آموزش رسم نمودار با Matplotlib در پایتون

در این مقاله قصد داریم آموزش رسم نمودار با Matplotlib در پایتون را به آسان‌ترین روش ممکن یاد بگیریم. اگر به برنامه نویسی علاقه دارید و می‌خواهید داده‌های خود را به شکل بصری نمایش دهید، یادگیری Matplotlib یکی از ضروری‌ترین مهارت‌ها برای شماست. این کتابخانه به شما امکان می‌دهد انواع نمودارها را با چند خط کد ترسیم کنید.

نصب Matplotlib در پایتون

برای شروع آموزش ابتدا باید مطمئن شویم که کتابخانه Matplotlib روی سیستم ما نصب شده است. برای این کار کافی است ترمینال یا cmd را باز کنید و این دستور را وارد کنید:

pip install matplotlib

اگر از Google Colab یا Jupyter Notebook استفاده می‌کنید، نیازی به نصب جداگانه ندارید چون معمولاً این کتابخانه به صورت پیش‌فرض وجود دارد.

شروع آموزش با اولین نمودار

بعد از نصب، نوبت به رسم اولین نمودار ساده می‌رسد. در این مرحله فقط باید دو لیست از داده‌های نمونه بسازیم و آن‌ها را به تابع plot بدهیم:

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 8, 7]
plt.plot(x, y)
plt.title("Simple Line Chart")
plt.xlabel("X axis")
plt.ylabel("Y axis")
plt.show()

در این مثال، با آموزش ساده‌ترین نوع نمودار یعنی **نمودار خطی** آشنا شدیم. متد `plot` برای این نوع نمودار استفاده می‌شود و با دستور `show()` خروجی روی صفحه نمایش داده می‌شود.

آموزش افزودن عنوان و برچسب به نمودار

برای اینکه نمودار شما حرفه‌ای‌تر باشد، باید عنوان و برچسب‌ محورها را اضافه کنید. با استفاده از توابع `title`، `xlabel` و `ylabel` می‌توانید این کار را به راحتی انجام دهید. همچنین می‌توانید از زبان فارسی در این قسمت‌ها هم استفاده کنید، فقط باید فونت پشتیبانی شده نصب شده باشد.

آموزش رسم نمودار میله‌ای

برای رسم نمودار میله‌ای، به جای `plot` از `bar` استفاده می‌کنیم. این نوع نمودار برای نمایش مقایسه‌ای داده‌ها مناسب است:

x = ["Math", "Physics", "English", "Art"]
y = [85, 90, 75, 60]
plt.bar(x, y, color="orange")
plt.title("Student Scores")
plt.xlabel("Subjects")
plt.ylabel("Scores")
plt.show()

در این بخش از آموزش یاد گرفتیم چطور مقادیر مختلف را با رنگ‌های مختلف به صورت میله‌ای نمایش دهیم.

آموزش رسم نمودار دایره‌ای

نمودار دایره‌ای برای نمایش درصدها و سهم‌ها استفاده می‌شود. تابع `pie` برای این کار در دسترس است. در اینجا مثالی ساده برای نمایش سهم فروش در چهار بخش مختلف آورده‌ایم:

labels = ['Books', 'Electronics', 'Clothing', 'Food']
sizes = [25, 35, 20, 20]
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title("Sales Distribution")
plt.show()

با این روش آموزش می‌توانید نسبت بخش‌های مختلف داده را به شکل بصری ببینید.

آموزش ذخیره خروجی نمودار

یکی از قابلیت‌های مهم Matplotlib امکان ذخیره نمودار به صورت تصویر است. برای این کار از تابع `savefig` استفاده می‌کنیم:

plt.plot(x, y)plt.savefig("my_chart.png")

در این مرحله شما یاد می‌گیرید که چطور خروجی برنامه نویسی خود را ذخیره کنید و در مقالات، پروژه‌ها یا سایت خود قرار دهید.

آموزش تنظیم اندازه و رنگ نمودار

می‌توانید اندازه نمودار را با تابع `figure` و رنگ خطوط یا میله‌ها را با پارامتر `color` تغییر دهید. برای مثال:

plt.figure(figsize=(8, 4))plt.plot(x, y, color='green') plt.show()

این مرحله از آموزش به شما کنترل بیشتری روی ظاهر نمودار می‌دهد.

آموزش استفاده همزمان از چند نمودار

گاهی لازم است چند نوع داده را روی یک نمودار رسم کنید. برای این کار می‌توانید چند بار تابع `plot` را صدا بزنید:

x = [1, 2, 3, 4, 5]y1 = [2, 3, 4, 5, 6] y2 = [1, 4, 2, 6, 3] plt.plot(x, y1, label="Line 1", color='blue') plt.plot(x, y2, label="Line 2", color='red') plt.legend() plt.show()

نتیجه‌گیری و ادامه مسیر آموزش برنامه نویسی

در این مقاله یاد گرفتیم که چگونه با استفاده از کتابخانه Matplotlib در پایتون، نمودارهای مختلفی رسم کنیم. این آموزش پایه‌ای‌ترین مفاهیم رسم نمودار را پوشش داد و راه را برای پروژه‌های تحلیلی و بصری‌سازی داده‌ها باز می‌کند.

اگر علاقه‌مند هستید تا این مهارت‌ها را به‌صورت کامل و پروژه‌محور یاد بگیرید، موسسه آموزشی فرهنگ نوین با برگزاری کلاس‌های تخصصی برنامه نویسی در خدمت شماست. در این کلاس‌ها با بهترین اساتید، به‌صورت عملی و از پایه با مفاهیم برنامه نویسی آشنا می‌شوید و وارد بازار کار می‌شوید. برای ثبت‌نام در دوره‌ها از طریق سایت [farhang-novin.com](https://farhang-novin.com) اقدام کنید.

منابع

* matplotlib.org

* realpython.com

* datacamp.com

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *