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

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

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
- การวิเคราะห์ข้อมูลด้วย Pandas
- การแสดงภาพข้อมูลด้วย Matplotlib
- NumPy สำหรับการคำนวณเชิงตัวเลข
- การจัดการ API ด้วย requests
- การดึงข้อมูลจากเว็บด้วย BeautifulSoup