Visualizzazione dei dati con Matplotlib
Scopra come creare visualizzazioni per comprendere i dati
Visualizzazione dei dati con Matplotlib è una lezione Python Academy 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 Python Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Python Academy include 5 lezioni in totale.
Introduzione a Matplotlib
Introduzione a Matplotlib
Matplotlib è una popolare libreria Python per creare visualizzazioni, inclusi grafici a linee, grafici a barre, grafici a dispersione e molto altro.
In questa lezione imparerà a utilizzare Matplotlib per creare e personalizzare diversi tipi di grafici.

Installazione di Matplotlib
Installazione di Matplotlib
Per installare Matplotlib, utilizzi il comando seguente nel terminale:
pip install matplotlib
Dopo l'installazione, può importarlo nei suoi script Python:
# Importing matplotlib
import matplotlib.pyplot as plt
print("Matplotlib imported successfully")Creare un semplice grafico a linee
Creare un semplice grafico a linee
È possibile creare un semplice grafico a linee utilizzando 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()Personalizzare i grafici
Personalizzare i 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()Creare grafici a barre
Creare grafici a barre
I grafici a barre sono utili per confrontare le categorie. Utilizzi 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()Creare grafici a dispersione
Creare grafici a dispersione
I grafici a dispersione sono utili per mostrare le relazioni tra due variabili. Utilizzi 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()Creare istogrammi
Creare istogrammi
Gli istogrammi mostrano la distribuzione di un insieme di dati. Utilizzi 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()Aggiungere più grafici
Aggiungere più grafici
È possibile aggiungere più grafici alla stessa figura utilizzando 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. - Utilizzare elementi sovrapposti senza adattare il layout.
- Non assegnare etichette agli assi e ai grafici per garantire la chiarezza.
Che cosa abbiamo imparato?
Che cosa abbiamo 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! Passiamo 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 Python Academy, passa a CoddyKit PRO. Il corso Python Academy include 5 lezioni in totale.
Cosa imparerò in «Visualizzazione dei dati con Matplotlib»?
Scopra come creare visualizzazioni per comprendere i dati Eserciti Python Academy 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 Python Academy?
Non è richiesta alcuna esperienza precedente. Python Academy 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 Python Academy?
Sì. Ogni lezione Python Academy 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