Matplotlib के साथ डेटा विज़ुअलाइज़ेशन

• Matplotlib, Python में स्टैटिक, एनिमेटेड और इंटरैक्टिव विज़ुअलाइज़ेशन बनाने के लिए एक व्यापक लाइब्रेरी है
• यह आसान चीजों को आसान और कठिन चीजों को संभव बनाती है

विशेषताएँ

• प्रकाशन स्तर के प्लॉट बनाएं
• इंटरैक्टिव आंकड़े बनाएं जिन्हें ज़ूम, पैन और अपडेट किया जा सकता है
• दृश्य शैली और लेआउट को अनुकूलित करें
• कई फ़ाइल स्वरूपों में एक्सपोर्ट करें
• JupyterLab और ग्राफिकल यूजर इंटरफेस में एम्बेड करें
• Matplotlib पर बने तीसरे पक्ष के पैकेजों की एक विशाल श्रृंखला का उपयोग करें

इंस्टालेशन

pip install matplotlib

इम्पोर्ट

import matplotlib.pyplot as plt
import numpy as np

मूल प्लॉट

## नमूना डेटा
x = np.linspace(0, 10, 100)
y = np.sin(x)

## एक साधारण प्लॉट बनाएं
plt.plot(x, y)

## शीर्षक और लेबल जोड़ें
plt.title('सिंपल प्लॉट')
plt.xlabel('X-एक्सिस')
plt.ylabel('Y-एक्सिस')

## प्लॉट दिखाएं
plt.show()

• यह कोड एक साइन वेव प्लॉट जेनरेट करेगा

Matplotlib प्लॉट का एनाटॉमी

फिगर

• यह टॉप-लेवल कंटेनर है जो सभी प्लॉट तत्वों को धारण करता है

एक्सिस

• इमेज का वह क्षेत्र जहाँ डेटा प्लॉट किया जाता है
• एक फिगर में कई एक्सिस हो सकते हैं

एक्सिस

• संख्या रेखा जैसे ऑब्जेक्ट जो प्रत्येक एक्सिस के लिए स्केल और टिक को परिभाषित करते हैं

आर्टिस्ट

• फिगर पर आप जो कुछ भी देख सकते हैं वह एक आर्टिस्ट है (जैसे, Text, Line2D, collections, Patch...)

प्लॉटिंग विकल्प

लाइन स्टाइल

• '-' ठोस रेखा
• '--' बिंदीदार रेखा
• '-.' डैश-डॉट रेखा
• ':' बिंदीदार रेखा

रंग

• 'b' नीला
• 'g' हरा
• 'r' लाल
• 'c' सियान
• 'm' मैजेंटा
• 'y' पीला
• 'k' काला
• 'w' सफेद

मार्कर

• '.' बिंदु मार्कर
• ',' पिक्सेल मार्कर
• 'o' वृत्त मार्कर
• 'v' त्रिकोण_नीचे मार्कर
• '^' त्रिकोण_ऊपर मार्कर
• '<' त्रिकोण_बाएं मार्कर
• '>' त्रिकोण_दाएं मार्कर
• '1' त्रि_नीचे मार्कर
• '2' त्रि_ऊपर मार्कर
• '3' त्रि_बाएं मार्कर
• '4' त्रि_दाएं मार्कर
• 's' वर्ग मार्कर
• 'p' पंचकोण मार्कर
• '*' तारा मार्कर
• 'h' हेक्सागोन1 मार्कर
• 'H' हेक्सागोन2 मार्कर
• '+' प्लस मार्कर
• 'x' x मार्कर
• 'D' हीरा मार्कर
• 'd' पतला_हीरा मार्कर
• '|' vलाइन मार्कर
• '_' hलाइन मार्कर

विभिन्न शैलियों के साथ उदाहरण

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y, linestyle='--', color='r', marker='o', label='Sin(x)')
plt.title('स्टाइल वाला प्लॉट')
plt.xlabel('X-एक्सिस')
plt.ylabel('Y-एक्सिस')
plt.legend()
plt.show()

• यह वृत्त मार्करों के साथ एक बिंदीदार लाल रेखा उत्पन्न करेगा

स्कैटर प्लॉट

x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)
sizes = np.random.rand(50) * 100

plt.scatter(x, y, c=colors, s=sizes, alpha=0.5)
plt.title('स्कैटर प्लॉट')
plt.xlabel('X-एक्सिस')
plt.ylabel('Y-एक्सिस')
plt.colorbar(label='कलर इंटेंसिटी')
plt.show()

• रैंडम डेटा, कलर्ड पॉइंट्स और विविध आकारों के साथ एक स्कैटर प्लॉट बनाता है

बार चार्ट

categories = ['A', 'B', 'C', 'D']
values = [25, 40, 30, 35]

plt.bar(categories, values, color='skyblue')
plt.title('बार चार्ट')
plt.xlabel('श्रेणियाँ')
plt.ylabel('मान')
plt.show()

• विभिन्न श्रेणियों के लिए मान दिखाते हुए एक बार चार्ट जेनरेट करता है

हिस्टोग्राम

data = np.random.normal(0, 1, 1000)

plt.hist(data, bins=30, color='लाइटग्रीन', edgecolor='ब्लैक')
plt.title('हिस्टोग्राम')
plt.xlabel('मान')
plt.ylabel('आवृत्ति')
plt.show()

• डेटासेट के वितरण को प्रदर्शित करता है

सबप्लॉट्स

## एक फिगर और सबप्लॉट्स का एक सेट बनाएं
fig, axs = plt.subplots(2, 2, figsize=(10, 8))

## प्रत्येक सबप्लॉट पर डेटा प्लॉट करें
axs[0, 0].plot(x, np.sin(x))
axs[0, 0].set_title('सबप्लॉट 1')

axs[0, 1].scatter(np.random.rand(50), np.random.rand(50))
axs[0, 1].set_title('सबप्लॉट 2')

axs[1, 0].bar(['A', 'B', 'C'], [5, 10, 15])
axs[1, 0].set_title('सबप्लॉट 3')

axs[1, 1].hist(np.random.randn(1000), bins=30)
axs[1, 1].set_title('सबप्लॉट 4')

## लेआउट समायोजित करें
plt.tight_layout()

## प्लॉट दिखाएं
plt.show()

• एक ग्रिड में व्यवस्थित कई सबप्लॉट के साथ एक फिगर बनाता है

3D प्लॉटिंग

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection='3d')

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

ax.plot_surface(X, Y, Z, cmap='viridis')

ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.title('3D सरफेस प्लॉट')
plt.show()

• एक 3D सरफेस प्लॉट बनाने का तरीका दिखाता है

Imshow (इमेजेज दिखाएं)

## नमूना इमेज डेटा उत्पन्न करें (उदाहरण के लिए, एक ग्रेस्केल इमेज)
image_data = np.random.rand(32, 32)

## imshow का उपयोग करके इमेज प्रदर्शित करें
plt.imshow(image_data , cmap='gray')

## कलर स्केल दिखाने के लिए एक कलरबार जोड़ें
plt.colorbar(label='तीव्रता')

## प्लॉट शीर्षक सेट करें
plt.title('इमेज डिस्प्ले')

## प्लॉट दिखाएं
plt.show()

• यह imshow फ़ंक्शन का उपयोग करके एक ग्रेस्केल इमेज प्रदर्शित करेगा

प्लॉट सहेजना

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.title('सहेजने के लिए प्लॉट')

## प्लॉट सहेजें
plt.savefig('plot.png')

• वर्तमान प्लॉट को एक फ़ाइल में सहेजता है
• समर्थित प्रारूपों में PNG, JPG, PDF, SVG शामिल हैं