Matplotlib Python 入門指南

Matplotlib簡介

Matplotlib 是一個功能全面的 Python 2D 繪圖庫，可以產生各種格式和環境下的高品質圖形。 由約翰·D.開發 Matplotlib 由 Hunter 開發，並由活躍的貢獻者社群維護，為 Python 中資料視覺化的多功能性和穩健性做出了重大貢獻。 它提供了一套功能多樣的繪圖功能，用於建立靜態圖表，如折線圖、散點圖、長條圖、直方圖、熱圖等等。 Matplotlib 還支援互動式視覺化，包括網格線和長條圖，可用於 Web 應用程式。 此外，它還提供了對繪圖元素的精細控制，包括座標軸、標籤、圖例、顏色和樣式，使用戶能夠根據自己的特定需求自訂視覺效果。

Matplotlib 的主要特性

1.多種繪圖類型：Matplotlib 支援多種繪圖類型，包括折線圖、散佈圖、長條圖、直方圖、圓餅圖、箱線圖、小提琴圖、等高線圖和 3D 圖。 這種多功能性使用戶能夠有效地視覺化不同類型的數據和關係。 2.靈活的繪圖自訂：Matplotlib 提供了豐富的自訂選項，可修改繪圖元素，例如座標軸、標籤、刻度、顏色、標記和線條樣式。 使用者可以使用過程式和物件導向的介面自訂圖表，從而對圖表的美觀進行精細控制。 3.出版品質輸出：Matplotlib 產生高品質、可用於出版的圖形，適合包含在科學出版物、報告、簡報和網站中。 它支援多種輸出格式，包括 PNG、PDF、SVG 和 EPS。 此外，您還可以結合 Matplotlib 建立 Python 腳本，為 Web 應用程式建立互動式格式。 4.與 Jupyter Notebooks 整合：Matplotlib 與 Jupyter Notebooks 無縫集成，使用戶能夠直接在 notebook 環境中建立互動式和探索性視覺化。 這種整合有助於實現互動式數據分析和故事講述工作流程。 5.支援多種後端：Matplotlib 支援多種渲染後端，包括 Tkinter、Qt、GTK、WX 和 Agg，允許使用者為其應用程式或環境選擇最合適的後端。 這種靈活性使得 Matplotlib 可以廣泛應用於各種桌面和基於 Web 的應用程式。

pip install matplotlib

pip install matplotlib

Matplotlib 的實用範例

讓我們來探討一些使用 Matplotlib 建立常見視覺化圖表的實際例子，其中包含一些模擬資料點。 請確保您已安裝 Python 3 或更高版本以及圖形使用者介面工具包。 現在讓我們來看看Python程式碼：

1.折線圖：

   import matplotlib.pyplot as plt  # Import Matplotlib

   # Define data points for the plot
   x = [1, 2, 3, 4, 5] 
   y = [2, 3, 5, 7, 11] 

   # Create a line plot
   plt.plot(x, y) 

   # Add labels and title
   plt.xlabel('X-axis')  
   plt.ylabel('Y-axis') 
   plt.title('Line Plot') 

   # Display the plot
   plt.show()  

   import matplotlib.pyplot as plt  # Import Matplotlib

   # Define data points for the plot
   x = [1, 2, 3, 4, 5] 
   y = [2, 3, 5, 7, 11] 

   # Create a line plot
   plt.plot(x, y) 

   # Add labels and title
   plt.xlabel('X-axis')  
   plt.ylabel('Y-axis') 
   plt.title('Line Plot') 

   # Display the plot
   plt.show()  

Matplotlib Python（開發者使用指南）：圖 1 - 使用 Matplotlib 繪製的範例折線圖

2.散點圖：

   import matplotlib.pyplot as plt  # Import Matplotlib

   # Define data points for the plot
   x = [1, 2, 3, 4, 5] 
   y = [2, 3, 5, 7, 11] 

   # Create a scatter plot
   plt.scatter(x, y) 

   # Add labels and title
   plt.xlabel('X-axis')  
   plt.ylabel('Y-axis') 
   plt.title('Scatter Plot') 

   # Display the plot
   plt.show()  

   import matplotlib.pyplot as plt  # Import Matplotlib

   # Define data points for the plot
   x = [1, 2, 3, 4, 5] 
   y = [2, 3, 5, 7, 11] 

   # Create a scatter plot
   plt.scatter(x, y) 

   # Add labels and title
   plt.xlabel('X-axis')  
   plt.ylabel('Y-axis') 
   plt.title('Scatter Plot') 

   # Display the plot
   plt.show()  

Matplotlib Python（開發者使用指南）：圖 2 - 使用 Matplotlib 繪製散佈圖範例

3.直方圖：

   import matplotlib.pyplot as plt  # Import Matplotlib
   import numpy as np  # Import NumPy for numerical operations

   # Generate random data
   data = np.random.randn(1000) 

   # Create a histogram plot
   plt.hist(data, bins=30) 

   # Add labels and title
   plt.xlabel('Value')  
   plt.ylabel('Frequency') 
   plt.title('Histogram') 

   # Display the plot
   plt.show()  

   import matplotlib.pyplot as plt  # Import Matplotlib
   import numpy as np  # Import NumPy for numerical operations

   # Generate random data
   data = np.random.randn(1000) 

   # Create a histogram plot
   plt.hist(data, bins=30) 

   # Add labels and title
   plt.xlabel('Value')  
   plt.ylabel('Frequency') 
   plt.title('Histogram') 

   # Display the plot
   plt.show()  

Matplotlib Python（開發者使用指南）：圖 3 - 使用 Matplotlib 繪製的直方圖範例

介紹 IronPDF。

Matplotlib Python（開發者使用指南）：圖 4 - IronPDF 首頁

IronPDF是一個功能強大的 C# 程式庫，旨在從 HTML、CSS、圖像和 JavaScript 建立、編輯和簽署 PDF。 它提供商業級的效能與低記憶體佔用量。 主要功能包括

HTML 轉 PDF 轉換：將 HTML 檔案、HTML 字串和 URL 轉換為 PDF。 例如，使用 Chrome PDF 渲染器將網頁渲染為 PDF。

跨平台支援：相容於各種 .NET 平台，包括 .NET Core、.NET Standard 和 .NET Framework。 它支援 Windows、Linux 和 macOS。

編輯和簽名：設定屬性，使用密碼和權限添加安全性，並將數位簽章應用於您的 PDF 檔案。

頁面範本和設定：使用頁首、頁尾、頁碼和可調整的邊距自訂 PDF。 支援回應式版面與自訂紙張尺寸。

標準符合性：符合 PDF/A 和 PDF/UA 等 PDF 標準。 支援 UTF-8 字元編碼，並能處理圖片、CSS 和字型等資產。

使用 IronPDF 產生 PDF 文檔

# Import necessary libraries
from ironpdf import *
import matplotlib.pyplot as plt 
import numpy as np 

# Create a histogram plot
data = np.random.randn(1000)
plt.hist(data, bins=30)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram')
plt.savefig('myHistogram.png')  # Save the plot as an image file

# Apply your license key
License.LicenseKey = "MyKey"

# Create a PDF renderer
renderer = ChromePdfRenderer()

# Create a PDF from an HTML string containing the histogram image
content = "<h1>Awesome Iron PDF with Matplotlib</h1>"
content += "<img src='myHistogram.png'/>"
pdf = renderer.RenderHtmlAsPdf(content)

# Export the PDF to a file
pdf.SaveAs("awesome.pdf")

# Import necessary libraries
from ironpdf import *
import matplotlib.pyplot as plt 
import numpy as np 

# Create a histogram plot
data = np.random.randn(1000)
plt.hist(data, bins=30)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram')
plt.savefig('myHistogram.png')  # Save the plot as an image file

# Apply your license key
License.LicenseKey = "MyKey"

# Create a PDF renderer
renderer = ChromePdfRenderer()

# Create a PDF from an HTML string containing the histogram image
content = "<h1>Awesome Iron PDF with Matplotlib</h1>"
content += "<img src='myHistogram.png'/>"
pdf = renderer.RenderHtmlAsPdf(content)

# Export the PDF to a file
pdf.SaveAs("awesome.pdf")

程式碼解釋

1.建立直方圖：與前面的範例一樣，我們產生隨機資料並繪製直方圖。 2.將圖表儲存為圖像：直方圖將儲存為名為'myHistogram.png'的圖像檔案。 3.建立 PDF 渲染器：我們初始化一個ChromePdfRenderer來處理 PDF 創建。 4.將 HTML 字串轉換為 PDF ：建立嵌入已儲存影像的 HTML 內容，然後使用RenderHtmlAsPdf將其轉換為 PDF。 5.儲存 PDF ：使用SaveAs方法儲存產生的 PDF 檔案。

IronPDF 授權。

# Apply your license key
License.LicenseKey = "IRONPDF-MYLICENSE-KEY-XXXX"

# Apply your license key
License.LicenseKey = "IRONPDF-MYLICENSE-KEY-XXXX"

結論

總之，Matplotlib 仍然是一個功能強大且用途廣泛的繪圖庫，它使用戶能夠在 Python 中創建各種高品質的視覺化效果。 無論您是分析資料、交流見解還是建立互動式應用程序，Matplotlib 都能提供您所需的工具和靈活性，以有效地視覺化您的資料並發現新的見解。 借助 Iron Software 的IronPDF庫來管理 PDF 文檔，開發人員可以增強其在創建複雜數據視覺化方面的知識，從而有效地將數據轉化為開發人員和用戶之間有意義的統計數據，這與現代應用程式的目標相一致。