Matplotlib pyplot как установить

31.07.202231.07.2022 admin 0 Comments

Matplotlib pyplot как установить

Библиотека Matplotlib в Python

Библиотека matplotlib в Python помогает нам отображать данные на графиках в простейшем виде. Если вы знакомы с построением графиков в MATLAB, то Matplotlib будет легко использовать для базового построения графиков.

Чтобы начать понимать, как Matplotlib помогает нам строить графики и фигуры визуализации для представления данных, нам нужно знать некоторые из основных терминов, которые мы будем часто использовать в этом посте. Давайте сначала изучим эти термины.

Терминология

Установка Matplotlib

Библиотеку matplotlib легко установить с помощью pip:

Теперь мы готовы создать несколько примеров, используя эту библиотеку визуализации данных.

Начало работы

Линейный график

Мы начнем с очень простого примера построения графика. Мы просто будем использовать два списка Python в качестве источника данных для точек графика. Напишем для этого фрагмент кода:

Диаграмма рассеяния

Вышеупомянутый график показывал точки, которые фактически не были переданы в массиве, поскольку он показывает линию. Что, если мы хотим видеть только фактические точки на графике? Диаграмма разброса достигает этого:

Гистограммы

В этом разделе мы познакомим вас с гистограммами. В то время как графики информируют нас о том, как меняются наши данные, гистограмма описывает, как наши данные распределяются. Чем больше значений в диапазоне, тем выше полоса диапазона.

Мы используем функцию hist() для построения гистограммы. У него есть 2 важных параметра:

Продемонстрируем это с помощью фрагмента кода:

Настройка Plot

Если вы заметили первый график Line, мы увидим, что ось Y не начинается с 0. Мы можем изменить это:

Рисование нескольких кривых

Совершенно распространено рисование нескольких кривых на одном графике для сравнения. Попробуем вот это:

Изменение цвета и добавление надписи на графике

Как мы видели, кривые выглядят красиво, но разве все они не так похожи? Что, если мы хотим изменить их цвет и показать, что представляет каждый цвет? Попробуем вместе нарисовать синусоидальную и косинусную кривые:

Создание гистограммы

Мы можем создавать привлекательные гистограммы с помощью простого фрагмента кода:

Создание круговой диаграммы

Мы можем создавать привлекательные круговые диаграммы с помощью простого фрагмента кода:

Создание тепловых карт

Графики – это круто, но когда дело доходит до визуализации географической информации, нет ничего лучше, чем тепловая карта:

Installation#

Installing an official release#

Matplotlib releases are available as wheel packages for macOS, Windows and Linux on PyPI. Install it using pip :

The following backends work out of the box: Agg, ps, pdf, svg

Python is typically shipped with tk bindings which are used by TkAgg.

Third-party distributions#

Various third-parties provide Matplotlib for their environments.

Conda packages#

Matplotlib is available both via the anaconda main channel

as well as via the conda-forge community channel

Python distributions#

Matplotlib is part of major Python distributions:

Linux package manager#

If you are using the Python version that comes with your Linux distribution, you can install Matplotlib via your package manager, e.g.:

Debian / Ubuntu: sudo apt-get install python3-matplotlib

Fedora: sudo dnf install python3-matplotlib

Red Hat: sudo yum install python3-matplotlib

Installing from source#

If you are interested in contributing to Matplotlib development, running the latest source code, or just like to build everything yourself, it is not difficult to build Matplotlib from source.

The easiest way to get the latest development version to start contributing is to go to the git repository and run:

If you’re developing, it’s better to do it in editable mode. The reason why is that pytest’s test discovery only works for Matplotlib if installation is done this way. Also, editable mode allows your code changes to be instantly propagated to your library code without reinstalling (though you will have to restart your python process / kernel):

If you’re not developing, it can be installed from the source directory with a simple (just replace the last step):

To run the tests you will need to install some additional dependencies:

Then, if you want to update your Matplotlib at any time, just do:

There is more information on using git in the developer docs.

The following instructions in this section are for very custom installations of Matplotlib. Proceed with caution because these instructions may result in your build producing unexpected behavior and/or causing local testing to fail.

If you would like to build from a tarball, grab the latest tar.gz release file from the PyPI files page.

We provide a mplsetup.cfg file which you can use to customize the build process. For example, which default backend to use, whether some of the optional libraries that Matplotlib ships with are installed, and so on. This file will be particularly useful to those packaging Matplotlib.

If you are building your own Matplotlib wheels (or sdists) on Windows, note that any DLLs that you copy into the source tree will be packaged too.

Installing for development#

Frequently asked questions#

Report a compilation problem#

Matplotlib compiled fine, but nothing shows up when I use it#

The first thing to try is a clean install and see if that helps. If not, the best way to test your install is by running a script, rather than working interactively from a python shell or an integrated development environment such as IDLE which add additional complexities. Open up a UNIX shell or a DOS command prompt and run, for example:

This will give you additional information about which backends Matplotlib is loading, version information, and more. At this point you might want to make sure you understand Matplotlib’s configuration process, governed by the matplotlibrc configuration file which contains instructions within and the concept of the Matplotlib backend.

How to completely remove Matplotlib#

Occasionally, problems with Matplotlib can be solved with a clean installation of the package. In order to fully remove an installed Matplotlib:

OSX Notes#

Which python for OSX?#

Other options for a fresh Python install are the standard installer from python.org, or installing Python using a general OSX package management system such as homebrew or macports. Power users on OSX will likely want one of homebrew or macports on their system to install open source software packages, but it is perfectly possible to use these systems with another source for your Python binary, such as Anaconda or Python.org Python.

Installing OSX binary wheels#

If you are using Python from https://www.python.org, Homebrew, or Macports, then you can use the standard pip installer to install Matplotlib binaries in the form of wheels.

pip is installed by default with python.org and Homebrew Python, but needs to be manually installed on Macports with

Once pip is installed, you can install Matplotlib and all its dependencies with from the Terminal.app command line:

Checking your installation#

The new version of Matplotlib should now be on your Python «path». Check this at the Terminal.app command line:

You should see something like

where 3.0.0 is the Matplotlib version you just installed, and the path following depends on whether you are using Python.org Python, Homebrew or Macports. If you see another version, or you get an error like

then check that the Python binary is the one you expected by running

Установка matplotlib и архитектура графиков / plt 1

matplotlib — это библиотека, предназначенная для разработки двумерных графиков (включая 3D-представления). За последнее время она широко распространилась в научных и инженерных кругах (http://matplotlib.org):

Среди всех ее функций особо выделяются следующие:

О Matplotlib

matplotlib спроектирована с целью максимально точно воссоздать среду MATLAB в плане графического интерфейса и синтаксической формы. Этот подход оказался успешным, ведь он позволил задействовать особенности уже проверенного ПО (MATLAB), распространив библиотеку в среду технологий и науки. Более того, она включает тот объем работы по оптимизации, который был проделан за много лет. Результат — простота в использовании, что особенно важно для тех, у кого нет опыта работы в этой сфере.

Помимо простоты библиотека matplotlib также унаследовала от MATLAB интерактивность. Это значит, что специалист можно вставлять команду за командой для постепенной разработки графического представления данных. Этот режим отлично подходит для более интерактивных режимов работы с Python, таких как IPython, QtConsole и Jupyter Notebook, предоставляя среду для анализа данных, где есть все, что можно найти, например в Mathematica, IDL или MATLAB.

Гений создателей этой библиотеки в использовании уже доступных, зарекомендовавших себя инструментов из области науки. И это не ограничивается лишь режимом исполнения MATLAB, но также моделями текстового представления научных выражений и символов LaTeX. Благодаря своим возможностям по представлению научных выражений LaTeX был незаменимым элементом научных публикаций и документаций, в которых требуются такие визуальные репрезентации, как интегралы, объединения и производные. А matplotlib интегрирует этот инструмент для улучшения качества отображения.

Не стоит забывать о том, что matplotlib — это не отдельное приложение, а библиотека такого языка программирования, как Python. Поэтому она на полную использует его возможности. Matplotlib воспринимается как графическая библиотека, позволяющая программными средствами настраивать визуальные элементы, из которых состоят графики, и управлять ими. Способность запрограммировать визуальное представление позволяет управлять воспроизводимостью данных в разных средах особенно при изменениях или обновлениях.

А поскольку matplotlib — это библиотека Python, она позволяет на полную использовать потенциал остальных библиотек языка. Чаще всего работе с анализом данных matplotlib взаимодействует с набором других библиотек, таких как NumPy и pandas, но можно добавлять и другие.

Наконец, графическое представление из этой библиотеки можно экспортировать в самые распространенные графические форматы (PNG и SVG) и затем использовать в других приложениях, документах, в сети и так далее.

Установка

Если его нужно установить прямо, то команды зависят от операционной системы

В системах Debian-Ubuntu:

В macOS или Windows нужно использовать pip

IPython и IPython QtConsole

Для знакомства со всеми инструментами мира Python часто используют IPython из терминала или QtConsole. Все благодаря тому, что IPython позволяет использовать интерактивность улучшенного терминала и интегрировать графику прямо в консоль.

Для запуска сессии IPython нужно использовать следующую команду:

Если же используется Jupyter QtConsole с возможностью отображения графики вместе с командами, то нужна эта:

На экране тут же отобразится новое окно с запущенной сессией IPython.

Однако ничто не мешает использовать стандартную сессию Python. Все примеры дальше будут работать и в таком случае.

Архитектура matplotlib

Одна из основных задач, которую выполняет matplotlib — предоставление набора функций и инструментов для представления и управления Figure (так называется основной объект) вместе со всеми внутренними объектами, из которого он состоит. Но в matplotlib есть также инструменты для обработки событий и, например, анимации. Благодаря им эта библиотека способна создавать интерактивные графики на основе событий по нажатию кнопки или движению мыши.

Архитектура matplotlib логически разделена на три слоя, расположенных на трех уровнях. Коммуникация непрямая — каждый слой может взаимодействовать только с тем, что расположен под ним, но не над.

Слой бэкенда

Слой Backend является нижним на диаграмме с архитектурой всей библиотеки. Он содержит все API и набор классов, отвечающих за реализацию графических элементов на низком уровне.

Художественный слой

Средним слоем выступает художественный ( artist ). Все элементы, составляющие график, такие как название, метки осей, маркеры и так далее, являются экземплярами этого объекта. Каждый из них играет свою роль в иерархической структуре.

Есть два художественных класса: примитивный и составной.

На этом уровне часто приходится иметь дело с объектами, занимающими высокое положение в иерархии: график, система координат, оси. Поэтому важно полностью понимать, какую роль они играют. Следующее изображение показывает три основных художественных (составных объекта), которые часто используются на этом уровне.

Слой сценария (pyplot)

pylab и pyplot

Pylab объединяет функциональность pyplot с возможностями NumPy в одном пространстве имен, поэтому отдельно импортировать NumPy не нужно. Более того, при импорте pylab функции из pyplot и NumPy можно вызывать без ссылки на модуль (пространство имен), что похоже на MATLAB.

Пакет pyplot предлагает классический интерфейс Python для программирования, имеет собственное пространство имеет и требует отдельного импорта NumPy. В последующих материалах используется этот подход. Его же применяет большая часть программистов на Python.

Installing¶

Installing an official release¶

Matplotlib and its dependencies are available as wheel packages for macOS, Windows and Linux distributions:

The following backends work out of the box: Agg, ps, pdf, svg and TkAgg.

Although not required, we suggest also installing IPython for interactive use. To easily install a complete Scientific Python stack, see Scientific Python Distributions below.

Test data¶

The wheels ( *.whl ) on the PyPI download page do not contain test data or example code.

If you want to try the many demos that come in the Matplotlib source distribution, download the *.tar.gz file and look in the examples subdirectory.

To run the test suite:

Third-party distributions of Matplotlib¶

Scientific Python Distributions¶

Anaconda and Canopy and ActiveState are excellent choices that «just work» out of the box for Windows, macOS and common Linux platforms. WinPython is an option for Windows users. All of these distributions include Matplotlib and lots of other useful (data) science tools.

Linux: using your package manager¶

If you are on Linux, you might prefer to use your package manager. Matplotlib is packaged for almost every major Linux distribution.

Installing from source¶

Once you have satisfied the requirements detailed below (mainly Python, NumPy, libpng and FreeType), you can build Matplotlib.

We provide a setup.cfg file which you can use to customize the build process. For example, which default backend to use, whether some of the optional libraries that Matplotlib ships with are installed, and so on. This file will be particularly useful to those packaging Matplotlib.

Dependencies¶

Matplotlib requires the following dependencies:

Optionally, you can also install a number of packages to enable better user interface toolkits. See What is a backend? for more details on the optional Matplotlib backends and the capabilities they provide.

For better support of animation output format and image file formats, LaTeX, etc., you can install the following:

Matplotlib depends on non-Python libraries.

On Linux and OSX, pkg-config can be used to find required non-Python libraries and thus make the install go more smoothly if the libraries and headers are not in the expected locations.

The following libraries are shipped with Matplotlib:

Building on Linux¶

It is easiest to use your system package manager to install the dependencies.

If you are on Debian/Ubuntu, you can get all the dependencies required to build Matplotlib with:

If you are on Fedora, you can get all the dependencies required to build Matplotlib with:

If you are on RedHat, you can get all the dependencies required to build Matplotlib by first installing yum-builddep and then running:

These commands do not build Matplotlib, but instead get and install the build dependencies, which will make building from source easier.

Building on macOS¶

The build situation on macOS is complicated by the various places one can get the libpng and FreeType requirements (MacPorts, Fink, /usr/X11R6), the different architectures (e.g., x86, ppc, universal), and the different macOS versions (e.g., 10.4 and 10.5). We recommend that you build the way we do for the macOS release: get the source from the tarball or the git repository and install the required dependencies through a third-party package manager. Two widely used package managers are Homebrew, and MacPorts. The following example illustrates how to install libpng and FreeType using brew :

If you are using MacPorts, execute the following instead:

After installing the above requirements, install Matplotlib from source by executing:

Note that your environment is somewhat important. Some conda users have found that, to run the tests, their PYTHONPATH must include /path/to/anaconda/. /site-packages and their DYLD_FALLBACK_LIBRARY_PATH must include /path/to/anaconda/lib.

Building on Windows¶

The Python shipped from https://www.python.org is compiled with Visual Studio 2015 for 3.5+. Python extensions should be compiled with the same compiler, see e.g. https://packaging.python.org/guides/packaging-binary-extensions/#setting-up-a-build-environment-on-windows for how to set up a build environment.

Since there is no canonical Windows package manager, the methods for building FreeType, zlib, and libpng from source code are documented as a build script at matplotlib-winbuild.

There are a few possibilities to build Matplotlib on Windows:

Wheel builds using conda packages¶

This is a wheel build, but we use conda packages to get all the requirements. The binary requirements (png, FreeType. ) are statically linked and therefore not needed during the wheel install.

Set up the conda environment. Note, if you want a qt backend, add pyqt to the list of conda packages.

Installation¶

Report a compilation problem¶

matplotlib compiled fine, but nothing shows up when I use it¶

The first thing to try is a clean install and see if that helps. If not, the best way to test your install is by running a script, rather than working interactively from a python shell or an integrated development environment such as IDLE which add additional complexities. Open up a UNIX shell or a DOS command prompt and cd into a directory containing a minimal example in a file. Something like simple_plot.py for example:

This will give you additional information about which backends matplotlib is loading, version information, and more. At this point you might want to make sure you understand matplotlib’s configuration process, governed by the matplotlibrc configuration file which contains instructions within and the concept of the matplotlib backend.

If you are still having trouble, see Getting help.

How to completely remove matplotlib¶

Occasionally, problems with matplotlib can be solved with a clean installation of the package.

The process for removing an installation of matplotlib depends on how matplotlib was originally installed on your system. Follow the steps below that goes with your original installation method to cleanly remove matplotlib from your system.

Easy Install¶

Windows installer¶

Source install¶

does not properly clean the build directory, and does nothing to the install directory. To cleanly rebuild:

How to Install¶

Source install from git¶

Clone the main source using one of:

and build and install as usual with:

If you are on debian/ubuntu, you can get all the dependencies required to build matplotlib with:

If you are on Fedora/RedHat, you can get all the dependencies required to build matplotlib by first installing yum-builddep and then running:

This does not build matplotlib, but it does get all of the build dependencies, which will make building from source easier.

If you want to be able to follow the development branch as it changes just replace the last step with (make sure you have setuptools installed):

This creates links in the right places and installs the command line script to the appropriate places.

Mac OSX users please see the Building on OSX guide.

Windows users please see the Building on Windows guide.

Then, if you want to update your matplotlib at any time, just do:

There is more information on using git in the developer docs.

Linux Notes¶

Because most Linux distributions use some sort of package manager, we do not provide a pre-built binary for the Linux platform. Instead, we recommend that you use the “Add Software” method for your system to install matplotlib. This will guarantee that everything that is needed for matplotlib will be installed as well.

If, for some reason, you can not use the package manager, Linux usually comes with at least a basic build system. Follow the instructions found above for how to build and install matplotlib.

OS-X Notes¶

Which python for OS X?¶

These collections include Python itself and a wide range of libraries; if you need a library that is not available from the collection, you can install it yourself using standard methods such as pip. Continuum and Enthought offer their own installation support for these collections; see the Ananconda and Canopy web pages for more information.

Installing OSX binary wheels¶

If you are using recent Python from http://www.python.org, Macports or Homebrew, then you can use the standard pip installer to install matplotlib binaries in the form of wheels.

Python.org Python¶

Install pip following the standard pip install instructions. For the impatient, open a new Terminal.app window and:

You can now install matplotlib and all its dependencies with:

Macports¶

Homebrew¶

You might also want to install IPython; we recommend you install IPython with the IPython notebook option, like this:

Pip problems¶

Installing via OSX mpkg installer package¶

If you still want to use the disk image installer, read on.

Before installing via the disk image installer, be sure that all of the packages were compiled for the same version of python. Often, the download site for NumPy and matplotlib will display a supposed ‘current’ version of the package, but you may need to choose a different package from the full list that was built for your combination of python and OSX.

Matplotlib. Урок 1. Быстрый старт

Первый урок из цикла, посвященному библиотеке для визуализации данных Matplotlib. В рамках данного урока будут рассмотрены такие вопросы как: установка библиотеки, построение линейного графика, несколько графиков на одном и на разных полях, построение диаграммы для категориальных данных и обзор основных элементов графика.

Установка

Варианты установки Matplotlib

Установка Matplotlib через менеджер pip

Второй вариант – это воспользоваться менеджером pip и установить Matplotlib самостоятельно, для этого введите в командной строке вашей операционной системы следующие команды:

Проверка установки

Для проверки того, что все у вас установилось правильно, запустите интерпретатор Python и введите в нем следующее:

После этого можете проверить версию библиотеки (она скорее всего будет отличаться от приведенной ниже):

Быстрый старт

Если вы работаете в Jupyter Notebook для того, чтобы получать графики рядом с ячейками с кодом необходимо выполнить специальную magic команду после того, как импортируете matplotlib ::

Результат работы выглядеть будет так, как показано на рисунке ниже.

Пример, аналогичный тому, что представлен на рисунке выше, для отдельного Python файла будет выглядеть так:

В результате получите график в отдельном окне.

Далее мы не будем останавливаться на особенностях использования magic команды, просто запомните, если вы используете Jupyter notebook при работе с Matplotlib вам обязательно нужно включить %matplotlib inline.

Построение графика

Для начал построим простую линейную зависимость, дадим нашему графику название, подпишем оси и отобразим сетку. Код программы:

В результате получим следующий график:

Несколько графиков на одном поле

Построим несколько графиков на одном поле, для этого добавим квадратичную зависимость:

В приведенном примере в функцию plot() последовательно передаются два массива для построения первого графика и два массива для построения второго, при этом, как вы можете заметить, для обоих графиков массив значений независимой переменной x один и то же.

Несколько разделенных полей с графиками

Третья, довольно часто встречающаяся задача – это отобразить два или более различных поля, на которых будет отображено по одному или более графику.

Построим уже известные нам две зависимость на разных полях.

Здесь мы воспользовались новыми функциями:

figure() – функция для задания глобальных параметров отображения графиков. В нее, в качестве аргумента, мы передаем кортеж, определяющий размер общего поля.

subplot() – функция для задания местоположения поля с графиком. Существует несколько способов задания областей для вывода через функцию subplot() мы воспользовались следующим: первый аргумент – количество строк, второй – столбцов в формируемом поле, третий – индекс (номер поля, считаем сверху вниз, слева направо).

Построение диаграммы для категориальных данных

До этого мы строили графики по численным данным, т.е. зависимая и независимая переменные имели числовой тип. На практике довольно часто приходится работать с данными нечисловой природы – имена людей, название фруктов, и т.п.

Построим диаграмму на которой будет отображаться количество фруктов в магазине:

К этому моменту, если вы самостоятельно попробовали запустить приведенные выше примеры, у вас уже должно сформировать некоторое понимание того, как осуществляется работа с этой библиотекой.

Основные элементы графика

Корневым элементом при построения графиков в системе Matplotlib является Фигура ( Figure ). Все, что нарисовано на рисунке выше является элементами фигуры. Рассмотрим ее составляющие более подробно.

На рисунке представлены два графика – линейный и точечный. Matplotlib предоставляет огромное количество различных настроек, которые можно использовать для того, чтобы придать графику вид, который вам нужен: цвет, толщина и тип линии, стиль линии и многое другое, все это мы рассмотрим в ближайших статьях.

Вторым, после непосредственно самого графика, по важности элементом фигуры являются оси. Для каждой оси можно задать метку (подпись), основные ( major ) и дополнительные ( minor ) тики, их подписи, размер и толщину, также можно задать диапазоны по каждой из осей.

Следующими элементами фигуры, которые значительно повышают информативность графика являются сетка и легенда. Сетка также может быть основной ( major ) и дополнительной ( minor ). Каждому типу сетки можно задавать цвет, толщину линии и тип. Для отображения сетки и легенды используются соответствующие команды.

Ниже представлен код, с помощью которого была построена фигура, изображенная на рисунке:

Если в данный момент вам многое кажется непонятным – не переживайте, далее мы разберем подробно особенности настройки и использования всех элементов представленных на поле с графиками.

P.S.

Matplotlib. Урок 1. Быстрый старт : 5 комментариев

В разделе “Построение графика” забыли в код добавить
import numpy as np

А как Х в линейном графике привязать к дате? [date:point]

Можем ли мы в 7 строчке использовать просто
y2 = x**2?
Проверил, можем. Но есть ли разница?

How to install matplotlib python

In this Python tutorial, we will discuss How to install matplotlib python with all the required dependencies to use the package in the data visualization in python and we shall also cover the following topics:

How to install matplotlib python

You can install matplotlib library to use it in python in all the three major operating systems commonly used:

You can install matplotlib in any of these operating systems either by using the pip command (using the python package manager) to install the released wheel packages available, or by creating a separate virtual environment for matplotlib from other installations of the python and matplotlib, or by using another environment such as anaconda which provides conda as a package manager to install packages.

NOTE –

How to install matplotlib python ubuntu

How to install matplotlib python using pip in Linux (Ubuntu)

You can install matplotlib for python in any of the Linux distributions including Ubuntu, by using the python package manager which provides the pip command to install any wheel package released for python. First, make sure that you have installed python and pip in your system. If you don’t have pip installed, first you have to install it, then install the matplotlib using pip. Execute the below commands in the terminal:

In the above commands,

You can check if matplotlib is successfully installed on your system by executing the command below in the terminal:

How to install matplotlib python Linux package manager

In Linux, python is pre-installed with the OS distribution, and if you are using that version, then you can install matplotlib by using Linux package manager, Different distributions have different package managers:

How to install matplotlib python venv in Linux

You can install matplotlib in a virtual development environment in Linux, by using Python’s virtual environment venv to create a virtual environment. The steps for doing it are given below:

The above command activates the development environment. You have to activate the development environment in the shell first, whenever you start working on the matplotlib.

Now, you can import the matplotlib package and use it in your development environment.

How to install matplotlib python windows

How to install matplotlib python pip in Windows

You can install matplotlib for python in a Windows OS, by using the python package manager which provides the pip command to install any wheel package released for python.

First, make sure that you have installed python and pip in your system. If you don’t have pip installed, first you have to install it, then install the matplotlib using pip. Execute the below commands in the cmd:

The above command is the same as we have done in Linux distribution in the above topic.

You can check if matplotlib is successfully installed on your system by executing the command below in the cmd:

How to install matplotlib python venv in Windows

You can create a virtual environment in python and configure it for the development of matplotlib in Windows by following the given steps:

The above command activates the development environment. You have to activate the development environment in the shell first, whenever you start working on the matplotlib.

The above commands are already discussed in the previous topic.

How to install matplotlib python mac

How to install matplotlib python pip in macOS

You can install matplotlib for python in a macOS, by using the python package manager which provides the pip command to install any wheel package released for python. First, make sure that you have installed python and pip in your system. If you don’t have pip installed, first you have to install it, then install the matplotlib using pip. Execute the below commands in the cmd:

The above command is also the same as we have done and discussed for the Linux distribution.

You can check if matplotlib is successfully installed on your system by executing the command below in the terminal:

How to install matplotlib python venv in macOS

The steps to create a dedicated development environment for the matplotlib python in macOS are the same as we have done and discussed for the Linux distribution.

How to install matplotlib python conda

Matplotlib is also part of some major Python distributions like an anaconda. So, you can install matplotlib in this distribution of python which provides its environment for the matplotlib. Anaconda is available for all three major operating systems, Linux, Windows, macOS. You can use the package manager provided by anaconda that is conda to install the matplotlib. You must have installed anaconda in your system then you can execute the command below in the cmd /conda prompt/terminal:

The above command will install the matplotlib in the anaconda development environment from the anaconda main channel.

You can install matplotlib from the anaconda community channel also by executing the command below.

How to install matplotlib python3

If you are using python3 then use pip3 in place of pip to install the matplotlib. All the installation process is same as given in above topics, just use pip3 instead.

How to install matplotlib python2

If you are using python2 then use pip to install the matplotlib. All the installation process is same as given in above topics.

You may also like reading the following articles.

In this Python tutorial, we have discussed How to install matplotlib python with all the required dependencies to use the package in the data visualization in python and we have also covered the following topics:

Entrepreneur, Founder, Author, Blogger, Trainer, and more. Check out my profile.

Установка пакета и основные возможности

Эти два пакета полностью покрывают базовые потребности при научных расчетах и визуализации данных. Я бы даже сказал, что они, своего рода, «убийцы» известного математического пакета MatLab. Так как Python гораздо лучше работает с большими массивами данных и, кроме того, полностью бесплатный. Тогда как за MatLab в недалеком прошлом приходилось платить аж целых 2000$.

Вероятно, разработчики пакетов numpy и matplotlib также активно использовали MatLab, так как попытались сохранить некоторый синтаксис этого математического пакета. Вместе с тем и numpy и matplotlib использую концепцию ООП, что значительно упрощает работу с ними при разработке больших проектов.

Пакет numpy мы с вами уже рассматривали и, если кто не смотрел этот плейлист, то вот ссылка на него:

А, начиная с этого занятия, мы будем изучать второй пакет – matplotlib. Конечно, я затрону лишь основной функционал, покажу базовые возможности этого пакета, которых, впрочем, будет достаточно, наверное, в 80-90% случаев. Все детали рассматривать нет смысла, тогда занятия просто превратятся в большой видео-справочник, который будет сложно воспринимать. Да и смысла большого в таком изложении нет. Если потребуются реализовать какие-то редкие нюансы, то это проще посмотреть или в интернете или в официальной документации по ссылке:

Кстати, полная документация занимает более 3000 страниц. Так что можете представить, во что превратились бы уроки подробного изложения возможностей matplotlib. Большинству это ни к чему и я буду исходить из среднестатистических потребностей в визуализации данных на графиках.

Установка пакета matplotlib

Как всегда, все начинается с установки. Сделать это очень просто, достаточно в терминале выполнить команду:

pip install matplotlib

и пакет со всеми зависимостями будет установлен. Также можно зайти в репозиторий:

набрать в поиске matplotlib и появится список доступных пакетов. По умолчанию, устанавливается последняя версия.

И если с помощью команды «pip list» вывести список пакетов, то среди них должны быть и приведенные в списке.

Бекэнд matplotlib

Так как matplotlib выводит графическую информацию, как правило, на экран устройства, то он должен использовать пакет для работы с пользовательским интерфейсом. И, действительно, по умолчанию в качестве backend применяется модуль:

который, как правило, поставляется с самим языком Python. И мы в этом можем убедиться. Давайте создадим простейшую программу и, заодно проверим корректность установки matplotlib:

Мы здесь импортировали модуль matplotlib и вызвали функцию get_backend() для получения информации о текущем выбранном backend’е. У меня в консоли выводится строка:

означающая, что выбран TkInter в качестве backend’а. Если у вас по каким-то причинам не установлен TkInter, то могут возникнуть проблемы при отображении графиков. Если же мы хотите выбрать другой backend, то для этого следует выполнить команду:

В данном случае указан пакет Qt версии 5 для отображения графической информации. Также backend можно «жестко» прописать в файле конфигурации пакета matplotlib, чтобы каждый раз в программе не вызывать функцию use().

Вообще, поддерживаются следующие backend’ы:

Рендеринг графики в Qt5 (требуется PyQt5). В IPython активируется командой %matplotlib qt5

Рендеринг графики в виджете Jupyter (требуется ipympl). В IPython активируется командой %matplotlib ipympl

Рендеринг графики в GTK 3.x (требуется PyGObject и pycairo или cairocffi). В IPython активируется командой %matplotlib gtk3

Рендеринг графики в Cocoa. В IPython активируется командой %matplotlib osx

Рендеринг графики в Tk (требуется TkInter). В IPython активируется командой %matplotlib tk

Рендеринг графики в Jupyter notebook. В Jupyter активируется командой %matplotlib notebook

Для использования с торнадо-сервером.

Cairo рендеринг графики в GTK 3.x x (требуется PyGObject и pycairo или cairocffi).

Рендеринг графики в Qt4 (требуется PyQt4 или pyside). В IPython активируется командой %matplotlib qt4

Рендеринг графики в wxWidgets (требуется wxPython 4). В IPython активируется командой %matplotlib wx

Мы будем пока использовать стандартный модуль TkInter, чтобы не усложнять наши программы.

Архитектура окна графика

Давайте теперь сформируем простой график и отобразим его в окне. Для этого нам нужно импортировать специальный модуль pyplot пакета matplotlib:

Обычно ему присваивается алиас plt для дальнейшего удобства использования. Далее, мы воспользуемся функцией plot() для отображения простейшей кривой:

В принципе, этого достаточно, чтобы график был сформирован и отображен. Но при работе в интегрированных средах, вроде PyCharm, окно с графиком тут же закроется. Чтобы этого не происходило, добавим вызов еще одной функции:

Теперь мы видим окно с графиком и элементами управления. Программа продолжит свою работу только после закрытия этого окна.

Чтобы в дальнейшем уметь управлять этим графиком, нужно понимать из каких компонент он состоит.

Или, это можно представить в виде схемы взаимодействия между компонентами окна:

На этом рисунке показаны лишь базовые элементы графика. В действительности, их несколько больше, но мы начнем с них. Итак, в основе всего лежит фигура (Figure) и она одна для текущего окна. Затем, на фигуре располагаются координатные оси (Axes). Таких осей (объектов Axes) может совсем не быть, но, как правило, имеется хотя бы одна область. Также можно добавлять две, три и так далее координатных осей на одну фигуру:

Каждый объект Axes содержит две или три координатные оси (Axis), сетку, метки (ticks), легенду и, конечно же, графики. Причем число графиков может быть произвольным – от нуля и до любого разумного числа.

Объект Artist отвечает за размещение и оформление отображаемых данных на рисунке (Figure) и взаимодействует непосредственно с объектом Canvas – подложки для рисования на холсте (рисунке).

Основные возможности matplotlib

С помощью matplotlib можно отображать произвольные данные самыми разными способами в виде:

Наконец, matplotlib позволяет создавать анимации отображаемых данных и сохранять их, например, в анимированных GIF-файлах. Все это и сделало данный пакет таким популярным и удобным в самых разных приложениях, где необходимо отображать данные и визуально оценивать полученный результат.

Видео по теме

#1. Установка пакета и основные возможности

#2. Функция plot для построения и оформления двумерных графиков

#3. Отображение нескольких координатных осей в одном окне

#4. Граничные значения осей и локаторы для расположения меток на них

#5. Настраиваем формат отображения меток у координатных осей

#6. Делаем логарифмический масштаб у координатных осей

#7. Размещаем стандартные текстовые элементы на графике

#8. Добавляем легенду и рисуем геометрические фигуры на графиках

#9. Рисуем ступенчатые, стековые, stem и точечные графики

#10. Рисуем гистограммы, столбчатые и круговые диаграммы

#11. Показ изображений и цветовых сеток

#12. Как строить трехмерные графики

#13. Рисуем линии уровня функциями contour, contourf и tricontour, tricontourf

#14. Создаем анимацию графиков Классы FuncAnimation и ArtistAnimation

© 2022 Частичное или полное копирование информации с данного сайта для распространения на других ресурсах, в том числе и бумажных, строго запрещено. Все тексты и изображения являются собственностью сайта

Учебное пособие по Matplotlib: Изучите основы мощной библиотеки составления графиков Python

Дата публикации Feb 3, 2019

Что такое Матплотлиб

Установка Matplotlib

Чтобы установить Matplotlib на локальном компьютере, откройте командную строку Python и введите следующие команды:

Я предполагаю, что вы хотите войти в мир науки о данных и машинного обучения, и поэтому я предлагаю вам скачать дистрибутив пакета anaconda сВот, Он устанавливает Python, блокнот Jupyter и другие важные библиотеки Python, включая Matplotlib, Numpy, Pandas, scikit-learn. Анаконда поддерживает Windows, MacOS и Linux. Чтобы быстро начать работу с Matplotlib, не устанавливая ничего на свой локальный компьютер, ознакомьтесь сGoogle Colab, Он предоставляет ноутбуки Jupyter, размещенные в облаке бесплатно, которые связаны с вашей учетной записью Google Drive, и поставляется со всеми важными предварительно установленными пакетами. Вы также можете запускать свой код на графическом процессоре, который помогает ускорить вычисления, хотя нам не нужны вычисления на GPU для этого урока. Чтобы быстро начать работу с Google Colab, ознакомьтесь с этим удивительнымстатья,

Общие понятия

Фигура Matplotlib может быть разбита на несколько частей, как показано ниже:

Рисунок:Это целая фигура, которая может содержать одну или несколько осей (графиков). Вы можете думать офигуракак холст, который содержит участки.

Оси:Это то, что мы обычно думаем как заговор.фигураможет содержать много осей. Он содержит два или три (в случае 3D)Осьобъекты. У каждой оси есть заголовок, x-метка и y-метка.

Ось:Они представляют собой числовые линии, подобные объектам, и заботятся о создании границ графа.

Исполнитель:Все, что можно увидеть на рисунке, похоже на художника Text объекты, Line2D объекты, collection объекты. Большинство художников привязаны к топорам.

Начало работы с Pyplot

Сделай простой сюжет

Здесь мы импортируем модуль Pyplot от Matplotlib и библиотеку Numpy, поскольку большинство данных, с которыми мы будем работать, будут представлены только в виде массивов.

Мы также можем указать размер фигуры, используя метод figure() и передача значений в виде кортежа длины строк и столбцов в аргумент figsize

С каждым аргументом X и Y вы также можете передать необязательный третий аргумент в форме строки, которая указывает цвет и тип линии графика. Формат по умолчаниюb-что означает сплошную синюю линию. На рисунке ниже мы используемидтичто означает зеленые круги. Аналогично, мы можем сделать много таких комбинаций для форматирования нашего сюжета.

Мы также можем построить несколько наборов данных, передав несколько наборов аргументов оси X и Y в plot() метод, как показано.

Несколько графиков на одной фигуре:

Если мы хотим, чтобы наши вспомогательные участки были в двух строках и одном столбце, мы можем передавать аргументы (2,1,1) а также (2,1,2)

Вышеописанный способ создания вспомогательных участков становится немного утомительным, когда мы хотим иметь много вспомогательных участков на нашем рисунке. Более удобным способом является использование subpltots() метод. Обратите внимание на разницу«s»в обоих методах. Этот метод принимает два аргумента nrows а также ncols как количество строк и количество столбцов соответственно. Этот метод создает два объекта: figure а также axes которые мы храним в переменных fig и ax, которые можно использовать для изменения атрибутов уровня figure и axes соответственно. Обратите внимание, что эти имена переменных выбираются произвольно

Создание разных типов графиков с помощью Pyplot

1) Гистограммы

Гистограммы являются одним из наиболее распространенных типов графиков и используются для отображения данных, связанных с категориальными переменными. Pyplot предоставляет метод bar() создавать гистограммы, которые принимают аргументы: категориальные переменные, их значения и цвет (если вы хотите указать какие-либо).

Для построения горизонтальных гистограмм используйте метод barh() Также мы можем передать аргумент (с его значением) xerr или yerr (в случае вышеупомянутых вертикальных гистограмм), чтобы изобразить дисперсию в наших данных следующим образом:

Для создания горизонтальных гистограмм мы используем bar() метод дважды и передайте аргументы, где мы упоминаем индекс и ширину наших гистограмм, чтобы расположить их горизонтально. Также обратите внимание на использование двух других методов legend() который используется, чтобы показать легенду графика и xticks() маркировать нашу ось х в зависимости от положения наших баров.

Точно так же, чтобы вертикально сложить гистограммы вместе, мы можем использовать аргумент bottom и упомяните в качестве значения столбчатую диаграмму, которую мы хотим разместить ниже.

2) Круговые диаграммы

3) Гистограмма

Гистограммы являются очень распространенным типом графиков, когда мы смотрим на данные, такие как рост и вес, цены на акции, время ожидания для клиента и т. Д., Которые носят непрерывный характер. Данные гистограммы отображаются в диапазоне от частоты. Гистограммы представляют собой очень часто встречающиеся графики вероятности и статистики и образуют основу для различных распределений, таких как нормальное распределение, t-распределение и т. Д. В следующем примере мы генерируем случайные непрерывные данные из 1000 записей и строим их в зависимости от их частоты с помощью Данные разделены на 10 равных слоев. Мы использовали NumPy’s random.randn() метод, который генерирует данные со свойствами стандартного нормального распределения, то есть среднего = 0 и стандартного отклонения = 1, и, следовательно, гистограмма выглядит как кривая нормального распределения.

4) точечные и трехмерные графики

Вышеуказанный разброс также можно визуализировать в трех измерениях. Чтобы использовать эту функциональность, мы сначала импортируем модуль mplot3d следующее:

После того, как модуль импортирован, создается трехмерная ось путем передачи ключевого слова projection=’3d’ к axes() метод модуля Pyplot. Как только экземпляр объекта создан, мы передаем наши аргументы высоту и вес scatter3D() метод.

Мы также можем создавать трехмерные графики других типов, таких как линейный график, поверхность, каркас, контуры и т. Д. Приведенный выше пример в виде простого линейного графика выглядит следующим образом: здесь вместо scatter3D() мы используем метод plot3D()

Резюме

Надеюсь, эта статья была полезна для вас. Если вам понравилась эта статья, пожалуйста, выразите свою признательность. Перед тем, как мы закончим статью, приведем список всех методов, как они появились.

Учебное пособие по Matplotlib: Изучите основы мощной библиотеки составления графиков Python

Дата публикации Feb 3, 2019

Что такое Матплотлиб

Установка Matplotlib

Чтобы установить Matplotlib на локальном компьютере, откройте командную строку Python и введите следующие команды:

Общие понятия

Фигура Matplotlib может быть разбита на несколько частей, как показано ниже:

Ось:Они представляют собой числовые линии, подобные объектам, и заботятся о создании границ графа.