آموزش کتابخانه Matplotlib و Seaborn برای رسم نمودار در پایتون

  مصورسازی داده، تجسم‌سازی داده یا Data Visualization ارائه گرافیکی داده است که هدف اصلی آن انتقال بهینه اطلاعات به کاربران از طریق نمایش روابط میان داده‌ها به کمک نمودارها است. Matplotlib از کتابخانه‌های معروف پایتون برای ترسیم نمودارها است.   Seaborn از دیگر کتابخانه‌های پایتون برای مصورسازی است که بر پایه Matplotlib بنا شده و امکانات بیشتری برای کاربران در جهت ترسیم نمودارها فراهم می‌کند. هر دوی این کتابخانه‌ها جزو کتابخانه‌های بسیار پرکاربرد رسم نمودار و مصور سازی داده در پایتون هستند. از آنجایی که یادگیری پکیج‌های Numpy، Pandas، Matplotlib  و Seaborn برای شروع یادگیری داده‌کاوی با پایتون بسیار ضروری است در این گزارش ضمن معرفی انواع نمودارهای پرکاربرد در مصورسازی داده‌ها به آموزش Matplotlib و  به آموزش Seaborn می‌پردازیم.

Matplotlib چیست؟

Matplotlib از کتابخانه‌های رسم نمودار در زبان برنامه‌نویسی پایتون است که به همراه بسیاری از کتابخانه‌های این زبان بر مبنای کار با مقادیر عددی مانند NumPy و Pandas توسعه یافته به کار گرفته می‌شود. Matplotlib برای گنجاندن نمودارها در اپلیکیشن‌ها با استفاده از ابزارهای گرافیکی پایتون مانندTkinter، wxPyton و API مبتنی بر شی گرایی فراهم می‌کند. Matplotlib توسط JohnD.Hunter در سال 2003 توسعه داده شد.

Matplotlib PyPlot چیست؟

matplotlib. pyplot  مجموعه‌ای از دستورات و توابعی است که کتابخانه matplotlib را قادر می‌سازد تا همانند زبان برنامه‌نویسی MATLAB باشد. هر تابع pyplot می‌تواند تغییراتی در شکل نمودار مانند رسم نمودار، ایجاد خطوطی در ناحیه ترسیم شده، ایجاد برچسب برای نمودار و ... ایجاد کند. در matplotlib.pyplot حالت‌های مختلف حین فراخوانی توابع حفظ می‌شود، به طوری که تأثیر مواردی همچون شکل فعلی و ناحیه رسم شده حفظ می‌شود و موارد جدید از تغییرات ناشی از فراخوانی توابع بر روی محورهای فعلی اعمال می‌شود.

در پس زمینه matplotlib چه خبر است؟

Matplotlib موارد استفاده و فرمت‌های خروجی مختلفی را شامل می‌شود. برخی افراد با استفاده از python shell را برای تعامل با matplotlib استفاده می‌کنند و شکل نمودار مانند پنجره‌های pop up برای آن‌ها ظاهر می‌شود مانند دیدن تصاویر نمودار در MATLAB  برخی هم از JupyterNotebook برای نوشتن کدهای خود استفاده می‌کنند و نمودارهای حاصل را به طور inline در همان صفحه زیر کدهای خود می‌بینند که این روش باعث تجزیه تحلیل سریع‌تر و آسان‌تر کدها و نتایج آن‌ها است. برخی هم Matplotlib را به صورت اسکریپت‌هایی برای تولید تصاویر postscript  از شبیه‌سازی‌های عددی استفاده می‌کنند.

برای پشتیبانی تمامی این موارد استفاده Matplotlib قادر است انواع مختلف خروجی را تولید کند و همه این موارد در پس زمینه یا backend این کتابخانه گنجانده شده است.