0Pricing
Learn AI with Python · درس

تصور البيانات باستخدام Matplotlib

اكتشفوا كيفية إنشاء تصورات لفهم بياناتكم

تصور البيانات باستخدام Matplotlib درس مجاني في Learn AI with Python على CoddyKit. هذا هو الدرس 2 من أصل 5. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Learn AI with Python، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Learn AI with Python 5 دروس في المجموع.

مقدمة إلى Matplotlib

مقدمة إلى Matplotlib

Matplotlib مكتبة Python شائعة لإنشاء التصورات البيانية، بما في ذلك المخططات الخطية ومخططات الأعمدة والمخططات المبعثرة وغيرها.

في هذا الدرس، ستتعلّمون كيفية استخدام Matplotlib لإنشاء أنواع مختلفة من المخططات وتخصيصها.

تصور البيانات باستخدام Matplotlib — رسم توضيحي 1

تثبيت Matplotlib

تثبيت Matplotlib

لتثبيت Matplotlib، استخدموا الأمر التالي في الطرفية:

pip install matplotlib

بعد التثبيت، يمكنكم استيرادها في نصوص Python البرمجية:

# Importing matplotlib
import matplotlib.pyplot as plt

print("Matplotlib imported successfully")

إنشاء مخطط خطي بسيط

إنشاء مخطط خطي بسيط

يمكنكم إنشاء مخطط خطي أساسي باستخدام الدالة plot() في Matplotlib:

# Creating a simple line plot
import matplotlib.pyplot as plt

x = [1, 2, 3, 4]
y = [10, 20, 25, 30]

plt.plot(x, y)
plt.title("Simple Line Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

تخصيص المخططات

تخصيص المخططات

تتيح Matplotlib تخصيص المخططات باستخدام العناوين والتسميات ووسائل الإيضاح وأنماط الخطوط المختلفة:

# Customizing a plot
plt.plot(x, y, label="Line 1", linestyle="--", color="red")
plt.legend()
plt.title("Customized Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

إنشاء مخططات الأعمدة

إنشاء مخططات الأعمدة

تُعدّ مخططات الأعمدة مفيدة لمقارنة الفئات. استخدموا الدالة bar() لإنشاء مخطط أعمدة:

# Creating a bar chart
categories = ["A", "B", "C"]
values = [10, 15, 7]

plt.bar(categories, values, color="blue")
plt.title("Bar Chart")
plt.xlabel("Categories")
plt.ylabel("Values")
plt.show()

إنشاء مخططات مبعثرة

إنشاء مخططات مبعثرة

تُعدّ المخططات المبعثرة مفيدة لإظهار العلاقات بين متغيرين. استخدموا الدالة scatter():

# Creating a scatter plot
x = [5, 7, 8, 7]
y = [3, 8, 6, 4]

plt.scatter(x, y, color="green")
plt.title("Scatter Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

إنشاء المدرجات التكرارية

إنشاء المدرجات التكرارية

تُظهر المدرجات التكرارية توزيع مجموعة البيانات. استخدموا الدالة hist():

# Creating a histogram
data = [1, 1, 2, 3, 3, 3, 4, 4, 5]

plt.hist(data, bins=5, color="purple")
plt.title("Histogram")
plt.xlabel("Bins")
plt.ylabel("Frequency")
plt.show()

إضافة مخططات متعددة

إضافة مخططات متعددة

يمكنكم إضافة مخططات متعددة إلى الشكل نفسه باستخدام الدالة subplot():

# Adding multiple plots
plt.subplot(2, 1, 1)
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("First Plot")

plt.subplot(2, 1, 2)
plt.bar([1, 2, 3], [7, 8, 9])
plt.title("Second Plot")

plt.tight_layout()
plt.show()

الأخطاء الشائعة في Matplotlib

الأخطاء الشائعة في Matplotlib

إليكم بعض الأخطاء التي ينبغي تجنبها:

  • نسيان استدعاء plt.show() لعرض المخطط.
  • استخدام عناصر متداخلة دون ضبط التخطيط.
  • عدم تسمية المحاور والمخططات بوضوح.

ما الذي تعلمناه؟

ما الذي تعلمناه؟

في هذا الدرس، تعلمتم ما يلي:

  • كيفية تثبيت Matplotlib واستيرادها.
  • كيفية إنشاء المخططات الخطية والمخططات الشريطية والمخططات المبعثرة والمدرجات التكرارية.
  • كيفية تخصيص المخططات باستخدام التسميات ووسائل الإيضاح وإنشاء مخططات متعددة.

أحسنتم! لننتقل إلى الموضوع التالي.

تصور البيانات باستخدام Matplotlib — رسم توضيحي 11

الأسئلة الشائعة

هل درس «تصور البيانات باستخدام Matplotlib» مجاني؟

نعم — نص درس «تصور البيانات باستخدام Matplotlib» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Learn AI with Python، انتقل إلى CoddyKit PRO. تتضمن دورة Learn AI with Python 5 دروس في المجموع.

ماذا ستتعلم في «تصور البيانات باستخدام Matplotlib»؟

اكتشفوا كيفية إنشاء تصورات لفهم بياناتكم تتمرن على Learn AI with Python مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.

هل أحتاج إلى خبرة سابقة لأبدأ Learn AI with Python؟

لا تُشترط خبرة سابقة. Learn AI with Python على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 2 من أصل 5.

كم من الوقت يستغرق درس «تصور البيانات باستخدام Matplotlib»؟

معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.

هل يمكنني كتابة وتشغيل أكواد في درس Learn AI with Python هذا؟

نعم. كل درس في Learn AI with Python يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.

جميع الدروس في هذه الدورة

  1. تحليل البيانات باستخدام Pandas
  2. تصور البيانات باستخدام Matplotlib
  3. NumPy للحسابات العددية
  4. التعامل مع APIs باستخدام requests
  5. استخراج بيانات الويب باستخدام BeautifulSoup
← العودة إلى Learn AI with Python