マットプロットリブ は、NumPy ライブラリの数値的および数学的拡張として機能する強力な Python ライブラリです。その重要なコンポーネントの 1 つは、 パイプロット は、Matplotlib モジュールへの状態ベースのインターフェイスを提供し、使い慣れた MATLAB のような環境をユーザーに提供します。 Python の Matplotlib.pyplot.plot() 関数を使用すると、ユーザーは折れ線プロット、等高線プロット、ヒストグラム、散布図、3D プロットなどを含むさまざまなプロットを簡単に作成できます。この多用途性により、Matplotlib はデータの視覚化と分析のための貴重なツールになります。 パイソン プログラミング言語。
Matplotlib.pyplot.plot() 関数とは何ですか?
の matplotlib.pyplot.plot()> 関数は、Matplotlib ライブラリ、特に Pyplot モジュール内の基本コンポーネントです。これは、変数 x および y で表される指定されたデータ ポイントに基づいて 2D 六角形のビニング プロットを生成する目的を果たします。データ ポイントを線で接続し、線のスタイルやマーカーなどのパラメーターを通じてプロットの外観をカスタマイズできるようにします。この汎用性の高い機能は、さまざまな領域のデータ視覚化に広く使用されています。
構文： matplotlib.pyplot.plot(*args,scalex=True,scaley=True,data=None,**kwargs)
スプレーツリー
- パラメーター：
- x、y: これらのパラメーターは、データ ポイントの水平座標と垂直座標を表します。 「x」値はオプションであり、プロット プロセスを柔軟に行うことができます。
- FM: これは文字列値を含むオプションのパラメーターです。これは、線のスタイル、マーカー、色を定義して、プロットの形式を指定するために使用されます。
- データ： オプションのパラメータ「data」は、ラベル付きデータを持つオブジェクトを指します。データを直接渡す便利な方法を提供し、読みやすさと使いやすさを向上させます。
- 戻り値： の
plot()>関数は、プロットされたデータのセグメントをそれぞれ表す Line2D オブジェクトのリストを返します。これらの Line2D オブジェクトは、プロットされた線の特性と属性をカプセル化し、さらなるカスタマイズと分析を可能にします。
Python の Matplotlib.pyplot.plot() 関数
Python では Matplotlib.pyplot.plot() 関数を使用してプロットを作成するさまざまな方法があります。それらのいくつかの例は、 matplotlib.pyplot.plot() で機能する matplotlib.pyplot:
- 基本的なラインプロット
- 複数の線のプロット
- 複数のマーカーを使用した散布図
- 2 つの曲線のプロット
Matplotlib の折れ線グラフ
輸入することで Matplotlibのplot() データ [1、2、3] を使用して折れ線プロットを作成しました。 title() 関数はプロットのタイトルを設定し、draw() はプロットを更新し、show() はそれを表示します。これは、Python でのデータ視覚化のための Matplotlib の基本的な図を提供します。
Python3
import> matplotlib.pyplot as plt> import> numpy as np> # Plotting a simple line graph> plt.plot([>1>,>2>,>3>])> # Setting the title> plt.title(>'Matplotlib Line Plot Example'>)> # Updating and displaying the plot> plt.draw()> plt.show()> |
>
>
出力：
基本的なラインプロット
Matplotlib を使用した複数行
輸入することで マットプロットリブ サイン関数とコサイン関数を同じグラフにプロットします。データを生成し、各関数のスタイルを設定し、ラベルとタイトルを追加し、凡例を表示してから、サイン曲線とコサイン曲線を示すプロットを表示します。
1ヶ月は何週間ですか
Python3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate data> x>=> np.linspace(>0>,>2>*>np.pi,>100>)> y1, y2>=> np.sin(x), np.cos(x)> # Plotting multiple lines on a single plot> plt.plot(x, y1, label>=>'Sin(x)'>, color>=>'b'>)> plt.plot(x, y2, label>=>'Cos(x)'>, color>=>'r'>, linestyle>=>'--'>)> # Adding labels and title> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.title(>'Multiple Lines Plot'>)> # Displaying the legend and the plot> plt.legend()> plt.show()> |
>
>
出力
複数の線のプロット
Matplotlib のマーカー
輸入することで マットプロットリブ 赤色の円形マーカーを特徴とする、50 個のランダムなデータ ポイントを含むカスタマイズされた散布図を生成しました。これには、軸ラベル、タイトル (「散布図の例」)、および凡例が含まれます。の show()> 関数はプロットを表示し、Python の Matplotlib を使用したデータ視覚化の基本的な例を示します。
Python3
DSにスタックする
常にVerilog
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> np.random.seed(>42>)> x>=> np.random.rand(>50>)> y>=> np.random.rand(>50>)> # Plotting a scatter plot with custom markers> plt.plot(x, y, marker>=>'o'>, linestyle>=>'>', markersize=8, color='>r>', label='>Scatter Plot')> # Adding labels and title> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.title(>'Scatter Plot Example'>)> # Displaying the legend> plt.legend()> # Display the plot> plt.show()> |
>
>
出力：
複数のマーカーを使用した散布図
複数の曲線をプロットする
Matplotlib をインポートすることで、2 つの曲線を含む折れ線プロットを作成しました。青い曲線 ( そして = x^ 2) とオレンジ色の曲線 (y=1− x^ 3)。データはランダムに生成され、滑らかな曲線になるように並べ替えられ、plot()>関数。プロットは両方の軸の範囲 [0, 1] に制限されており、数学関数を視覚的に表現しています。
Python3
# Implementation of matplotlib function> > import> matplotlib.pyplot as plt> import> numpy as np> > # Fixing random state for reproducibility> np.random.seed(>19680801>)> > # create random data> xdata>=> np.random.random([>2>,>10>])> > # split the data into two parts> xdata1>=> xdata[>0>, :]> xdata2>=> xdata[>1>, :]> > # sort the data so it makes clean curves> xdata1.sort()> xdata2.sort()> > # create some y data points> ydata1>=> xdata1>*>*> 2> ydata2>=> 1> -> xdata2>*>*> 3> > # plot the data> plt.plot(xdata1, ydata1, color>=>'tab:blue'>)> plt.plot(xdata2, ydata2, color>=>'tab:orange'>)> > > # set the limits> plt.xlim([>0>,>1>])> plt.ylim([>0>,>1>])> plt.title(>'matplotlib.pyplot.plot() example 2'>)> > # display the plot> plt.show()> |
シェザド・プーナワラ
>
>
出力
2 つの曲線のプロット
結論
結論としては、 matplotlib.pyplot.plot()> Python の関数は、線プロット、散布図などを含むさまざまな 2D プロットを作成するための基本的なツールです。その多用途性により、ユーザーはデータ ポイント、線のスタイル、マーカー、色を指定してプロットをカスタマイズできます。 「fmt」や「data」などのオプションのパラメーターを使用すると、この関数はプロットの書式設定やデータ処理に柔軟性をもたらします。さらに、返された Line2D オブジェクトにより、プロットされたデータのさらなる操作と分析が可能になります。全体として、Matplotlib のplot()>関数はデータ視覚化の分野における重要なコンポーネントであり、Python で洞察力に富み、視覚的に魅力的なプロットを作成するためのユーザーフレンドリーなインターフェイスを提供します。