df['sepal_length'],kde=True,kde_kws={'color':'r','alpha':0.35,'linewidth':5})
Biểu đồ Python dọc
Bây giờ chúng ta hãy thử tạo một Biểu đồ Python dọc.
Hãy cùng tìm hiểu về Python Numpy
sn.distplot(df['sepal_length'],color='lightpink',vertical=True)
Biểu đồ Python với nhiều biến
Chúng ta có thể xem cùng nhau các biểu đồ cho nhiều biến số.
sn.distplot(df['sepal_length'],color='skyblue',label='Sepal length') sn.distplot(df['sepal_width'],color='lightpink',label='Sepal width')
Bar Plot
Biểu đồ thanh trong Python, còn được gọi là biểu đồ thanh, biểu thị cách một biến số liên quan đến một biến phân loại.
Chúng ta hãy xem xét Python Pandas
Ví dụ về Python Bar Plot
Hãy lấy một ví dụ nhanh về Biểu đồ thanh Matplotlib .
import numpy as np
import matplotlib.pyplot as plt
marks=[79,45,22,89,95]
bars=('Roll 1','Roll 2','Roll 3','Roll 4','Roll 5')
y=np.arange(len(bars))
plt.bar(y,marks,color='g')
Đặt một màu khác nhau cho mỗi thanh
Hãy thử năm màu sắc khác nhau cho các thanh.
plt.bar(y,marks,color=['cyan','skyblue','lightpink','brown','black']) plt.xticks(y,bars)
Đặt màu viền
Và bây giờ đối với màu viền, chúng ta sử dụng tham số edgecolor.
plt.bar(y,marks,color=(0.2,0.4,0.2,0.7),edgecolor='deeppink') plt.xticks(y,bars)
Horizontal Bar Plot
Làm thế nào về thanh plot ngang?
plt.barh(y,marks) plt.yticks(y,bars)
Title và Axis Labels
Hãy gọi nó là Đồ thị mẫu, với các số cuộn trên trục x và các dấu trên trục y.
plt.bar(y,marks,color=(0.5,0.1,0.5,0.6))
plt.title('Sample graph')
plt.xlabel('Roll numbers')
plt.ylabel('Marks')
plt.ylim(0,100)
plt.xticks(y,bars)
Vì vậy, tất cả đều có trong Biểu đồ Python và Lô đất bằng cách sử dụng thư viện Matplotlib. Hy vọng bạn thích giải thích của chúng tôi.
Kết luận
Do đó, trong hướng dẫn Biểu đồ Python này, chúng tôi kết luận hai chủ đề quan trọng với biểu đồ biểu đồ và biểu đồ thanh trong Python. Mặc dù chúng có vẻ giống nhau, nhưng chúng là hai thứ khác nhau. Hơn nữa, chúng ta đã thảo luận về ví dụ về Biểu đồ trong Python và ví dụ về Biểu đồ thanh Python. Tuy nhiên, nếu có bất kỳ nghi ngờ nào về Python Bar Plot, hãy hỏi trong tab nhận xét.
