0Pricing
Learn AI with Python · บทเรียน

การแสดงภาพข้อมูลด้วย Matplotlib

ค้นพบวิธีสร้างการแสดงภาพเพื่อทำความเข้าใจข้อมูล

การแสดงภาพข้อมูลด้วย Matplotlib เป็นบทเรียน Learn AI with Python ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 5 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Learn AI with Python และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Learn AI with Python มีบทเรียนทั้งหมด 5 บทเรียน

บทนำสู่ Matplotlib

บทนำสู่ Matplotlib

Matplotlib เป็นไลบรารี Python ยอดนิยมสำหรับสร้างภาพข้อมูล ซึ่งรวมถึงกราฟเส้น กราฟแท่ง กราฟกระจาย และอื่น ๆ

ในบทเรียนนี้ คุณจะได้เรียนรู้วิธีใช้ Matplotlib เพื่อสร้างและปรับแต่งกราฟประเภทต่าง ๆ

การแสดงภาพข้อมูลด้วย Matplotlib — ภาพประกอบ 1

การติดตั้ง Matplotlib

การติดตั้ง Matplotlib

หากต้องการติดตั้ง Matplotlib ให้ใช้คำสั่งต่อไปนี้ในเทอร์มินัล:

pip install matplotlib

เมื่อติดตั้งแล้ว คุณสามารถนำเข้าไลบรารีนี้ในสคริปต์ Python ได้:

# Importing matplotlib
import matplotlib.pyplot as plt

print("Matplotlib imported successfully")

การสร้างกราฟเส้นอย่างง่าย

การสร้างกราฟเส้นอย่างง่าย

คุณสามารถสร้างกราฟเส้นพื้นฐานโดยใช้ฟังก์ชัน plot() ของ 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()

การปรับแต่งกราฟ

การปรับแต่งกราฟ

Matplotlib ช่วยให้คุณปรับแต่งกราฟด้วยชื่อกราฟ ป้ายกำกับ คำอธิบาย และรูปแบบเส้นที่แตกต่างกัน:

# 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()

การสร้างกราฟแท่ง

การสร้างกราฟแท่ง

กราฟแท่งมีประโยชน์สำหรับเปรียบเทียบหมวดหมู่ ใช้ฟังก์ชัน bar() เพื่อสร้างกราฟแท่ง:

# 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()

การสร้างกราฟกระจาย

การสร้างกราฟกระจาย

กราฟกระจายมีประโยชน์สำหรับแสดงความสัมพันธ์ระหว่างตัวแปรสองตัว ใช้ฟังก์ชัน 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()

การสร้างฮิสโตแกรม

การสร้างฮิสโตแกรม

ฮิสโตแกรมแสดงการกระจายของชุดข้อมูล ใช้ฟังก์ชัน 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()

การเพิ่มกราฟหลายกราฟ

การเพิ่มกราฟหลายกราฟ

คุณสามารถเพิ่มกราฟหลายกราฟลงในรูปเดียวกันได้โดยใช้ฟังก์ชัน 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()

ข้อผิดพลาดที่พบบ่อยเมื่อใช้ Matplotlib

ข้อผิดพลาดที่พบบ่อยเมื่อใช้ Matplotlib

ต่อไปนี้คือข้อผิดพลาดบางอย่างที่ควรหลีกเลี่ยง:

  • ลืมเรียกใช้ plt.show() เพื่อแสดงกราฟ
  • ใช้องค์ประกอบที่ซ้อนทับกันโดยไม่ปรับเค้าโครง
  • ไม่ใส่ป้ายกำกับให้แกนและกราฟเพื่อให้ดูเข้าใจได้ง่าย

เราได้เรียนรู้อะไรบ้าง

เราได้เรียนรู้อะไรบ้าง

ในบทเรียนนี้ คุณได้เรียนรู้เรื่องต่อไปนี้:

  • วิธีติดตั้งและนำเข้าแมตพลอตลิบ
  • วิธีสร้างกราฟเส้น แผนภูมิแท่ง กราฟกระจาย และฮิสโตแกรม
  • วิธีปรับแต่งกราฟด้วยป้ายกำกับ คำอธิบายกราฟ และกราฟหลายแบบ

ทำได้ดีมากครับ ต่อไปเราไปเรียนหัวข้อถัดไปกัน

การแสดงภาพข้อมูลด้วย Matplotlib — ภาพประกอบ 11

คำถามที่พบบ่อย

บทเรียน “การแสดงภาพข้อมูลด้วย Matplotlib” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “การแสดงภาพข้อมูลด้วย Matplotlib” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Learn AI with Python ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Learn AI with Python มีบทเรียนทั้งหมด 5 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “การแสดงภาพข้อมูลด้วย Matplotlib”

ค้นพบวิธีสร้างการแสดงภาพเพื่อทำความเข้าใจข้อมูล คุณปฏิบัติ Learn AI with Python ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Learn AI with Python หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน Learn AI with Python บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 5 บทเรียน

บทเรียน “การแสดงภาพข้อมูลด้วย Matplotlib” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน Learn AI with Python นี้ได้ไหม

ได้ บทเรียน Learn AI with Python ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

  1. การวิเคราะห์ข้อมูลด้วย Pandas
  2. การแสดงภาพข้อมูลด้วย Matplotlib
  3. NumPy สำหรับการคำนวณเชิงตัวเลข
  4. การจัดการ API ด้วย requests
  5. การดึงข้อมูลจากเว็บด้วย BeautifulSoup
← กลับไปที่ Learn AI with Python