Matplotlib est un package de visualisation de données puissant et couramment utilisé dans la communauté scientifique des données Python. Dans cet article de blog, nous passerons en revue les principes de base de Matplotlib, de l'installation à la construction de tracés simples, en mettant l'accent sur votre mise en service dès que possible. Que vous débutiez dans la science des données ou que vous cherchiez simplement à élargir votre boîte à outils, cet article vous permettra de démarrer avec Matplotlib.

Pour commencer, vous devez installer Matplotlib. Si pip est installé, vous pouvez effectuer cette opération sur votre terminal en tapant la commande suivante :

pip install matplotlib

import matplotlib.pyplot as plt

Graphique linéaire

Les tracés linéaires montrent la connexion entre deux variables, qui sont généralement représentées sur les axes x et y. Voici un exemple de tracé linéaire réalisé avec Matplotlib :

import matplotlib.pyplot as plt

# Sample data
x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 5, 3]

# Plotting the line chart
plt.plot(x, y)

# Adding labels and title
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Line plot using Matplotlib')

# Show plot
plt.show()

      
                

                    
                    
                
            

Les graphiques à barres sont utilisés pour comparer les données entre les catégories ou les groupes. Voici un exemple de création d'un graphique à barres dans Matplotlib :

import matplotlib.pyplot as plt

# Sample data
x = ['A', 'B', 'C', 'D', 'E']
y = [2, 4, 1, 5, 3]

# Plotting the bar chart
plt.bar(x, y)

# Adding labels and title
plt.xlabel('Categories')
plt.ylabel('Values')
plt.title('Bar chart using Matplotlib')

# Show plot
plt.show()

      
                

                    
                    
                
            

Les histogrammes sont utilisés pour montrer comment les données numériques sont distribuées. Voici un exemple d'histogramme réalisé avec Matplotlib :

import matplotlib.pyplot as plt
import numpy as np

# Sample data
data = np.random.normal(100, 20, 1000)

# Plotting the histogram
plt.hist(data, bins=50, color='blue', alpha=0.5)

# Adding labels and title
plt.xlabel('Values')
plt.ylabel('Frequency')
plt.title('Histogram using Matplotlib')

# Show plot
plt.show()

      
                

                    
                    
                
            

Les diagrammes de dispersion sont utilisés pour montrer la relation entre deux variables. Voici un exemple de création d'un nuage de points dans Matplotlib :

import matplotlib.pyplot as plt
import numpy as np

# Sample data
x = np.random.normal(100, 20, 1000)
y = np.random.normal(80, 10, 1000)

#Plotting the scatter plot
plt.scatter(x, y, color='red', alpha=0.5)

#Adding labels and title
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter plot using Matplotlib')

#Show plot
plt.show()