0Pricing
Python Academy · บทเรียน

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

การแสดงข้อมูลด้วย Matplotlib — ภาพประกอบ 1

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

การแสดงข้อมูลด้วย Matplotlib — ภาพประกอบ 11

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

  1. การวิเคราะห์ข้อมูลด้วย Pandas
  2. การแสดงข้อมูลด้วย Matplotlib
  3. NumPy สำหรับการคำนวณเชิงตัวเลข
  4. การจัดการเอพีไอด้วย requests
  5. การขูดข้อมูลเว็บด้วย BeautifulSoup
← กลับไปที่ Python Academy