Как построить график в строке и с помощью Qt - Matplotlib с ноутбуками IPython / Jupyter

Введение Существует ряд различных библиотек визуализации данных для Python. Однако из всех библиотек Matplotlib - самая популярная и широко используемая библиотека. С Matplotlib вы можете создавать как простые, так и сложные визуализации. Блокноты Jupyter - один из самых популярных методов обмена проектами, кодом и визуализацией в области науки о данных и анализа данных. Хотя вы можете знать, как визуализировать данные с помощью Matplotlib, вы можете не знать, как использовать Matplotlib в Jupyter n.

Вступление

Для Python существует ряд различных библиотек визуализации данных. Однако из всех библиотек Matplotlib - самая популярная и широко используемая библиотека. С Matplotlib вы можете создавать как простые, так и сложные визуализации.

Блокноты Jupyter - один из самых популярных методов обмена проектами, кодом и визуализацией в области науки о данных и анализа данных. 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 расскажем, как использовать записную книжку IPython для построения графиков Matplotlib inline .

Он также будет охватывать цель «встроенных» и «записных» магических методов Matplotlib, которые используются для установки бэкэндов Matplotlib.

Настройка IPython

Блокноты Jupyter интерактивны, и если они позволяют вам делиться своей работой с другими программистами и аналитиками в воспроизводимом формате. Но прежде чем вы сможете работать с ноутбуком Jupyter, вам необходимо его установить .

Самый простой и легкий способ установить блокнот Jupyter - использовать диспетчер пакетов. Если вы используете Conda, вы можете установить файловую систему Jupyter с помощью следующей команды:

 $ conda install -c conda-forge notebook 

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

 $ pip install notebook 

После установки лаборатории Jupyter вы можете запустить экземпляр записной книжки Jupyter, открыв командную строку и используя следующую командную строку с интуитивно понятным названием:

 Jupyter Notebook 

Затем вы можете получить доступ к своей записной книжке 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 Pandas для чтения .csv , а также matplotlib.pyplot для визуализации. После этого мы можем построить простой график рассеяния :

Визуализация matplotlib для ноутбукаjupyter{.ezlazyload}

Вот как вы обычно визуализируете данные в записной книжке Jupyter. Однако, если вы поделились этой записной книжкой с кем-то в ее текущем виде, им придется самостоятельно запустить код, чтобы увидеть визуализации.

Если вы хотите, чтобы сами визуализации были включены в тело записной книжки, вы можете использовать inline команду, которая относится к бэкэнду Matplotlib.

Бэкенды Matplotlib

Обычно для отображения графиков используется show() из PyPlot. В записных книжках Jupyter в этом нет необходимости, поскольку графики отображаются после запуска ячеек, содержащих код, который их генерирует. Эти графики по умолчанию отображаются встроенными , что означает, что они отображаются в самой записной книжке.

Однако вы также можете отобразить график за пределами записной книжки, что можно сделать, изменив серверную часть Matplotlib. Jupyter автоматически устанавливает бэкэнд Matplotlib, хотя это можно переопределить с помощью магических функций , которые вызываются с помощью символа %

График Matplotlib во внешнем окне с использованием IPython / Jupyter

Начнем с попытки построить график во внешнем окне из записной книжки:

 %matplotlib qt 

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

Qt, блокнот jupyter, внешний видMatplotlib{.ezlazyload}

Matplotlib Plot Inline с использованием IPython / Jupyter (встроенный)

Некоторые версии Jupyter могут неправильно устанавливать бэкэнд для Matplotlib и не отображать встроенные графики. В этом случае встроенное построение может быть выполнено одним из двух способов.

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

 %matplotlib inline 

Это помогает убедиться, что любой, кто откроет записную книжку, сможет видеть визуализации, без необходимости повторно запускать ячейки кода:

Jupyter Notebook plot inlinematplotlib{.ezlazyload}

Matplotlib Plot Inline с использованием IPython / Jupyter (блокнот)

Второй метод рендеринга графика Matplotlib в записной книжке - использовать внутреннюю часть notebook

 %matplotlib notebook 

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

Jupyter Notebook plot inlinematplotlib{.ezlazyload}

Заключение

В этом руководстве мы рассмотрели, как строить внешние (с использованием Qt) и встроенные (с использованием inline функций и notebook ) в записных книжках IPython / Jupyter.

Если вас интересует визуализация данных и вы не знаете, с чего начать, обязательно ознакомьтесь с нашим комплектом книг по визуализации данных в Python{.ebook-link} :

::: {style=“border: 1px solid #ebebeb;padding: 15px;"} {.ebook-link}

Визуализация данных в Python

::: {.row} ::: {.col-md-4 .col-xs-12} {.ezlazyload .img-responsive .center-block} :::

::: {.col-md-8 .col-xs-12 .my-auto} Станьте опасными с визуализацией данных

✅ 30-дневная гарантия возврата денег без вопросов

✅ от новичка до продвинутого

✅ Регулярно обновляется бесплатно (последнее обновление в апреле 2021 г.)

✅ Обновлено с бонусными ресурсами и руководствами ::: ::: :::

Визуализация данных в Python с помощью Matplotlib и Pandas - это книга, предназначенная для абсолютных новичков в работе с Pandas и Matplotlib с базовыми знаниями Python и позволяющая им создать прочную основу для расширенной работы с этими библиотеками - от простых графиков до анимированных трехмерных графиков с интерактивными кнопки.

Он служит подробным руководством, которое научит вас всему, что вам нужно знать о Pandas и Matplotlib, в том числе о том, как создавать типы графиков, которые не встроены в саму библиотеку.

Книга «Визуализация данных в Python» , книга для начинающих и средних разработчиков Python, проведет вас через простые манипуляции с данными с помощью Pandas, охватит основные библиотеки построения графиков, такие как Matplotlib и Seaborn, и покажет, как использовать преимущества декларативных и экспериментальных библиотек, таких как Altair. В частности, на протяжении 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 виде множества инструментов, которые вы можете использовать в своей карьере.

comments powered by Disqus