Matplotlib

Matplotlib
Пример работы matplotlib
Тип	библиотека языка Python
Автор	Джон Д. Хантер[d][2]
Разработчик	John Hunter
Написана на	C++ и Python
Интерфейс	GTK и Qt
Движки	cairo и Anti-Grain Geometry[d]
Операционная система	кроссплатформенность
Первый выпуск	2003[1]
Аппаратная платформа	Python
Последняя версия	3.5.2 (2 мая 2022)
Репозиторий	github.com/matplotlib/ma…
Создаваемые форматы файлов: PNG, SVG, Encapsulated PostScript и PDF
Лицензия	matplotlib licence
Сайт	matplotlib.org (англ.)
Медиафайлы на Викискладе

Matplotlib — библиотека на языке программирования Python для визуализации данных двумерной и трёхмерной графикой. Получаемые изображения могут быть использованы в качестве иллюстраций в публикациях^[3].

Matplotlib написан и поддерживался в основном Джоном Хантером (англ. John Hunter) и распространяется на условиях BSD-подобной лицензии. Генерируемые в различных форматах изображения могут быть использованы в интерактивной графике, в научных публикациях, графическом интерфейсе пользователя, веб-приложениях, где требуется построение диаграмм (англ. plotting)^[4][5]. В документации автор признаётся, что Matplotlib начинался с подражания графическим командам MATLAB, но является независимым от него проектом^[6].

Версия 2.1.1 — последняя стабильная — требует Python версии 2.7 или от 3.4 и выше и версию NumPy от 1.7.1 и выше^[7].

Библиотека Matplotlib построена на принципах ООП, но имеет процедурный интерфейс pylab, который предоставляет аналоги команд MATLAB^[8].

Возможности

Matplotlib является гибким, легко конфигурируемым пакетом, который вместе с NumPy, SciPy и IPython предоставляет возможности, подобные MATLAB. В настоящее время пакет работает с несколькими графическими библиотеками, включая wxWindows и PyGTK.

Пакет поддерживает многие виды графиков и диаграмм:

• Графики (англ. line plot)
• Диаграммы рассеяния (англ. scatter plot)
• Столбчатые диаграммы (англ. bar chart) и гистограммы (англ. histogram)
• Круговые диаграммы (англ. pie chart)
• Диаграммы стебель-листья (англ. stem plot)
• Контурные графики (англ. contour plot)
• Поля градиентов (англ. quiver)
• Спектральные диаграммы (англ. spectrogram)

Пользователь может указать оси координат, решетку, добавить надписи и пояснения, использовать логарифмическую шкалу или полярные координаты^[9].

Несложные трёхмерные графики можно строить с помощью набора инструментов (toolkit) mplot3d. Есть и другие наборы инструментов: для картографии, для работы с Excel, утилиты для GTK и другие^[10].

С помощью Matplotlib можно делать и анимированные изображения^[11].

Набор поддерживаемых форматов изображений, векторных и растровых, можно получить из словаря FigureCanvasBase.filetypes. Типичные поддерживаемые форматы:

• Encapsulated PostScript (EPS)
• Enhanced Metafile (EMF)
• JPEG
• PDF
• PNG
• Postscript
• RGBA («сырой» формат)
• SVG
• SVGZ
• TIFF

Кроме того, на основе классов пакета можно создавать и другие модули. Например, для генерации искрографиков^[12].

Пример

Следующий пример иллюстрирует построение графика^[3]:

from pylab import *
plot(range(1, 20),
     [i * i for i in range(1, 20)], 'ro')
savefig('example.png')
show()

Результат работы примера в формате PNG:

Данный пример демонстрирует построение графика квадратичной функции на интервале от 1 до 20 и сохранение результата в векторном формате SVG:

from pylab import *
plot(range(1, 20),
     [i * i for i in range(1, 20)], 'ro')
savefig('example-svg-format.svg')
show()

Результат выполнения кода примера с использованием библиотеки matplotlib 3.5.2, сохраненный в векторном формате SVG:

Галерея графиков

Примечания

Литература

• Андреас Мюллер, Сара Гвидо. Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными = Introduction to Machine Learning with Python: A Guide for Data Scientists. — Вильямс, 2017. — 480 с. — ISBN 978-5-9908910-8-1, 978-1-449-36941-5.
• Дж. Вандер Плас. Python для сложных задач. Наука о данных и машинное обучение = Python Data Science Handbook: Essential Tools for Working with Data. — Питер, 2017. — 576 с. — ISBN 978-5-496-03068-7.
• Toby Segaran. Programming Collective Intelligence: Building Smart Web 2.0 Applications. — O'Reilly Media, Inc., 2007. — 308 с. — ISBN 9780596529321. Имеется перевод: Тоби Сегаран. Программируем коллективный разум. — Символ-Плюс, 2009. — 368 с. — ISBN 5-93286-119-3.
• Sandro Tosi. Matplotlib for Python Developers. — Packt Publishing, 2009. — 308 с. — ISBN 978-1847197900.
• Shai Vaingast. Beginning Python Visualization: Crafting Visual Transformation Scripts. — Springer, 2009. — 384 с. — ISBN 9781430218432.

Ссылки

• Домашняя страница Matplotlib (англ.)
• «Поваренная книга» Matplotlib (англ.)
• Видеолекция Джона Д.Хантера (John D. Hunter) (англ.)
• Краткое руководство по Matplotlib (рус.)
• Серия статей про использование Matplotlib (рус.)

Эта страница в последний раз была отредактирована 10 мая 2024 в 06:46.