Рубрики
Без рубрики

Как построить график в строке и с помощью Qt – Matplotlib с помощью ноутбуков IPython/Jupyter

В этом уроке мы рассмотрим, как строить линейные графики с помощью блокнотов Ipython/Jupyter, а также Matplotlib на Python. Мы расскажем о том, как строить графики внешне с помощью Qt, а также онлайн.

Автор оригинала: Dan Nelson.

Вступление

Существует несколько различных библиотек визуализации данных для Python. Однако из всех библиотек Matplotlib является самой популярной и широко используемой. С помощью Matplotlib вы можете создавать как простые, так и сложные визуализации.

Блокноты Jupyter-это один из самых популярных методов обмена данными и проектами анализа данных, кодом и визуализацией. Хотя вы можете знать, как визуализировать данные с помощью Matplotlib, вы можете не знать, как использовать Matplotlib в записной книжке Jupyter.

В этой статье мы рассмотрим как использовать блокнот IPython для построения графиков Matplotlib inline .

Он также будет охватывать назначение магических методов Matplotlib “inline” и “notebook”, которые используются для установки бэкендов Matplotlib.

Настройка Python

Блокноты Jupyter являются интерактивными, и если они позволяют вам делиться своей работой с другими программистами и аналитиками в воспроизводимом формате. Тем не менее, прежде чем вы сможете работать с ноутбуком Jupyter вам нужно установить его .

Самый простой и легкий способ установить ноутбук Jupyter – это использовать менеджер пакетов. Если вы используете Conda вы можете установить файловую систему Jupiter с помощью следующей команды:

$ conda install -c conda-forge notebook

Если вы используете pip, вы можете установить Jupyter с помощью этой команды:

$ pip install notebook

После установки Jupiter lab вы можете запустить экземпляр ноутбука Jupyter, открыв командную строку и используя следующую интуитивно понятную командную строку:

Jupyter Notebook

Затем вы можете получить доступ к своему блокноту Jupyter, указав в браузере следующий URL-адрес:

http://localhost:8888/tree?

Импорт данных и визуализация данных

Мы будем использовать знаменитый набор данных Tips .

Мы импортируем панд для чтения файла .csv , а также matplotlib.pyplot для визуализации. После этого мы можем построить простую точечную диаграмму :

визуализация jupyter notebook matplotlib

Именно так вы обычно визуализируете данные в блокноте Jupyter. Однако если бы вы поделились этой записной книжкой с кем – то в ее нынешнем виде-им пришлось бы самим запускать код, чтобы увидеть визуализации.

Если вы хотите, чтобы сами визуализации были включены в тело записной книжки, вы используете команду inline , которая ссылается на бэкэнд Matplotlib.

Бэкенды Matplotlib

Обычно отображение графиков включает в себя использование функции show() из PyPlot. В блокнотах Jupyter это не обязательно, так как графики отображаются после запуска ячеек, содержащих код, который их генерирует. Эти графики по умолчанию отображаются встроенно , что означает, что они отображаются в самой записной книжке.

Однако вы также можете отобразить график вне блокнота, что можно сделать, изменив бэкэнд Matplotlib. Jupyter автоматически устанавливает бэкэнд Matplotlib, хотя это можно переопределить с помощью магических функций , которые вызываются с символом % .

Matplotlib Plot On External Window using IPython/Jupyter

Давайте начнем с попытки построить график на внешнем окне из записной книжки:

%matplotlib qt

Здесь мы сказали блокноту Jupyter использовать Qt для генерации фрейма на нашей локальной машине. Этот вызов функции находится перед импортом Matplotlib:

jupyter notebook qt plot externally matplotlib

Matplotlib Plot In line с использованием IPython/Jupyter (in line)

Некоторые версии Jupiter могут неправильно настроить бэкэнд для Matplotlib и не отображать графики в режиме онлайн. В этом случае встроенное построение может быть принудительно выполнено одним из двух способов.

Вы можете установить функцию inline вместо qt , чтобы заставить Jupyter отображать графики inline:

%matplotlib inline

Это помогает убедиться, что любой, кто открывает блокнот, может видеть визуализации без необходимости повторного запуска ячеек кода:

jupyter notebook plot inline matplotlib

Matplotlib Plot Inline с использованием IPython/Jupyter (notebook)

Второй метод рендеринга графика Matplotlib в записной книжке-это использование бэкенда notebook :

%matplotlib notebook

Использование %matplotlib notebook создает интерактивные графики, встроенные в сам блокнот, позволяя тем, кто просматривает блокнот, делать такие вещи, как изменение размера рисунка или увеличение масштаба рисунка:

jupyter notebook plot inline matplotlib

Вывод

В этом уроке мы рассмотрели, как построить external (используя Qt) и inline (используя inline и notebook magic functions) в ноутбуках IPython/Jupyter.

Если вы заинтересованы в визуализации данных и не знаете, с чего начать, обязательно ознакомьтесь с нашей связкой книг on :

Визуализация данных в Python с Matplotlib и Pandas – это книга, предназначенная для того, чтобы познакомить абсолютных новичков с Pandas и Matplotlib, обладающих базовыми знаниями Python, и позволить им создать прочную основу для продвинутой работы с библиотеками тезисов- от простых сюжетов до анимированных 3D-сюжетов с интерактивными кнопками.

Он служит углубленным руководством, которое научит вас всему, что вам нужно знать о пандах и Matplotlib, включая то, как создавать типы сюжетов, которые не встроены в саму библиотеку.

Визуализация данных в Python , книга для начинающих и промежуточных разработчиков Python, проведет вас через простые манипуляции с данными с Пандами, охватит основные библиотеки построения графиков, такие как Matplotlib и Seaborn, и покажет вам, как использовать преимущества декларативных и экспериментальных библиотек, таких как Altair. Более конкретно, в течение 11 глав эта книга охватывает 9 библиотек Python: Pandas, Matplotlib, Seaborn, Bokeh, Altair, Plotly, GGPlot, GeoPandas и VisPy.

Он служит уникальным практическим руководством по визуализации данных, в изобилии инструментов, которые вы могли бы использовать в своей карьере.