MATPLOTLIB.PYPLOT.PLOT() FUNKSJON I PYTHON

Matplotlib er et kraftig Python-bibliotek som fungerer som en numerisk og matematisk utvidelse for NumPy-biblioteket. En av nøkkelkomponentene er Pyplot , som tilbyr et tilstandsbasert grensesnitt til Matplotlib-modulen, og presenterer brukere for et kjent MATLAB-lignende miljø. Gjennom funksjonen Matplotlib.pyplot.plot() i Python kan brukere enkelt lage en rekke plott, inkludert linjeplott, konturplott, histogrammer, spredningsplott, 3D-plott og mer. Denne allsidigheten gjør Matplotlib til et uvurderlig verktøy for datavisualisering og -analyse i Python programmeringsspråk.

Hva er funksjonen Matplotlib.pyplot.plot()?

De matplotlib.pyplot.plot()> funksjon er en grunnleggende komponent i Matplotlib-biblioteket, spesielt innenfor Pyplot-modulen. Det tjener formålet å generere et 2D sekskantet binningplott basert på de gitte datapunktene representert av variablene x og y. Den kobler sammen datapunkter med linjer, og tillater tilpasning av plottets utseende gjennom parametere som linjestiler og markører. Denne allsidige funksjonen er mye brukt for datavisualisering i ulike domener.

Syntaks: matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

Parametere:

x, y: Disse parameterne representerer de horisontale og vertikale koordinatene til datapunktene. 'x'-verdiene er valgfrie, noe som gir fleksibilitet i plotteprosessen.

fmt: Dette er en valgfri parameter som inneholder en strengverdi. Den brukes til å spesifisere formatet til plottet, definere linjestil, markør og farge.

data: En valgfri parameter, 'data' refererer til et objekt med merket data. Det gir en praktisk måte å sende data direkte, noe som forbedrer lesbarheten og brukervennligheten.

Returnerer: De plot()> funksjonen returnerer en liste over Line2D-objekter, som hver representerer et segment av de plottede dataene. Disse Line2D-objektene innkapsler egenskapene og attributtene til de plottede linjene, noe som gir mulighet for ytterligere tilpasning og analyse.

Det er forskjellige måter å lage plott ved å bruke Matplotlib.pyplot.plot() funksjonen i Python. Det er noen eksempler som illustrerer matplotlib.pyplot.plot() fungere i matplotlib.pyplot:

Basic Line Plot
Plott med flere linjer
Spredningsplott med flere markører
To kurver plot

Linjeplott i Matplotlib

Ved å importere Matplotlibs plot() vi laget et linjeplott med data [1, 2, 3]. Tittel()-funksjonen setter plotttittelen, draw() oppdaterer plottet, og show() viser det, og gir en grunnleggende illustrasjon av Matplotlib for datavisualisering i Python.

Python3

import> matplotlib.pyplot as plt> import> numpy as np> # Plotting a simple line graph> plt.plot([> 1> ,> 2> ,> 3> ])> # Setting the title> plt.title(> 'Matplotlib Line Plot Example'> )> # Updating and displaying the plot> plt.draw()> plt.show()>

Produksjon:

Basic Line Plot

Flere linjer ved hjelp av Matplotlib

Ved å importere Matplotlib å plotte sinus- og cosinusfunksjoner på samme graf. Den genererer data, setter stiler for hver funksjon, legger til etiketter og en tittel, viser en forklaring og viser deretter plottet, som illustrerer sinus- og cosinuskurvene.

Python3

import> matplotlib.pyplot as plt> import> numpy as np> # Generate data> x> => np.linspace(> 0> ,> 2> *> np.pi,> 100> )> y1, y2> => np.sin(x), np.cos(x)> # Plotting multiple lines on a single plot> plt.plot(x, y1, label> => 'Sin(x)'> , color> => 'b'> )> plt.plot(x, y2, label> => 'Cos(x)'> , color> => 'r'> , linestyle> => '--'> )> # Adding labels and title> plt.xlabel(> 'X-axis'> )> plt.ylabel(> 'Y-axis'> )> plt.title(> 'Multiple Lines Plot'> )> # Displaying the legend and the plot> plt.legend()> plt.show()>

Produksjon

Plott med flere linjer

Markører i Matplotlib

Ved å importere Matplotlib vi genererte et tilpasset spredningsplott med 50 tilfeldige datapunkter, med røde sirkulære markører. Den inkluderer akseetiketter, en tittel ('Scatter Plot Eksempel') og en forklaring. De show()> funksjonen viser plottet, og viser et grunnleggende eksempel på datavisualisering med Matplotlib i Python.

Python3

import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> np.random.seed(> 42> )> x> => np.random.rand(> 50> )> y> => np.random.rand(> 50> )> # Plotting a scatter plot with custom markers> plt.plot(x, y, marker> => 'o'> , linestyle> => '> ', markersize=8, color='> r> ', label='> Scatter Plot')> # Adding labels and title> plt.xlabel(> 'X-axis'> )> plt.ylabel(> 'Y-axis'> )> plt.title(> 'Scatter Plot Example'> )> # Displaying the legend> plt.legend()> # Display the plot> plt.show()>

Produksjon:

Spredningsplott med flere markører

Plotte flere kurver

Ved å importere Matplotlib laget vi et linjeplott med to kurver: en blå kurve ( og = x^ 2) og en oransje kurve (y=1− x^ 3). Dataene genereres tilfeldig, sorteres for jevne kurver og plottes med plot()> funksjon. Plottet er begrenset til området [0, 1] på begge akser, og viser en visuell representasjon av matematiske funksjoner.

Python3

# Implementation of matplotlib function> > import> matplotlib.pyplot as plt> import> numpy as np> > # Fixing random state for reproducibility> np.random.seed(> 19680801> )> > # create random data> xdata> => np.random.random([> 2> ,> 10> ])> > # split the data into two parts> xdata1> => xdata[> 0> , :]> xdata2> => xdata[> 1> , :]> > # sort the data so it makes clean curves> xdata1.sort()> xdata2.sort()> > # create some y data points> ydata1> => xdata1> *> *> 2> ydata2> => 1> -> xdata2> *> *> 3> > # plot the data> plt.plot(xdata1, ydata1, color> => 'tab:blue'> )> plt.plot(xdata2, ydata2, color> => 'tab:orange'> )> > > # set the limits> plt.xlim([> 0> ,> 1> ])> plt.ylim([> 0> ,> 1> ])> plt.title(> 'matplotlib.pyplot.plot() example 2'> )> > # display the plot> plt.show()>

Produksjon

To kurver Plot

Konklusjon

Avslutningsvis matplotlib.pyplot.plot()> funksjon i Python er et grunnleggende verktøy for å lage en rekke 2D-plott, inkludert linjeplott, spredningsplott og mer. Dens allsidighet lar brukere tilpasse plott ved å spesifisere datapunkter, linjestiler, markører og farger. Med valgfrie parametere som 'fmt' og 'data', gir funksjonen fleksibilitet i plottformatering og datahåndtering. I tillegg tillater de returnerte Line2D-objektene ytterligere manipulering og analyse av de plottede dataene. Totalt sett, Matplotlibs plot()> funksjon er en nøkkelkomponent innen datavisualisering, og tilbyr et brukervennlig grensesnitt for å lage innsiktsfulle og visuelt tiltalende plott i Python.