บทนำสู่ Matplotlib ใน Python

Matplotlib เป็นไลบรารีการพล็อต Python ที่ผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงส่วนใหญ่ใช้เพื่อสร้างการแสดงภาพแบบสแตติกและแบบโต้ตอบ

Matplotlib คืออะไร

Mathplotlib เป็นผลงานสร้างสรรค์โดย John D. Hunter ในปี 2546 ซึ่งเผยแพร่เมื่อวันที่ 8 พฤษภาคม พ.ศ. 2564 และมีเวอร์ชันปัจจุบันคือ 3.4.2

ไลบรารีนี้เขียนด้วยภาษา Python เป็นหลัก ในขณะที่ส่วนที่เหลือเขียนด้วยวัตถุประสงค์ C และ JavaScript ทำให้เข้ากันได้กับแพลตฟอร์ม

Matplotlib ใช้ NumPy ซึ่งเป็นส่วนขยายตัวเลขของ Python ส่วนขยายที่มี NumPy ช่วยเพิ่มความสามารถในการใช้งานเป็นทางเลือกโอเพนซอร์ซและทำให้เป็นการตั้งค่าที่ดีกว่า MATLAB

สำหรับแอปพลิเคชัน Python GUI Matplotlib อนุญาตให้พล็อตแผนคงที่โดยใช้ API เชิงวัตถุที่มาพร้อมกับ

ผู้ใช้สามารถใช้โค้ด Python ที่เขียนได้เพียงไม่กี่บรรทัดในการแสดงภาพข้อมูลโดยใช้แผนภาพต่างๆ ซึ่งรวมถึงแผนภาพแบบกระจาย ฮิสโทแกรม แผนภูมิแท่ง แผนภูมิวงกลม แผนภาพแบบเส้น และแผนภาพแบบกล่อง

คุณสามารถใช้ Matplotlib เพื่อสร้างพล็อตบนสภาพแวดล้อมรวมถึง Python shell, Jupyter notebook,
Jupyter lab และยังใช้ Pycharm หรือ Anaconda และบนเว็บแอปพลิเคชันเซิร์ฟเวอร์ เช่น Flask และ Django ในแพลตฟอร์มต่างๆ

เช่นเดียวกับใน MATLAB คุณสามารถควบคุมพล็อตได้อย่างกว้างขวางในแง่ของฟอนต์ เส้น สี และสไตล์

หลังจากแนะนำไลบรารี Matplotib สั้นๆ ใน Python แล้ว มาดูกันว่าเราจะตั้งค่าไลบรารีนี้ในระบบของเราได้อย่างไร

การตั้งค่าสภาพแวดล้อม Matplotlib

เช่นเดียวกับแพ็คเกจและไลบรารี Python อื่น ๆ คุณสามารถติดตั้งไลบรารี Matplotlib ที่คอมไพล์ล่วงหน้าและแพ็คเกจในระบบปฏิบัติการทั้งหมดด้วย pip package manager

แน่นอน คุณต้องติดตั้ง Python และแพ็คเกจ pip ในระบบของคุณก่อน

คำสั่งต่อไปนี้แสดงเวอร์ชันของ Python และ pip ​​เพื่อยืนยันว่าเครื่องมือเหล่านี้ได้รับการติดตั้งแล้ว

ตรวจสอบว่ามีการติดตั้ง Python หรือไม่

Python --version

ตรวจสอบว่ามีการติดตั้ง pip หรือไม่

pip -V

ติดตั้ง Mathplotlib

คำสั่งด้านล่างติดตั้งแพ็คเกจ Matplotlib จาก Python Package Index (PyPI)

python -m pip install matplotlib

คำสั่งนี้จะดาวน์โหลดและติดตั้งแพ็คเกจที่เกี่ยวข้องของ Matplotlib คุณควรเห็นข้อความการติดตั้งสำเร็จหลังจากการติดตั้งเสร็จสิ้น

เพื่อให้แน่ใจว่าติดตั้ง Matplotlib สำเร็จแล้ว ให้พิมพ์คำสั่งต่อไปนี้ ซึ่งจะแสดงเวอร์ชันของ Matplotlib ในพรอมต์คำสั่งของคุณ

import matplotlib
matplotlib.__version__

นักพัฒนาที่ต้องการติดตั้งแพ็คเกจ Matplotlib ที่ไม่ได้คอมไพล์จะต้องมีสิทธิ์เข้าถึงคอมไพเลอร์ที่ถูกต้องในระบบของตน นอกเหนือจากการพึ่งพา สคริปต์การตั้งค่า ไฟล์การกำหนดค่า และแพตช์

อย่างไรก็ตาม การติดตั้ง Matplolib ที่ไม่ได้คอมไพล์โดยเฉพาะนี้อาจซับซ้อน โดยเฉพาะสำหรับผู้ใช้มือใหม่ Matplotlib ดังนั้น ทำไมไม่เพียงแค่ใช้คำสั่งบรรทัดเดียวเพื่อติดตั้งไลบรารี่ในไม่กี่วินาที🤔

หลังจากการติดตั้ง Matplotlib ให้นำเข้าแพ็คเกจไปยังสภาพแวดล้อมของคุณเพื่อเข้าถึงยูทิลิตี้

ตัวเลือกการพล็อต Matplotlib

Matplotlib มีตัวเลือกการวางแผนมากมายเพื่อแสดงข้อมูลเป็นภาพ นอกจากนี้ยังอนุญาตให้ปรับแต่งพล็อตได้ด้วยการจัดเตรียมธีม สี และตัวเลือกจานสีต่างๆ ที่ผู้ใช้สามารถใช้เพื่อจัดการพล็อต

  วิธีควบคุมพัดลมเพดานในบ้านอัจฉริยะ

ตัวเลือกการวางแผนเหล่านี้รวมถึง:

#1. กราฟแท่ง

กราฟแท่งที่รู้จักกันในนามกราฟแท่ง เป็นตัวเลือกที่เหมาะสมสำหรับการแสดงภาพการเปรียบเทียบเชิงปริมาณของค่าภายในหมวดหมู่เดียวกัน

Matplotlib แสดงถึงพล็อตนี้โดยใช้แท่งสี่เหลี่ยมที่ความยาวและความสูงแทนค่าตามสัดส่วน แถบสามารถเป็นแนวนอนหรือแนวตั้งก็ได้

Matplotlib ใช้ฟังก์ชัน plt.bar() เพื่อสร้างพล็อตบาร์

นอกจากนี้ คุณสามารถใช้ฟังก์ชันเพิ่มเติมเพื่อจัดการกับพล็อตนี้ ตัวอย่างเช่น ฟังก์ชัน plt.xlabel() และ plt.ylabel() ระบุแกน x และ y ของกราฟตามลำดับ

ฟังก์ชัน plt.title() ยังอนุญาตให้คุณกำหนดหัวเรื่องให้กับพล็อตของคุณ ในขณะที่ฟังก์ชัน plt.savefig() จะบันทึกพล็อต ฟังก์ชัน plot.show() ซึ่งเป็นส่วนที่สำคัญที่สุด จะแสดงพล็อต

#2. แปลงพาย

คุณสามารถเห็นภาพการกระจายตามสัดส่วนของรายการภายในหมวดหมู่เดียวกันโดยใช้พล็อตทางสถิติแบบวงกลมที่เราเรียกว่าแผนภูมิวงกลม

แผนภูมิวงกลมแสดงข้อมูลในรูปแบบเปอร์เซ็นต์ พื้นที่ทั้งหมดของแผนภูมิสอดคล้องกับเปอร์เซ็นต์ของข้อมูลทั้งหมด ในขณะที่ชิ้นวงกลมแต่ละชิ้นแสดงถึงส่วนของเปอร์เซ็นต์ของข้อมูล

Matplotlib ใช้ฟังก์ชัน plt.pie() ซึ่งดึงและปรับพารามิเตอร์ของแผนภูมิวงกลม
พารามิเตอร์อื่นๆ เช่น ระบบอัตโนมัติที่พิมพ์ค่าแผนภูมิวงกลมได้ถึงทศนิยม 1 ตำแหน่งจะมีประโยชน์ในการลงจุดแผนภูมิวงกลม

องค์กรธุรกิจพบว่าแผนภูมิวงกลมมีประโยชน์ในการนำเสนอข้อมูลที่เกี่ยวข้อง เช่น การดำเนินงาน การขาย หรือทรัพยากร

#3. ฮิสโตแกรม

ฮิสโตแกรมแสดงการกระจายข้อมูลที่เป็นตัวเลข ใช้ช่วงเวลาต่อเนื่องเพื่อแบ่งข้อมูลออกเป็นส่วนต่างๆ

ความแตกต่างที่สำคัญระหว่างฮิสโตแกรมและพล็อตแท่งคือประเภทของข้อมูลที่จัดการ ในขณะที่ฮิสโตแกรมจัดการกับชนิดข้อมูลแบบต่อเนื่อง กราฟแท่งจะจัดการกับข้อมูลที่เป็นหมวดหมู่แทน

Matplotlib ใช้ฟังก์ชัน hist() ที่ใช้อาร์เรย์ของค่าสุ่มหรือค่าที่กำหนดเพื่อสร้างฮิสโตแกรม

#4. แปลงเส้น

พล็อตเหล่านี้มีประโยชน์ในการแสดงความสัมพันธ์ระหว่างค่าข้อมูลสองค่าที่เรากำหนดเป็นตัวเลขและหมวดหมู่ บนพื้นฐาน X และ Y

แผนภาพเส้นมีความสำคัญในการติดตามการเปลี่ยนแปลงของค่าข้อมูลในช่วงเวลาหนึ่ง

#5. แปลงกระจาย

พล็อตแบบกระจายชี้ให้เห็นความสัมพันธ์ รวมถึงความสัมพันธ์ระหว่างตัวแปรในข้อมูล นอกจากนี้ยังมีประโยชน์ในการระบุค่าผิดปกติ

พล็อตแบบกระจายใช้จุดเพื่อแสดงความสัมพันธ์ของตัวแปรข้อมูลและการเปลี่ยนแปลงในตัวแปรหนึ่งจะส่งผลต่ออีกตัวแปรหนึ่งอย่างไร

วิธีสร้างแปลงใน Matplotlib

Matplotlib ใช้ฟังก์ชันต่างๆ เพื่อสร้างแปลงที่แตกต่างกัน นอกจากนี้ยังใช้โค้ดเพียงไม่กี่บรรทัดเพื่อสร้างพล็อต

ด้านล่างเราจะดูวิธีสร้างตัวเลือกพล็อตต่างๆ โดยใช้ฟังก์ชันต่างๆ ใน ​​Matplotlib

#1. พล็อตบาร์ใน Matplotlib

กราฟแท่ง ตามที่อธิบายข้างต้น แสดงหมวดหมู่ข้อมูลโดยใช้แท่งและแกนที่แสดงการเปรียบเทียบหมวดหมู่บนแกนหนึ่งและค่าที่สอดคล้องกันของหมวดหมู่บนอีกแกนหนึ่ง

ฟังก์ชัน bar() ใน Matplotlib ใช้รูปแบบอาร์กิวเมนต์ที่แตกต่างกันเพื่ออธิบายรูปแบบของแท่งที่แสดงด้านล่าง

plt.bar(x, y, height, width, bottom, align)

พารามิเตอร์ x และ y แสดงถึงค่าพิกัด x และค่าพิกัด y ของแท่งกราฟในแผนภาพ พารามิเตอร์ width แสดงถึงความกว้างของแถบ ในขณะที่พารามิเตอร์ height หมายถึงความสูงของแถบ

ตัวอย่างเช่น ให้เราแทนจำนวนสุนัขและแมวในศูนย์พักพิงสัตว์ที่เรียกว่า x

import matplotlib.pyplot as plt
import numpy as np

x = ["Cats", "Dogs"]
plt.xlabel("Cats and Dogs in Shelter")
plt.ylabel("No. of animals in Shelter")
plt.title("Number of cats and dogs in shelter x")
y = [300, 350]
plt.bar(x, y, color="black", width = 0.5)

เอาท์พุท:

ผลลัพธ์ของ Bar Plot ใน Mathplotlib

ดังในตัวอย่างข้างต้น คุณสามารถระบุสีของแท่งกราฟเพิ่มเติมได้โดยใช้แอตทริบิวต์สี นอกจากนี้ plt.xlabel และ p.ylabel ตั้งชื่อแกน x และ y ตามลำดับ ขณะที่ plt.title ตั้งชื่อพล็อต

#2. วิธีการสร้างพล็อตพาย

Matplotlib ใช้ฟังก์ชัน pie() ที่มาพร้อมกับโมดูล pyplot เพื่อพล็อตแผนภูมิวงกลม
ฟังก์ชันแสดงข้อมูลที่จะลงจุดในรูปแบบอาร์เรย์

ไวยากรณ์:

matplotlib.pyplot.pie(data, explode=None, labels=None, colors=None, autopct=None, shadow=False)

พารามิเตอร์สีกำหนดสีของชิ้นพาย คุณสามารถใช้อาร์เรย์ของค่าเพื่อระบุสีสำหรับแต่ละชิ้น

หากต้องการรวมรายละเอียดของทุกส่วนในวงกลมเพิ่มเติม อาร์กิวเมนต์ autopct จะเพิ่มเปอร์เซ็นต์ที่เป็นตัวเลขที่แต่ละส่วนแสดงโดยใช้รูปแบบสตริงของ Python การระเบิดเป็นอาร์กิวเมนต์ยอมรับอาร์เรย์ของค่าที่เริ่มต้นจาก 0.1 เพื่อกำหนดระยะห่างของสไลซ์จากศูนย์กลางของวงกลม

เรามาพล็อตแผนภูมิวงกลมที่แสดงทรัพยากรเป็นเปอร์เซ็นต์ที่จัดสรรสำหรับโครงการหนึ่งๆ กัน

import matplotlib.pyplot as plt
import numpy as np

y = np.array([25, 10, 45, 20])
mylabels = ["w", "x", "y", "z"]
explodevalues = [0.1, 0.2, 0, 0]
colors = ['tab:blue', 'tab:green', 'tab:orange', 'tab:red']
plt.title("Resources allocated for a random project")
plt.pie(y, labels = mylabels, colors=colors,explode = explodevalues, autopct="%1.1f%%", shadow = True)
plt.show() 

เอาท์พุท:

  วิธีลบผู้ติดต่อออกจากแผ่นแบ่งปันบน iPhone หรือ iPad

ผลลัพธ์ของพล็อตพายใน Mathplotlib

พล็อตด้านบนแสดงแผนภูมิวงกลมที่มีสี่ส่วนที่มีป้ายกำกับว่า w, x, y และ z ตามลำดับ ค่าการระเบิดจะกำหนดระยะห่างจากจุดศูนย์กลางของวงกลมที่จะวางชิ้น

จากแผนภูมิด้านบน x อยู่ไกลกว่าเนื่องจากค่าการระเบิดมากกว่าส่วนที่เหลือ แอตทริบิวต์ shadow จะเพิ่มเงาให้กับพล็อตวงกลมดังในภาพ ในขณะที่ autopct จะตั้งค่าเปอร์เซ็นต์ที่สัมพันธ์กับวงกลมทั้งหมดที่แต่ละชิ้นแสดง

#3. การสร้างพล็อตฮิสโตแกรม

ด้วยฮิสโตแกรม เราจะใช้ชุดของช่วงเวลาเพื่อแสดงช่วงของค่าที่กำหนดบนแกน x
ในทางกลับกัน แกน y จะแสดงข้อมูลความถี่

ไม่เหมือนกับแปลงอื่นๆ การพล็อตฮิสโทแกรมใน Matplotlib ต้องใช้ขั้นตอนที่กำหนดไว้ล่วงหน้าซึ่งคุณต้องปฏิบัติตามเพื่อสร้างพล็อต

ขั้นตอนเหล่านี้รวมถึง:

  • สร้างช่วงของช่วงจากชุดของค่าข้อมูลที่คุณมี คุณสามารถใช้ฟังก์ชัน np.random.normal() ที่สามารถสร้างค่าสุ่มให้กับคุณได้
  • ใช้ชุดของช่วงเวลา กระจายค่าเป็นช่วงของค่า
  • นับค่าที่ตกอยู่ภายในทุกช่วงโดยเฉพาะ
  • ตอนนี้ใช้ฟังก์ชัน matplotlib.pyplot.hist() เพื่อสร้างฮิสโตแกรม
  • ฟังก์ชัน hist() มีพารามิเตอร์หลายอย่าง ได้แก่:

    x – นี่แสดงถึงลำดับอาร์เรย์

    ช่องเก็บ – นี่คือพารามิเตอร์ทางเลือกที่แสดงถึงช่วงเวลาที่ไม่ทับซ้อนกันของตัวแปรที่อาจประกอบด้วยจำนวนเต็มหรือลำดับสตริง

    ช่วง – กำหนดช่วงบนและล่างของถังขยะ

    align – พารามิเตอร์นี้ควบคุมการจัดตำแหน่งของฮิสโตแกรม ไม่ว่าจะซ้าย ขวา หรือกลาง

    สี – กำหนดสีของแท่ง

    rwidth – กำหนดความกว้างสัมพัทธ์ของแท่งในฮิสโตแกรมเป็นความกว้างของถังขยะ

    บันทึก – พารามิเตอร์บันทึกกำหนดมาตราส่วนบันทึกบนแกนของฮิสโตแกรม

    ตัวอย่างต่อไปนี้แสดงกราฟฮิสโตแกรมด้วยค่าที่กำหนดไว้

    from matplotlib import pyplot as plt
    
    x = [22, 40, 87, 5, 43, 30, 56,73, 55, 54, 11, 20, 51, 5,  50, 60, 70, 80]
    
    plt.hist(x)
    plt.title(Histogram plot example')
    plt.xlabel('x axis')
    plt.ylabel('frequency')
    plt.show()
    

    เอาท์พุท:

    ผลลัพธ์ของพล็อตฮิสโตแกรมใน Mathplotlib

    #4. พล็อตเส้นใน Matplotlib

    Matplotlib ใช้ไลบรารีย่อยที่เรียกว่า pyplot ซึ่งมาพร้อมกับฟังก์ชันต่างๆ ที่ช่วยในการนำไปใช้งาน

    เราใช้ฟังก์ชัน plot() ซึ่งเป็นฟังก์ชันทั่วไปที่มาพร้อมกับ pyplot เพื่อพล็อตพล็อตแบบเส้นและแบบอื่นๆ ของโครงแบบเส้น รวมถึงพล็อตแบบโค้งและแบบพล็อตแบบหลายเส้น การสร้างพล็อตประเภทต่างๆ เหล่านี้ขึ้นอยู่กับค่าที่คุณส่งไปยังแกน y

    เมื่อวางแผน ให้นำเข้า matplotlib.pyplot และ Numpy ซึ่งวาดแผนภูมิ เมธอด plot(x,y) สร้างพล็อตเส้นโดยส่งค่าสุ่มไปยังอาร์กิวเมนต์ x และ y

    นอกจากนี้ คุณยังสามารถส่งผ่านตัวแปรป้ายกำกับที่ติดป้ายกำกับการลงจุด ฟังก์ชันหัวเรื่องจะตั้งชื่อชื่อเรื่องของโครงเรื่องเพิ่มเติม ในขณะที่ฟังก์ชัน xlabel และ ylabel จะตั้งชื่อแกน สุดท้ายฟังก์ชัน show() จะแสดงพล็อต

    ตัวอย่างเช่น:

    import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.linspace(0, 5, 10)
    
    y = 3*x + 2
    plt.title('Line plot example')
    plt.xlabel('x axis')
    plt.ylabel('y axis')
    plt.plot(x, y)
    plt.show()

    ผลลัพธ์:

    ผลลัพธ์ของพล็อตบรรทัดใน Mathplotlib

    แอตทริบิวต์ np.linspace ส่งคืนบนพล็อต ซึ่งเป็นชุดของตัวเลขที่เว้นระยะห่างเท่าๆ กันในช่วงเวลาหนึ่งสำหรับค่า x สิ่งนี้จะสร้างอาร์เรย์ 10 ค่าในช่วง 0 และ 5 ค่า y ถูกสร้างขึ้นจากสมการที่ใช้ค่าที่สอดคล้องกันของ x

    การสร้างแปลงกระจาย

    Matplotlib ใช้เมธอด scatter() เพื่อสร้างพล็อตนี้
    วิธีนี้ใช้พารามิเตอร์ต่อไปนี้

    matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=None, c=None, marker=None, cmap=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None) 

    พารามิเตอร์ x_axis_data และ y_axis_data ไม่สามารถเว้นว่างได้ ต่างจากพารามิเตอร์อื่นๆ ที่สามารถเลือกได้และมีค่า None เป็นค่าของพารามิเตอร์ ในขณะที่อาร์กิวเมนต์ x_axis_data กำหนดอาร์เรย์ของข้อมูลสำหรับแกน x นั้น y_axis_data จะตั้งค่าอาร์เรย์ของข้อมูลสำหรับแกน y

    ตัวอย่างของพล็อตกระจายใน matplotlib

    import matplotlib.pyplot as plt
     
    x =[15, 17, 18, 27, 22, 27, 32, 14, 11, 12, 29, 16]
     
    y =[19, 16, 17, 18, 10, 26, 13, 27, 14, 18, 17, 35]
    plt.title('Scatter plot example')
    plt.xlabel('x variable')
    plt.ylabel('y variable')
    plt.scatter(x, y, c ="green")
     
    # To show the plot
    plt.show()

    ผลลัพธ์จะชอบ:

      ทำไมเราไม่สามารถแนะนำ Wink Hubs ได้อีกต่อไป

    ผลลัพธ์ของพล็อตกระจายใน Mathplotlib

    แผนย่อย () คืออะไรใน matplotlib

    ฟังก์ชัน subplot() สามารถใช้เพื่อวาดหลายแปลงในรูป Matplotlib เดียว ซึ่งช่วยให้สามารถดูและเปรียบเทียบหลายแปลงภายในรูปได้

    ฟังก์ชันนี้จะคืนค่าทูเพิลที่มีอาร์กิวเมนต์สามตัว แถวและคอลัมน์เป็นอาร์กิวเมนต์แรกและตัวที่สองตามลำดับ และดัชนีของพล็อตปัจจุบันเป็นอาร์กิวเมนต์ที่สาม

    แถวและคอลัมน์กำหนดเค้าโครงของ Matplotlib อย่างชัดเจน

    ดังนั้น plt.subplot(2, 1, 1) ตัวอย่างเช่น จะลงจุดตัวเลข Matplotlib ที่มีสองแถวและหนึ่งคอลัมน์ และพล็อตนี้จะเป็นพล็อตแรก

    ในทางกลับกัน plt.subplot(2, 1, 2) แสดงพล็อตที่สองที่มีสองแถวและหนึ่งคอลัมน์

    การทำพล็อตทั้งสองนี้จะสร้างทับกันดังตัวอย่างด้านล่าง

    import matplotlib.pyplot as plt
    import numpy as np
    
    #plot 1:
    x = np.array([2, 4, 6, 8])
    y = np.array([3, 6, 9, 12])
    
    plt.subplot(2, 1, 1)
    plt.plot(x,y)
    
    #plot 2:
    x = np.array([3, 6, 9, 12])
    y = np.array([1, 2, 3, 4])
    
    plt.subplot(2, 1, 2)
    plt.plot(x,y)
    
    plt.show()

    ผลลัพธ์ของตัวอย่างด้านบนจะมีลักษณะเหมือนภาพด้านล่าง

    ใช้ตัวอย่างอื่น ลองใช้ฟังก์ชัน subplot เพื่อลงจุดสองตัวเลขด้วยหนึ่งแถวและสองคอลัมน์ นี้จะแสดงแปลงเคียงข้างกัน

    import matplotlib.pyplot as plt
    import numpy as np
    
    #plot 1:
    x = np.array([2, 4, 6, 8])
    y = np.array([3, 6, 9, 12])
    
    plt.subplot(1, 2, 1)
    plt.plot(x,y)
    
    #plot 2:
    x = np.array([3, 6, 9, 12])
    y = np.array([1, 2, 3, 4])
    
    plt.subplot(1, 2, 2)
    plt.plot(x,y)
    
    plt.show()

    ตัวอย่างข้างต้นจะแสดงผลดังต่อไปนี้

    นั่นเป็นการโต้ตอบที่น่าสนใจ คุณคิดอย่างนั้นเหรอ😃

    คำพูดสุดท้าย

    Matplotlib เป็นไลบรารีการสร้างภาพข้อมูลที่ใช้กันอย่างแพร่หลายใน Python การโต้ตอบและความสามารถในการใช้งานง่ายแม้สำหรับผู้เริ่มต้นทำให้เป็นเครื่องมือที่ดียิ่งขึ้นสำหรับใช้ในการพล็อตใน Python

    บทความนี้ครอบคลุมตัวอย่างแผนภาพต่างๆ ที่ฟังก์ชันที่มาพร้อมกับ Matplotlib สามารถสร้างได้ ซึ่งรวมถึงแผนภาพวงกลม แผนภาพแท่ง แผนภูมิฮิสโตแกรม และแผนภาพแบบกระจาย

    แน่นอนว่า Python มีไลบรารี่อื่นๆ อีกหลายแห่งที่ผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงและนักวิทยาศาสตร์ข้อมูลสามารถใช้เพื่อสร้างการแสดงข้อมูล

    คุณสามารถสำรวจแปลงเพิ่มเติมที่คุณสามารถสร้างได้ด้วย Matplotlib และฟังก์ชันใดที่คุณจะใช้เพื่อสร้างโครงเรื่อง

    มีความสุขในการวางแผน!📉📊

    เรื่องล่าสุด

    x