Как установить matplotlib linux

Визуализация научных данных с помощью пакета matplotlib в Linux

Если вы ищете эффективное, автоматизированное решение для создания высококачественных научных графиков в Linux, обратите внимание на matplotlib — графический научный пакет на базе Python с открытым исходным кодом и лицензией на базе Python Software Foundation license. К его достоинствам можно отнести подробную документацию с примерами, интеграцию с Python и вычислительным научным пакетом NumPy, а также возможность автоматизации операций. В этом руководстве мы рассмотрим несколько примеров создания графиков с помощью matplotlib.

Возможности

— различные типы графиков (диаграммы, точечные, линейные, контурные. );
— синтаксис на базе Python;
— интеграция с научным вычислительным пакетом NumPy;
— исходные данные могут быть списками и кортежами Python, либо массивами NumPy;
— настраиваемый формат графика (масштабы осей, подписи, сетка и т.д.);
— настраиваемый текст (тип шрифта, размер, начертание и т.д.);
— форматирование TeX (уравнения, греческие символы и т.д.);
— совместим с IPython (позволяет строить графики интерактивно из командной оболочки Python);
— автоматизация — использует циклы Python для итеративного построения графиков;
— сохранение графиков в виде изображений (в форматах png, pdf, ps, eps и svg).

Основой эффективной работы matplotlib и многих его особенностей служит синтаксис на базе Python. Есть много научных пакетов, которые позволяют строить качественные графики, но многие из них позволяют делать это непосредственно в вашем коде на Python? Кроме того, могут ли они создавать автоматизированные процедуры для итеративного построения графиков и сохранения их в графических файлах? Matplotlib позволяет выполнять все эти задачи. С его помощью вы можете сэкономить время, тратящееся на создание графиков вручную.

Установка

В первую очередь для работы matplotlib установите Python и NumPy. Инструкции по установке NumPy можно найти здесь .
Для установки matplotlib в Debian или Ubuntu введите следующую команду:

Для установки matplotlib в Fedora или CentOS/RHEL:

Примеры использования Matplotlib

В этом руководстве мы рассмотрим следующие примеры использования matplotlib:

— точечный и линейный графики;
— гистограммы;
— круговые диаграммы.

В этих примерах для выполнения команд matplotlib мы будем использовать скрипты на Python . Обратите внимание, что в скрипте должны быть импортированы модули numpy и matplotlib с помощью команды import. np определяется как ссылка на модуль numpy, а plt — как ссылка на пространство имен matplotlib.pyplot:

Пример 1: точечные и линейные графики

Первый скрипт, script1.py, выполняет следующие задачи:

— Создает три набора данных (xData, yData1 и yData2);
— создает новый рисунок (под номером 1) шириной 8 дюймов и высотой 6 дюймов;
— задает название графика и подписи для осей x и y (все с размером шрифта 14);
— строит график первого набора данных, yData1, как функции набора данных xData в виде точечного графика с круглыми маркерами и подписью «y1 data»;
— строит график второго набора данных, yData2, как функции набора данных xData в виде непрерывной линии красного цвета без маркеров и с подписью «y2 data»;
— размещает легенду в верхнем левом углу графика;
— сохраняет рисунок в формате PNG.

Пример 2: Гистограммы

Второй скрипт, script2.py, выполняет следующие задачи:

— создает набор данных из 1000 нормально распределенных случайных чисел;
— создает новый рисунок (под номером 1) шириной 8 дюймов и высотой 6 дюймов;
— задает название графика и подписи для осей x и y (все с размером шрифта 14);
— строит гистограмму из 40 столбцов с нижней и верхней границами -10 и 10 соответственно;
— добавляет на график текст, используя форматирование TeX для вывода греческих символов (размер шрифта 16);
— сохраняет рисунок в формате PNG.

Заголовки разделов

Пример 3: круговые диаграммы

Третий скрипт, script3.py решает следующие задачи:

— создает набор данных, состоящий из пяти чисел;
— создает новый рисунок (под номером 1) шириной 8 дюймов и высотой 6 дюймов;
— добавляет на рисунок оси с соотношением сторон 1:1;
— задает название графика (размер шрифта 14);
— строит график в виде круговой диаграммы;
— сохраняет рисунок в формате PNG.

Заключение

В этом руководстве показано несколько примеров построения графиков с помощью пакета matplotlib, который является отличным решением для визуализации научных данных в окружении Linux, так как обеспечивает естественную интеграцию с Python и NumPy, возможность автоматизации, и способен создавать разнообразные высококачественные графики. Документацию и дополнительные примеры использования matplotlib можно найти здесь .

Источник

Installation¶

Installing an official release¶

Matplotlib releases are available as wheel packages for macOS, Windows and Linux on PyPI. Install it using pip :

If this command results in Matplotlib being compiled from source and there’s trouble with the compilation, you can add —prefer-binary to select the newest version of Matplotlib for which there is a precompiled wheel for your OS and Python.

The following backends work out of the box: Agg, ps, pdf, svg

Python is typically shipped with tk bindings which are used by TkAgg.

For support of other GUI frameworks, LaTeX rendering, saving animations and a larger selection of file formats, you can install Optional dependencies .

Third-party distributions¶

Various third-parties provide Matplotlib for their environments.

Conda packages¶

Matplotlib is available both via the anaconda main channel

as well as via the conda-forge community channel

Python distributions¶

Matplotlib is part of major Python distributions:

Linux package manager¶

If you are using the Python version that comes with your Linux distribution, you can install Matplotlib via your package manager, e.g.:

• Debian / Ubuntu: sudo apt-get install python3-matplotlib
• Fedora: sudo dnf install python3-matplotlib
• Red Hat: sudo yum install python3-matplotlib
• Arch: sudo pacman -S python-matplotlib

Источник

Matplotlib. Урок 1. Быстрый старт

Первый урок из цикла, посвященному библиотеке для визуализации данных Matplotlib. В рамках данного урока будут рассмотрены такие вопросы как: установка библиотеки, построение линейного графика, несколько графиков на одном и на разных полях, построение диаграммы для категориальных данных и обзор основных элементов графика.

Установка

Варианты установки Matplotlib

Существует два основных варианта установки этой библиотеки: в первом случае вы устанавливаете пакет Anaconda , в состав которого входит большое количество различных инструментов для работы в области машинного обучения и анализа данных (и не только); во втором – установить Matplotlib самостоятельно, используя менеджер пакетов. Про установку Anaconda вы можете прочитать в статье Python. Урок 1. Установка .

Установка Matplotlib через менеджер pip

Второй вариант – это воспользоваться менеджером pip и установить Matplotlib самостоятельно, для этого введите в командной строке вашей операционной системы следующие команды:

Первая из них обновит ваш pip , вторая установит matplotlib со всеми необходимыми зависимостями.

Проверка установки

Для проверки того, что все у вас установилось правильно, запустите интерпретатор Python и введите в нем следующее:

После этого можете проверить версию библиотеки (она скорее всего будет отличаться от приведенной ниже):

Быстрый старт

Перед тем как углубиться в дебри библиотеки Matplotlib , для того, чтобы появилось интуитивное понимание принципов работы с этим инструментом, рассмотрим несколько примеров, изучив которые вы уже сможете использовать библиотеку для решения своих задач.

Если вы работаете в Jupyter Notebook для того, чтобы получать графики рядом с ячейками с кодом необходимо выполнить специальную magic команду после того, как импортируете matplotlib ::

Результат работы выглядеть будет так, как показано на рисунке ниже.

Если вы пишете код в .py файле, а потом запускаете его через вызов интерпретатора Python , то строка %matplotlib inline вам не нужна, используйте только импорт библиотеки.

Пример, аналогичный тому, что представлен на рисунке выше, для отдельного Python файла будет выглядеть так:

В результате получите график в отдельном окне.

Далее мы не будем останавливаться на особенностях использования magic команды, просто запомните, если вы используете Jupyter notebook при работе с Matplotlib вам обязательно нужно включить %matplotlib inline.

Теперь перейдем непосредственно к Matplotlib . Задача урока “Быстрый старт” – это построить разные типы графиков, настроить их внешний вид и освоиться в работе с этим инструментом.

Построение графика

Для начал построим простую линейную зависимость, дадим нашему графику название, подпишем оси и отобразим сетку. Код программы:

В результате получим следующий график:

Изменим тип линии и ее цвет, для этого в функцию plot() , в качестве третьего параметра передадим строку, сформированную определенным образом, в нашем случае это “r–”, где “r” означает красный цвет, а “–” – тип линии – пунктирная линия. Более подробно о том, как задавать цвет и какие типы линии можно использовать будет рассказано с одной из следующих глав.

Несколько графиков на одном поле

Построим несколько графиков на одном поле, для этого добавим квадратичную зависимость:

В приведенном примере в функцию plot() последовательно передаются два массива для построения первого графика и два массива для построения второго, при этом, как вы можете заметить, для обоих графиков массив значений независимой переменной x один и то же.

Несколько разделенных полей с графиками

Третья, довольно часто встречающаяся задача – это отобразить два или более различных поля, на которых будет отображено по одному или более графику.

Построим уже известные нам две зависимость на разных полях.

Здесь мы воспользовались новыми функциями:

figure() – функция для задания глобальных параметров отображения графиков. В нее, в качестве аргумента, мы передаем кортеж, определяющий размер общего поля.

subplot() – функция для задания местоположения поля с графиком. Существует несколько способов задания областей для вывода через функцию subplot() мы воспользовались следующим: первый аргумент – количество строк, второй – столбцов в формируемом поле, третий – индекс (номер поля, считаем сверху вниз, слева направо).

Остальные функции уже вам знакомы, дополнительно мы использовали параметр fontsize для функций xlabel() и ylabel() , для задания размера шрифта.

Построение диаграммы для категориальных данных

До этого мы строили графики по численным данным, т.е. зависимая и независимая переменные имели числовой тип. На практике довольно часто приходится работать с данными нечисловой природы – имена людей, название фруктов, и т.п.

Построим диаграмму на которой будет отображаться количество фруктов в магазине:

Для вывода диаграммы мы использовали функцию bar() .

К этому моменту, если вы самостоятельно попробовали запустить приведенные выше примеры, у вас уже должно сформировать некоторое понимание того, как осуществляется работа с этой библиотекой.

Основные элементы графика

Рассмотрим основные термины и понятия, касающиеся изображения графика, с которыми вам необходимо будет познакомиться, для того, чтобы в дальнейшем у вас не было трудностей при прочтении материалов из этого цикла статей и документации по библиотеке matplotlib .

Корневым элементом при построения графиков в системе Matplotlib является Фигура ( Figure ). Все, что нарисовано на рисунке выше является элементами фигуры. Рассмотрим ее составляющие более подробно.

На рисунке представлены два графика – линейный и точечный. Matplotlib предоставляет огромное количество различных настроек, которые можно использовать для того, чтобы придать графику вид, который вам нужен: цвет, толщина и тип линии, стиль линии и многое другое, все это мы рассмотрим в ближайших статьях.

Вторым, после непосредственно самого графика, по важности элементом фигуры являются оси. Для каждой оси можно задать метку (подпись), основные ( major ) и дополнительные ( minor ) тики, их подписи, размер и толщину, также можно задать диапазоны по каждой из осей.

Сетка и легенда

Следующими элементами фигуры, которые значительно повышают информативность графика являются сетка и легенда. Сетка также может быть основной ( major ) и дополнительной ( minor ). Каждому типу сетки можно задавать цвет, толщину линии и тип. Для отображения сетки и легенды используются соответствующие команды.

Ниже представлен код, с помощью которого была построена фигура, изображенная на рисунке:

Если в данный момент вам многое кажется непонятным – не переживайте, далее мы разберем подробно особенности настройки и использования всех элементов представленных на поле с графиками.

P.S.

Вводные уроки по “Линейной алгебре на Python” вы можете найти соответствующей странице нашего сайта . Все уроки по этой теме собраны в книге “Линейная алгебра на Python”.

Если вам интересна тема анализа данных, то мы рекомендуем ознакомиться с библиотекой Pandas. Для начала вы можете познакомиться с вводными уроками. Все уроки по библиотеке Pandas собраны в книге “Pandas. Работа с данными”.

Источник