0Pricing
Python Academy · Lekcja

Wizualizacja danych za pomocą Matplotlib

Dowiedz się, jak tworzyć wizualizacje ułatwiające zrozumienie danych

Wizualizacja danych za pomocą Matplotlib to bezpłatna lekcja Python Academy na CoddyKit. To lekcja 2 z 5. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Python Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Python Academy zawiera 5 lekcji w sumie.

Wprowadzenie do Matplotlib

Wprowadzenie do Matplotlib

Matplotlib to popularna biblioteka języka Python służąca do tworzenia wizualizacji, w tym wykresów liniowych, słupkowych, punktowych i wielu innych.

W tej lekcji dowiedzą się Państwo, jak używać Matplotlib do tworzenia i dostosowywania różnych typów wykresów.

Wizualizacja danych za pomocą Matplotlib — ilustracja 1

Instalowanie Matplotlib

Instalowanie Matplotlib

Aby zainstalować Matplotlib, należy użyć w terminalu następującego polecenia:

pip install matplotlib

Po zainstalowaniu biblioteki można zaimportować ją w skryptach języka Python:

# Importing matplotlib
import matplotlib.pyplot as plt

print("Matplotlib imported successfully")

Tworzenie prostego wykresu liniowego

Tworzenie prostego wykresu liniowego

Podstawowy wykres liniowy można utworzyć za pomocą funkcji plot() biblioteki 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()

Dostosowywanie wykresów

Dostosowywanie wykresów

Matplotlib pozwala dostosowywać wykresy za pomocą tytułów, etykiet, legend i różnych stylów linii:

# 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()

Tworzenie wykresów słupkowych

Tworzenie wykresów słupkowych

Wykresy słupkowe są przydatne do porównywania kategorii. Aby utworzyć wykres słupkowy, należy użyć funkcji bar():

# 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()

Tworzenie wykresów punktowych

Tworzenie wykresów punktowych

Wykresy punktowe są przydatne do przedstawiania zależności między dwiema zmiennymi. Należy użyć funkcji 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()

Tworzenie histogramów

Tworzenie histogramów

Histogramy przedstawiają rozkład zbioru danych. Należy użyć funkcji 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()

Dodawanie wielu wykresów

Dodawanie wielu wykresów

Można dodać wiele wykresów do tej samej figury za pomocą funkcji 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()

Typowe błędy podczas pracy z Matplotlib

Typowe błędy podczas pracy z Matplotlib

Oto kilka błędów, których należy unikać:

  • Pomijanie wywołania plt.show() w celu wyświetlenia wykresu.
  • Używanie nachodzących na siebie elementów bez dostosowania układu.
  • Nieoznaczanie osi i wykresów w sposób zapewniający czytelność.

Czego się nauczyliśmy?

Czego się nauczyliśmy?

W tej lekcji nauczyli się Państwo:

  • Jak zainstalować i zaimportować Matplotlib.
  • Jak tworzyć wykresy liniowe, słupkowe i punktowe oraz histogramy.
  • Jak dostosowywać wykresy za pomocą etykiet, legend i wielu wykresów.

Świetnie! Przejdźmy do następnego tematu.

Wizualizacja danych za pomocą Matplotlib — ilustracja 11

Często zadawane pytania

Czy lekcja „Wizualizacja danych za pomocą Matplotlib” jest bezpłatna?

Tak — pełny tekst „Wizualizacja danych za pomocą Matplotlib” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Python Academy, przejdź na CoddyKit PRO. Kurs Python Academy zawiera 5 lekcji w sumie.

Co nauczysz się w „Wizualizacja danych za pomocą Matplotlib”?

Dowiedz się, jak tworzyć wizualizacje ułatwiające zrozumienie danych Ćwiczysz Python Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć Python Academy?

Nie wymagamy żadnego doświadczenia. Python Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 2 z 5.

Ile czasu zajmuje lekcja „Wizualizacja danych za pomocą Matplotlib”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji Python Academy?

Tak. Każda lekcja Python Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. Analiza danych za pomocą Pandas
  2. Wizualizacja danych za pomocą Matplotlib
  3. NumPy do obliczeń numerycznych
  4. Obsługa API za pomocą requests
  5. Web scraping za pomocą BeautifulSoup
← Powrót do Python Academy