Summary  
This chapter explains how to generate and customize plots using a Python plotting library’s high-level API with only a few lines of code.

General domain of usage  
Data visualization

**Matplotlib** är ett kraftfullt och allmänt använt Python-bibliotek för att skapa statiska, animerade och interaktiva visualiseringar. Det erbjuder ett flexibelt och anpassningsbart sätt att generera ett brett utbud av diagram och grafer, inklusive linjediagram, stapeldiagram, histogram, spridningsdiagram och fler.

Definition

Trots att det erbjuder omfattande funktionalitet för att skapa olika typer av diagram är det förvånansvärt **lättanvänt**. Dessutom är `matplotlib` **öppen källkod**, vilket innebär att det är fritt tillgängligt och kontinuerligt förbättras av ett stort community.

`matplotlib` är en utmärkt utgångspunkt för att lära sig datavisualisering i Python, eftersom många andra bibliotek är byggda ovanpå det.

Innan vi fördjupar oss i `matplotlib`, låt oss titta på ett exempel på ett diagram som skapats med dess hjälp:

Detta diagram kan skapas med endast några få rader kod. Dessutom är det möjligt att göra det **interaktivt**, vilket visar på `matplotlib` kapacitet. 

De flesta av `matplotlib` verktyg finns i undermodulen `pyplot`, som används genom hela kursen.


import unittest
import ast
import inspect
import user_code

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestMatplotlibImports(unittest.TestCase):
    def setUp(self):
        self.source = inspect.getsource(user_code)
        self.tree = ast.parse(self.source)

    def test_import_without_from(self):
        found = any(
            isinstance(node, ast.Import) and
            any(alias.name == "matplotlib.pyplot" and alias.asname == "plt" for alias in node.names)
            for node in self.tree.body
        )
        _dynamic_test(
            self,
            found,
            "Import without 'from' keyword is correct",
            "Missing or incorrect import without 'from' keyword"
        )

    def test_import_with_from(self):
        found = any(
            isinstance(node, ast.ImportFrom) and
            node.module == "matplotlib" and
            any(alias.name == "pyplot" and alias.asname == "plt" for alias in node.names)
            for node in self.tree.body
        )
        _dynamic_test(
            self,
            found,
            "Import with 'from' keyword is correct",
            "Missing or incorrect import with 'from' keyword"
        )

if __name__ == "__main__":
    unittest.main()


test_import.py

Data finns överallt omkring oss, och att förstå den är oerhört viktigt. Visualisering hjälper dig att hantera data genom att identifiera vissa mönster och insikter. Du kommer att utveckla en gedigen grund inom datavisualisering med Python och dess bibliotek, såsom matplotlib och seaborn, för att få ut så mycket information som möjligt ur data på ett tydligt och koncist sätt.

Först kommer vi att diskutera plottingsapplikationer, Matplotlib-biblioteket och dess fördelar. Därefter kommer du att skapa din första enkla plot med Matplotlib.

Nu är du redo att skapa olika diagram som ofta används i praktiken. Utan vidare dröjsmål, låt oss börja direkt!

Att skapa diagram och visualiseringar handlar inte bara om att generera ett eller flera diagram, utan även om att göra dem tydliga, begripliga och estetiskt tilltalande. Dags att lära sig anpassning av diagram i matplotlib.

Statistik är avgörande vid arbete med data, därför är det mycket viktigt att kunna skapa olika statistiska diagram. Nu är det dags att utforska de vanligaste av dem.

Seaborn är ett annat kraftfullt visualiseringsbibliotek i Python som är byggt ovanpå matplotlib. Nu när du är bekant med matplotlib är det dags att fördjupa sig i visualisering med seaborn.

Varför Är Matplotlib Viktigt?

Lösning

Awesome!

Varför Är Matplotlib Viktigt?

Lösning