آموزش رسم نمودار به کمک matplotlib – بخش اول

مقدمه

در این جلسه و چند جلسه آینده قصد داریم به معرفی و کار با کتابخانه matplotlib بپردازیم. از این کتابخانه برای رسم انواع نمودارها مثل هیستوگرام ، Scatter plot و … استفاده کرد. در چند جلسه و به صورت کامل به معرفی تمامی نمودارهای ممکن که میتوان با matplotlib رسم کرد ، میپردازیم. مثل همیشه بدون هیچ اتلاف وقت وارد اصل ماجرا می شویم. 

تذکر : قبل از هر چیز باید این ماژول را بر روی سیستم خود نصب کنید. ما در یک جلسه به صورت کامل در مورد نصب پکیج ها در پایتون توضیحات لازم را ارایه می دهیم ولی در این جلسه فرض میکنیم که شما این ماژول را در سیستم خود نصب داریم و وارد جزییات نصب نمی شویم. 

رسم نمودار با چند نقطه به کمک matplolib

فرض کنید ابتدا چند نقطه ساده داریم. مثلا نقاط (1,6) و (4,7) و (7,2) . میخواهیم با matplotlib با این نقاط یک نمودار را رسم کنیم. همانطور که میدانیم برای رسم این نمودار روی کاغذ کافی است تک تک نقاط را روی دستگاه مختصات مشخص کنیم و سپس آنها را به یکدیگر وصل کنیم. به کمک کد زیر میتوانیم این کار را با matplotlib انجام دهیم : 

import matplotlib.pyplot as plt

plt.plot([1,4,7], [6,7,2])
plt.show()

اجازه دهید تا کد بالا را با دقت بررسی کنیم. شکل زیر را ببینید : 

پس از اجرای این کد نتیجه به صورت زیر خواهد بود :

بدیهی است که کد بالا را میتوانیم به صورت زیر نیز بنویسیم : 

import matplotlib.pyplot as plt
x = [1,4,7]
y = [6,7,2]
plt.plot(x,y)
plt.show()

[ihc-hide-content ihc_mb_type=”show” ihc_mb_who=”2,3,4,5″ ihc_mb_template=”4″ ]

نموداری که در بالا رسم شد یک نمودار ساده است که هیچ مشخصه ای ندارد. ما میخواهیم محور x و y ما عنوان داشته باشد تا بفهمیم که نشان دهنده چه چیزی هستند. علاوه بر آن دوست داریم به خود نمودار نیز یک عنوان بدهیم تا کسی که آن را میبینید بفهمد که کلیت این نمودار مربوط به چیست. عنوان دادن به محور ها را میتوان با دستورهای xlabel و ylabel مشخص کرد. علاوه بر آن میتوانیم با کمک متد title یک عنوان برای نمودار خود نیز انتخاب کنیم. کد زیر این عنوان ها را مشخص میکند : 

import matplotlib.pyplot as plt
x = [1,4,7]
y = [6,7,2]
plt.plot(x,y)
plt.xlabel("x numbers")
plt.ylabel("y numbers")
plt.title("simple graph")
plt.show()

در شکل زیر این کد را کمی دقیق تر بررسی کرده ایم. توجه کنید که برای شلوغ نشدن تصویر صرفا توابع جدید معرفی شده اند : 

پس از اجرای کد نتیجه به صورت زیر نمایش داده می شود :

معمولا در یک شکل ما یک نمودار را نمی کشیم و چندین نمودار قرار داده می شود. مثل فرض کنید در شکل بالا ، علاوه بر نمودار رسم شده یک نمودار مثلا y=x نیز وجود دارد. در این حالت یکی از ابزارهای بسیار مفید استفاده از legend ها است که به کمک آن مشخص میکنیم هر نمودار که با رنگی متفاوت رسم شده است ، دقیقا کدام نمودار می باشد. اجازه دهید برای روشن تر شدن بحث ، مثالی را مطرح کنیم. فرض کنید کد زیر را داریم : 

import matplotlib.pyplot as plt
x = [1,4,7]
y = [6,7,2]
x2= [4,9,0]
y2= [9,1,6]
plt.plot(x,y)
plt.plot(x2,y2)
plt.xlabel("x numbers")
plt.ylabel("y numbers")
plt.title("simple graph")
plt.show()

ما در بالا دو نمودار را برای مجموعه داده های 1(x1, y1) و مجموعه داده های 2 (x2, y2) رسم کرده ایم. نمودار حاصل از اجرای این کد به صورت زیر می باشد: 

سوالی که در اینجا مطرح می شود این است که نمودار آبی مربوط به مجموعه داده های 1 است یا مجموعه داده های 2 ؟ این سوال برای نمودار قرمز نیز مشخص می شود. اینجاست که legend به کمک ما می آید. 

برای این که از legend ها استفاده کنیم باید هنگامی که از دستور plot استفاده می کنیم یک پارامتر دیگر به جز x و y را نیز اضافه کنیم. این پارامتر label نام دارد و label در واقع نام نمودار ما می باشد. پس از این کار قبل از نمایش نمودارها نیز از دستور legend استفاده کنیم تا label های مربوط به هر کدام از نمودارها به ما نشان داده شود. در واقع کد نهایی چیزی شبیه به شکل زیر می باشد:  

import matplotlib.pyplot as plt
x = [1,4,7]
y = [6,7,2]
x2= [4,9,0]
y2= [9,1,6]
plt.plot(x,y, label="for x and y")
plt.plot(x2,y2,label="for x2 and y2")
plt.xlabel("x numbers")
plt.ylabel("y numbers")
plt.title("simple graph")
plt.legend()
plt.show()

در شکل زیر توضیح مربوط به کد بالا آورده شده است. در این فقط توابع و پارامترهای جدید آورده شده است و از آوردن سایر دستوراتی که قبلا استفاده کرده ایم ، خودداری شده است :

پس از اجرای این کد نتیجه به صورت زیر نشان داده می شود: 

رسم هیستوگرام و نمودار میله ای

در ادامه سعی میکنیم نمودارهای میله ای و هیستوگرام را به کمک matplotlib رسم کنیم. قبل از هر چیز شاید بد نباشد تفاوت بین نمودارهای میله ای و هیستوگرام ها را بفهمیم. 

به صورت ساده میتوان گفت که در محور x مربوط به نمودارهای میله ای یک سری دسته بندی و در واقع Category وجود دارد در حالی که در هیستوگرام ها ما با یک سری پارامترهای عددی و محودده ی عددی روبرو هستیم. شکل زیر را ببینید :

حال فرض کنید میخواهیم نمودار میله ای نمره 4 دانش آموزش با نام های علی و حسین و محمدرضا و احمد را رسم کنیم. در این صورت مشابه با قبل به یک لیست نیاز داریم که محور x ها را مشخص کند که در اینجا نام 4 دانش آموزش ما است و علاوه بر آن به یک لیست نیاز داریم تا نمرات دانش آموزان را اعلام کند که فرض میکنیم نمرات آنها به ترتیب 18 و 14و 9 و 13 باشد. برای رسم نمودار میله ای مربوط به این دانش اموزان کافی است از دستور bars استفاده کنیم. کد یر این نمودار را برای ما رسم می کند:

[/ihc-hide-content]

import matplotlib.pyplot as plt
x = ["ali","hossein","mohammadreza","ahmad"]
y = [18,14,9,13]
plt.bar(x,y)
plt.xlabel("students")
plt.ylabel("scores")
plt.title("barplot example")
plt.show()

در شکل زیر نیز به صورت کامل این کد توضیح داده شده است:

نتیجه اجرای این کد نیز به صورت زیر می باشد:

حال میخواهیم یک هیستوگرام را رسم کنیم. فرض کنید که یک جمعیت 20 نفره داریم که هر فرد از این جمعیت دارای یک سن مشخص است. میخواهیم هیستوگرام سنی این جمعیت را رسم کنیم. یعنی مشخص کنیم که در بازه مثلا 10 تا 20 سال چند نفر وجود دارد. در بازه 50 تا 60 سال چند نفر وجود دارد و … 

برای این که این هیستوگرام را رسم کنیم نیاز داریم تا دو چیز را مشخص کنیم. اول این که سن افراد را تک به تک مشخص کنیم. پارامتر دوم نیز محدودهای ما است. مثلا ما میخواهیم محدود 10 تا 20 را اندازه بگیریم و … 

اجازه دهید برای درک بهتر مثال زیر را مطرح کنیم : 

import matplotlib.pyplot as plt
age = [10,20, 13, 21,4,5,67,8,90,34,54,7,22,88,77,11,98,65,23,43,54,32,34,55,90]
bin = [0,10,20,30,40,50,60,70,80,90,100]
plt.hist(age, bin,rwidth=0.8)
plt.xlabel("bins")
plt.ylabel("age")
plt.title("histogram example")
plt.show()

در زیر این کد توضیح داده شده است : 

توجه کنید که به محدوده های مشخص شده روی محور x ها که ما میخواهیم دسته بندی داده های خود را طبق انها انجام دهیم bin گفته می شود. در واقع ما میخواهیم دیتاهای خود را که age ها هستند طبق bin ها دسته بندی کنیم. 

پس از اجرای این کد نتیجه خروجی به صورت زیر خواهد بود:

در پایان این جلسه برای درک بهتر تمرین های زیر آورده شده است که پیشنهاد می شود حتما انجام شود. 

این جلسه هم به پایان رسید. مثل همیشه میتوانید ما را در تلگرام و یا اینستاگرام دنبال کنید :