Visualizzazione dei dati con Matplotlib
Scopra come creare visualizzazioni per comprendere i dati
Visualizzazione dei dati con Matplotlib è una lezione Learn AI with Python gratuita su CoddyKit. Questa è la lezione 2 di 5. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Learn AI with Python, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Learn AI with Python include 5 lezioni in totale.
Introduzione a Matplotlib
Introduzione a Matplotlib
Matplotlib è una popolare libreria Python per creare visualizzazioni, tra cui grafici a linee, grafici a barre, grafici a dispersione e altro.
In questa lezione imparerà a usare Matplotlib per creare e personalizzare diversi tipi di grafici.

Installazione di Matplotlib
Installazione di Matplotlib
Per installare Matplotlib, usi il seguente comando nel terminale:
pip install matplotlib
Una volta installato, potrà importarlo nei Suoi script Python:
# Importing matplotlib
import matplotlib.pyplot as plt
print("Matplotlib imported successfully")Creazione di un semplice grafico a linee
Creazione di un semplice grafico a linee
È possibile creare un grafico a linee di base usando la funzione plot() di 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()Personalizzazione dei grafici
Personalizzazione dei grafici
Matplotlib consente di personalizzare i grafici con titoli, etichette, legende e diversi stili di linea:
# 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()Creazione di grafici a barre
Creazione di grafici a barre
I grafici a barre sono utili per confrontare categorie. Usi la funzione bar() per creare un grafico a barre:
# 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()Creazione di grafici a dispersione
Creazione di grafici a dispersione
I grafici a dispersione sono utili per mostrare le relazioni tra due variabili. Usi la funzione 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()Creazione di istogrammi
Creazione di istogrammi
Gli istogrammi mostrano la distribuzione di un insieme di dati. Usi la funzione 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()Aggiunta di più grafici
Aggiunta di più grafici
È possibile aggiungere più grafici alla stessa figura usando la funzione 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()Errori comuni con Matplotlib
Errori comuni con Matplotlib
Ecco alcuni errori da evitare:
- Dimenticare di chiamare
plt.show()per visualizzare il grafico. - Usare elementi sovrapposti senza sistemare il layout.
- Non etichettare assi e grafici per garantire chiarezza.
Che cosa ha imparato?
Che cosa ha imparato?
In questa lezione, ha imparato:
- Come installare e importare Matplotlib.
- Come creare grafici a linee, grafici a barre, grafici a dispersione e istogrammi.
- Come personalizzare i grafici con etichette, legende e più grafici.
Ottimo lavoro! Ora può passare all'argomento successivo.

Domande Frequenti
La lezione «Visualizzazione dei dati con Matplotlib» è gratuita?
Sì — il testo completo di «Visualizzazione dei dati con Matplotlib» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Learn AI with Python, passa a CoddyKit PRO. Il corso Learn AI with Python include 5 lezioni in totale.
Cosa imparerò in «Visualizzazione dei dati con Matplotlib»?
Scopra come creare visualizzazioni per comprendere i dati Eserciti Learn AI with Python con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Learn AI with Python?
Non è richiesta alcuna esperienza precedente. Learn AI with Python su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 2 di 5.
Quanto tempo richiede la lezione «Visualizzazione dei dati con Matplotlib»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Learn AI with Python?
Sì. Ogni lezione Learn AI with Python include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Analisi dei dati con Pandas
- Visualizzazione dei dati con Matplotlib
- NumPy per i calcoli numerici
- Gestione delle API con requests
- Web scraping con BeautifulSoup