การแสดงข้อมูลด้วย Matplotlib
ค้นพบวิธีสร้างภาพแสดงข้อมูลเพื่อทำความเข้าใจข้อมูลของคุณ
การแสดงข้อมูลด้วย Matplotlib เป็นบทเรียน Python Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 5 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Python Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Python Academy มีบทเรียนทั้งหมด 5 บทเรียน
บทนำสู่แมตพลอตลิบ
บทนำสู่แมตพลอตลิบ
แมตพลอตลิบเป็นไลบรารีไพธอนยอดนิยมสำหรับสร้างภาพข้อมูล รวมถึงแผนภูมิเส้น แผนภูมิแท่ง แผนภาพกระจาย และอื่น ๆ
ในบทเรียนนี้ คุณจะได้เรียนรู้วิธีใช้แมตพลอตลิบเพื่อสร้างและปรับแต่งแผนภาพหลากหลายประเภท

การติดตั้งแมตพลอตลิบ
การติดตั้งแมตพลอตลิบ
หากต้องการติดตั้งแมตพลอตลิบ ให้ใช้คำสั่งต่อไปนี้ในเทอร์มินัล:
pip install matplotlib
เมื่อติดตั้งแล้ว คุณสามารถนำเข้าไลบรารีนี้ในสคริปต์ไพธอนของคุณได้:
# Importing matplotlib
import matplotlib.pyplot as plt
print("Matplotlib imported successfully")การสร้างแผนภูมิเส้นอย่างง่าย
การสร้างแผนภูมิเส้นอย่างง่าย
คุณสามารถสร้างแผนภูมิเส้นพื้นฐานโดยใช้ฟังก์ชัน plot() ของแมตพลอตลิบ:
# 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()การปรับแต่งแผนภาพ
การปรับแต่งแผนภาพ
แมตพลอตลิบช่วยให้คุณปรับแต่งแผนภาพด้วยชื่อเรื่อง ป้ายกำกับ คำอธิบายแผนภูมิ 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()การสร้างแผนภูมิแท่ง
การสร้างแผนภูมิแท่ง
แผนภูมิแท่งมีประโยชน์สำหรับเปรียบเทียบหมวดหมู่ ให้ใช้ฟังก์ชัน bar() เพื่อสร้างแผนภูมิแท่ง:
# 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()การสร้างแผนภาพกระจาย
การสร้างแผนภาพกระจาย
แผนภาพกระจายมีประโยชน์สำหรับแสดงความสัมพันธ์ระหว่างตัวแปรสองตัว ให้ใช้ฟังก์ชัน 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 ให้ใช้ฟังก์ชัน 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()การเพิ่มแผนภาพหลายรายการ
การเพิ่มแผนภาพหลายรายการ
คุณสามารถเพิ่มแผนภาพหลายรายการลงในรูปเดียวกันโดยใช้ฟังก์ชัน 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()ข้อผิดพลาดทั่วไปในการใช้แมตพลอตลิบ
ข้อผิดพลาดทั่วไปในการใช้แมตพลอตลิบ
ต่อไปนี้คือข้อผิดพลาดที่ควรหลีกเลี่ยง:
- ลืมเรียกใช้
plt.show()เพื่อแสดงแผนภาพ - ใช้องค์ประกอบที่ซ้อนทับกันโดยไม่ปรับเค้าโครง
- ไม่ใส่ป้ายกำกับให้แกนและแผนภาพเพื่อให้เข้าใจได้ชัดเจน
เราได้เรียนรู้อะไรบ้าง
เราได้เรียนรู้อะไรบ้าง
ในบทเรียนนี้ คุณได้เรียนรู้:
- วิธีติดตั้งและนำเข้าแมตพลอตลิบ
- วิธีสร้างแผนภูมิเส้น แผนภูมิแท่ง แผนภาพกระจาย และฮิสโตแกรม
- วิธีปรับแต่งแผนภาพด้วยป้ายกำกับ คำอธิบายแผนภูมิ และแผนภาพหลายรายการ
ทำได้ดีมาก! ไปต่อยังหัวข้อถัดไปกันเลย

คำถามที่พบบ่อย
บทเรียน “การแสดงข้อมูลด้วย Matplotlib” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “การแสดงข้อมูลด้วย Matplotlib” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Python Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Python Academy มีบทเรียนทั้งหมด 5 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “การแสดงข้อมูลด้วย Matplotlib”
ค้นพบวิธีสร้างภาพแสดงข้อมูลเพื่อทำความเข้าใจข้อมูลของคุณ คุณปฏิบัติ Python Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Python Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Python Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 5 บทเรียน
บทเรียน “การแสดงข้อมูลด้วย Matplotlib” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Python Academy นี้ได้ไหม
ได้ บทเรียน Python Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- การวิเคราะห์ข้อมูลด้วย Pandas
- การแสดงข้อมูลด้วย Matplotlib
- NumPy สำหรับการคำนวณเชิงตัวเลข
- การจัดการเอพีไอด้วย requests
- การขูดข้อมูลเว็บด้วย BeautifulSoup