آخرین خبر

پایتون

معرفی انواع نمودار و رسم نمودار خطی به کمک کتابخانه Matplotlib در پایتون

نمودارها یکی از ابزارهای اصلی در تجزیه و تحلیل داده‌ها و نمایش گرافیکی آن‌ها هستند. کتابخانه Matplotlib در پایتون یکی از محبوب‌ترین و قدرتمندترین کتابخانه‌ها برای رسم نمودارها است. این کتابخانه انواع مختلفی از نمودارها را از جمله خطی، میله‌ای، دایره‌ای، پراکنده و… پشتیبانی می‌کند. در ادامه توضیح مختصری از برخی از انواع نمودارهای پرکاربرد ارائه می‌شود.

نمودار خطی (Line Plot): نموداری است که خطوطی را بر اساس مجموعه‌ای از نقاط داده‌ها رسم می‌کند. مناسب برای نمایش تغییرات زمانی و تحلیل الگوهای روندی.

نمودار میله‌ای (Bar Plot): نموداری است که میله‌ها را بر اساس مقادیر داده‌ها نشان می‌دهد. مناسب برای مقایسه دسته‌ها و تحلیل تفاوت‌ها.

نمودار دایره‌ای (Pie Chart): نموداری است که قسمت‌های دایره را بر اساس مقادیر نسبی نشان می‌دهد. مناسب برای نشان دادن توزیع درصدی داده‌ها.

نمودار پراکنده (Scatter Plot): نموداری است که نقاط را بر روی صفحه رسم می‌کند. مناسب برای نمایش رابطه بین دو متغیر و تحلیل الگوهای توزیع داده‌ها.

نمودار محدب (Area Plot): نموداری است که ناحیه زیر خطوط را بر اساس مقادیر داده‌ها رنگارنگ می‌کند. مناسب برای نمایش تغییرات کمیتی در طول زمان.

نمودار راداری (Radar Plot): نموداری است که شاخص‌ها را به صورت چندضلعی نشان می‌دهد و برای مقایسه چند متغیر در یک زمان مناسب است.

نمودار هیستوگرام (Histogram): نموداری است که توزیع فراوانی یک متغیر را به صورت میله‌ای نشان می‌دهد و برای درک توزیع فراوانی داده‌ها استفاده می‌شود.

نمودار شعاعی (Polar Plot): نموداری است که داده‌ها را بر اساس زاویه و شعاع نشان می‌دهد و برای نمایش الگوها و روندهای دورانی مناسب است.

نمودار شمعی (Candlestick Chart): نموداری است که با استفاده از قیمت باز، بسته، بالا و پایین در بازه‌های زمانی مشخص، تغییرات قیمت را نشان می‌دهد و برای تحلیل تجاری معاملات بورسی استفاده می‌شود.

نمودار شبکه (Network Plot): نموداری است که رابطه بین اعضای یک شبکه را نشان می‌دهد و برای تجسم و تحلیل شبکه‌های اجتماعی، شبکه‌های موضوعی و شبکه‌های راهبردی استفاده می‌شود.

نمودار شکسته (Broken Barh Plot): در این نوع نمودار، با استفاده از میله‌های افقی، می‌توانید بازه‌های زمانی و شکست‌ها را نشان دهید.

نمودار پیچیده (Complex Plot): این نوع نمودارها شامل ترکیبی از نمودارهای مختلف هستند، مانند ترکیب نمودار خطی با نمودار میله‌ای یا نمودار پراکنده.

نمودار سه بعدی (3D Plot): این نوع نمودارها برای نمایش داده‌ها در سه بعد استفاده می‌شوند و شامل نمودارهای سه بعدی خطی، پراکنده و سطحی هستند.

نمودار ابر (Word Cloud): این نوع نمودار برای نمایش کلمات یا عبارات با توجه به تکرار آن‌ها در یک متن استفاده می‌شود و اندازه کلمات نمایش داده شده بر اساس تکرار آن‌ها در متن تعیین می‌شود.

نمودار رنگی (Heatmap): این نوع نمودار برای نمایش داده‌ها در یک جدول با استفاده از رنگ‌ها استفاده می‌شود. هر سلول در جدول با یک رنگ نمایش داده می‌شود که بر اساس مقدار عددی مربوط به آن سلول تعیین می‌شود.

نمودار جعبه‌ای (Boxplot :(Boxplot یک نوع نمودار آماری است که برای نمایش توزیع داده‌ها و شناسایی ویژگی‌های آماری مهم مانند میانه، کوارتیل‌ها، و داده‌های پرت استفاده می‌شود. این نمودار بر اساس ترکیبی از کوارتیل‌ها و خطوط مرزی کشیده شده به هر طرف میانه، به صورت یک جعبه در نمودار نمایش داده می‌شود. خطوط مرزی بیرونی که از جعبه خارج می‌شوند نیز به عنوان ابرصافی‌ها یا داده‌های پرت تعیین می‌شوند. این نمودار به صورت سه بعدی نیز قابل ترسیم است و می‌تواند برای مقایسه توزیع داده‌ها در گروه‌های مختلف استفاده شود.

در ادامه این آموزش با ذکر چند مثال و به صورت گام‌به‌گام با رسم نمودار خطی با استفاده از کتابخانه Matplotlib آشنا خواهید شد.

نصب کتابخانه Matplotlib

پیش از شروع، ابتدا باید کتابخانه Matplotlib را نصب کنید. می‌توانید از دستور pip install matplotlib برای نصب آن در Python استفاده کنید. چگونگی نصب این کتابخانه با جزئیات در آموزش‌های قبلی شرح داده شده است.

وارد کردن کتابخانه Matplotlib

پس از نصب، برای استفاده از کتابخانه Matplotlib، آن را به برنامه Python خود با اضافه کردن دستور import matplotlib.pyplot as plt وارد کنید.
import matplotlib.pyplot as plt یک دستور پایتون است که کتابخانه Matplotlib را وارد برنامه شما می‌کند. در این دستور،
matplotlib.pyplot یک ماژول در کتابخانه Matplotlib است که وظایف مرتبط با رسم نمودارها را بر عهده دارد. با استفاده از کلیدواژه
import، این ماژول به برنامه اضافه می‌شود و به نام مختصر plt قابل دسترسی می‌شود. با اضافه کردن import matplotlib.pyplot as plt، شما به راحتی می‌توانید از توابع و ویژگی‌های کتابخانه Matplotlib برای رسم نمودارها استفاده کنید. به عنوان مثال، می‌توانید تابع plot را با استفاده از ()plt.plot فراخوانی کنید و نمودارهای خود را بسازید.
استفاده از نام مختصر plt برای کتابخانه Matplotlib معمولاً در اجرای کدهای مربوط به رسم نمودارها استفاده می‌شود، زیرا این نام مختصر و کوتاه‌تر از matplotlib.pyplot است و در برنامه‌نویسی متداول استفاده می‌شود.

تعریف داده‌های نمونه

برای رسم نمودار، ابتدا داده‌های نمونه را تعریف کنید. در این مثال، فرض کنید ما دو لیست داده برای محور x و y با نام‌های “x_data” و “y_data” داریم.

رسم نمودار

حالا با استفاده از داده‌های تعریف شده، می‌توانیم نمودار خطی را رسم کنیم. برای درک بهتر نحوه رسم نمودار به مثال ذکر شده در شکل 1 توجه کنید. در این مثال، ابتدا نقاط داده به صورت خطی با استفاده از تابع plot رسم شده‌اند. سپس با استفاده از توابع xlabel و ylabel، نام محورهای x و y تعیین شده است. در نهایت، با استفاده از تابع title، عنوان نمودار مشخص شده است. و با تابع show، نمودار نمایش داده می‌شود. مطمئن شوید که کتابخانه Matplotlib نصب شده است و سپس می‌توانید این کد را در یک فایل Python اجرا کنید تا نمودار خطی را مشاهده کنید.

Python
شکل 1) نحوه رسم نمودار در پایتون

اضافه کردن سری داده‌ها و سفارشی‌کردن نمودار

می‌توان سری‌های داده متنوعی را به نمودار اضافه و آن را سفارشی‌ کرد. شکل 2 یک مثال برای رسم نمودار خطی با دو سری داده و سفارشی‌سازی نمودار آمده است. خروجی تولید شده از مثال ذکر شده در شکل 2 را می‌توانید در شکل 3 مشاهده کنید. در این مثال، دو سری داده به نمودار اضافه شده است. هر سری داده با استفاده از تابع plot و با تعیین پارامترهای متنوعی مانند رنگ، نوع خط و نماد مشخص شده است. تابع label نام هر سری داده را تعیین می‌کند. با تابع legend، یک جعبه توضیحات به نمودار اضافه شده است. همچنین با استفاده از تابع grid، خطوط شبکه روی نمودار نشان داده می‌شوند.
با استفاده از توابع و پارامترهای مختلف موجود در کتابخانه Matplotlib، می‌توانید نمودارهای متنوعی را ایجاد و سفارشی‌سازی کنید.

Python پایتون
شکل 2) نحوه سفارشی کردن نمودار
Python
شکل 3) خروجی تولید شده از برنامه سفارشی‌کردن نمودار
4/5 (2 دیدگاه ها)

دیدگاه ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

گزارش ویژه‌ی این ماه

wfn_ads

گزارش های کوتاه ماهنامه

wfn_ads
ماهنامه مهندسی پزشکی

خوش آمدید

ورود

ثبت نام

بازیابی رمز عبور