Die Datenvisualisierung ist einer der wichtigsten Schritt in der Datenwissenschaft (oder in einer anderen Wissenschaft). Wir als Menschen sind arm darin, Reihen und Zahlenreihen zu verstehen. Aus diesem Grund ist es immer hilfreich, ein Dienstprogramm wie Matplotlib zu haben, um uns dabei zu helfen.

Während Diagramme, die die Beziehung zwischen zwei Variablen wie Größe und Gewicht zeigen.

Dann versuchen die Leute, auf 3D -Diagramme zu wechseln, aber diese sind oft verwirrend und klobig, was den gesamten Zweck der Datenvisualisierung besiegt. Wir brauchen Wärmemaps für Visuals.

Was sind Hitzemaps?

Wenn Sie sich das Bild von einer Wärmekamera ansehen, können Sie eine buchstäbliche Heatmap sehen. Thermalbildgebungskamera repräsentiert eine unterschiedliche Temperatur als unterschiedliche Farben. Das Malbuch spricht unsere Intuition an, dass Rot eine „warme Farbe“ ist und blau und schwarz ist, um kalte Oberflächen darzustellen.

Diese Ansicht des Mars ist ein wirklich gutes Beispiel, in dem die kalten Regionen blau sind, während die wärmeren Regionen weitgehend rot und gelb sind. Die Farbleiste im Bild zeigt, welche Farbe welche Temperatur repräsentiert.

Mit Matplotlib können wir mit einem Punkt (x, y) im Diagramm mit einer bestimmten Farbe assoziieren, die die Variable darstellt, die wir zu visualisieren versuchen. Es muss keine Temperatur sein, es könnte eine andere Variable sein. Wir werden auch a anzeigen Farbbalken daneben, um Benutzern anzuzeigen, was verschiedene Farben bedeuten.

Oft sahen Sie Leute, die Colormaps anstelle von Heatmaps erwähnten. Diese werden oft austauschbar verwendet. Colormap ist ein generischer Begriff.

Installieren und Importieren von Matplotlib und zugehörigen Paketen

Um mit Matplotlib zu beginnen, stellen Sie sicher, dass Sie Python (vorzugsweise Python 3 und Pip) installiert haben. Sie werden auch brauchen Numpy, Scipy Und Pandas mit Datensätzen arbeiten. Da wir eine einfache Funktion zeichnen, nur zwei der Pakete Numpy Und Matplotlib werden notwendig sein.

$ pip Installieren Sie Matplotlib Numpy
#OR, wenn Sie beide Python zwei und drei installiert haben
$ pip3 Installieren Sie Matplotlib Numpy

Sobald Sie die Bibliotheken installiert haben, müssen Sie sicherstellen, dass sie in Ihrem Python -Programm importiert werden.

Numph als NP importieren
Matplotlib importieren.Pyplot als PLT

Jetzt können Sie die von diesen Bibliotheken gelieferten Funktionen mithilfe von Syntax verwenden np.numpyfunction ()Und PLT.einige anderefunktion ().

Ein paar Beispiele

Beginnen wir mit der Darstellung einer einfachen mathematischen Funktion, die Punkte in einer Ebene (ihre X- und Y -Koordinaten) aufnimmt und ihnen einen Wert zuweist. Der folgende Screenshot zeigt die Funktion zusammen mit dem Diagramm.

Die verschiedenen Farben repräsentieren unterschiedliche Werte (wie durch die Skala neben dem Diagramm angegeben). Schauen wir uns den Code an, mit dem dies generiert werden kann.

Numph als NP importieren
Matplotlib importieren.Pyplot als PLT
# Mathematische Funktion, die wir zeichnen müssen
def z_func (x, y):
return (1 - (x ** 2 + y ** 3)) * np.exp (-(x ** 2 + y ** 2) / 2)
# Einstellungswerte einrichten
x = np.Arange (-3.0, 3.0, 0.1)
y = np.Arange (-3.0, 3.0, 0.1)
X, y = np.Meshgrid (x, y)
# Berechnung des Ausgangs und Speichern im Array Z
Z = z_func (x, y)
IM = PLT.IMshow (Z, CMAP = PLT.cm.RDBU, Ausmaß = ( -3, 3, 3, -3),
Interpolation = 'bilinear')
PLT.Colorbar (IM)
PLT.title ('$ z = (1-x^2+y^3) e^-(x^2+y^2)/2 $')
PLT.zeigen()

Das erste, was wir bemerken müssen, ist, dass wir nur Matplotlib importieren.Pyplot einen kleinen Teil der gesamten Bibliothek. Da das Projekt ziemlich alt ist, hat es im Laufe der Jahre viele Dinge angesammelt. Zum Beispiel Matplotlib.Pyplot war früher beliebt, ist aber jetzt nur ein historisches Relikt und importieren Sie es nur noch mehr Aufblähen in Ihrem Programm.

Als nächstes definieren wir die mathematische Funktion, die wir planen möchten. Es dauert zwei Werte (x, y) und gibt den dritten Wert Z zurück. Wir haben die Funktion, die sie noch nicht verwendet hat, definiert.

Der nächste Abschnitt übernimmt die Aufgabe, ein Array von Eingabetwerten zu erstellen. Dafür verwenden wir Numpy, obwohl Sie das Build in verwenden können Bereich() Funktion dafür, wenn Sie möchten. Sobald die Liste der X- und Y -Werte erstellt wird (im Bereich negativer 3 bis 3), berechnen wir den Zwert daraus.

Nachdem wir unsere Eingänge und Ausgänge berechnet haben, können wir die Ergebnisse zeichnen. Der PLT.IMshow () Sagt Python, dass das Bild mit Z befasst sein wird, was unsere Ausgangsvariable ist. Es heißt auch, dass es ein Colormap sein wird, ein CMAP, mit rotblau (Rdbu) Skala, die sich von -3 auf 3 auf beiden Achse erstreckt. Der Interpolation Der Parameter macht den Diagramm reibungsloser, künstlich. Andernfalls würde Ihr Bild ziemlich pixiert und grob aussehen.

Zu diesem Zeitpunkt wird die Grafik erstellt, nur nicht gedruckt. Anschließend fügen wir die Farbleiste auf der Seite hinzu, um die unterschiedlichen Werte von Z mit unterschiedlichen Farben zu korrelieren und die Gleichung im Titel zu erwähnen. Diese werden in Schritten durchgeführt PLT.Colorbar (IM) Und PLT.Titel(… ). Das Aufrufen der Funktion zeigt uns schließlich die Grafik auf dem Bildschirm.

Wiederverwendbarkeit

Sie können die obige Struktur verwenden, um alle anderen 2D -Colormap zu zeichnen. Sie müssen sich nicht einmal an mathematische Funktionen halten. Wenn Sie in Ihrem Dateisystem riesige Datenarrays, möglicherweise Informationen zu einer bestimmten Demografie oder anderen statistischen Daten haben, können Sie dies anschließen, indem Sie das ändern, indem Sie das ändern X, y Werte, ohne den Colormap -Abschnitt zu ändern.

Ich hoffe, Sie haben diesen Artikel nützlich gefunden und wenn Sie ähnliche Inhalte mögen, lassen Sie es uns wissen.