Loading

Alison's New App is now available on iOS and Android! Download Now

Study Reminders
Support
Text Version

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Différents types de graphiques Matplotlib de base

00:00 Conférencier 1: Ce qui se passe, tout le monde, et bienvenue dans la deuxième partie de la section 2 pour la visualisation des données avec Python à l'aide de matplotlib. Donc dans cette section, nous allons juste parler des options de traçage de base, comment utiliser matplotlib et tout ça. Maintenant, l'une des versions les plus basique du graphique que nous pouvons peut-être faire est celle où nous avons juste quelques points et ensuite nous connectons ces points par des lignes et ceci est généralement simplement appelé un graphique linéaire. C'est aussi le graphe par défaut de matplotlib dans la plupart des cas et il fait une grande introduction au module. Donc d'abord pour utiliser la plus grande partie de matplotlib typiquement vous allez avoir le premier liner et import, il va être importé "matplotlib.pyplot" comme plt. Les cadres pyparcelles sont maintenant l'un des principaux cadres de création de graphiques et de graphiques à matplotlib.

01:02 S1: En tant que note secondaire, l'idée originale pour matplotlib était d'avoir globalement mimique le cadre de traçage MATLAB. MATLAB pour ceux d'entre vous qui ne savent pas, c'est une langue de haut niveau avec un style de développement interactif comme ce que peut être Python, bien que MATLAB soit presque exclusivement utilisé par les ingénieurs et les scientifiques. Il n'est pas aussi générique ou général que Python peut l'être. Et maintenant vraiment il n'y a rien MATLAB fait que Python ne le fait pas. Donc c'était une sorte de pourquoi le créateur de matplotlib ou des créateurs a vu qu'il y avait un peu de trou sur Python en ce qui concerne la graphologie scientifique. Une fois que vous l'avez importé, vous êtes prêt à faire des graphiques de base, vous n'avez pas besoin d'autres importations que ce module pygraphique. Maintenant ce que nous allons faire c'est, faisons juste un tracé très simple pour que nous puissions utiliser le plt et la raison pour laquelle nous importons ceci comme prt que vous pouvez importer à partir de matplotlib import pyplot et ce serait totalement fin.

02:06 S1: C'est juste que la plupart des gens ont tendance à utiliser du plt comme la main courte pour pyploi, donc c'est juste une sorte de standard que les gens utilisent pour continuer à utiliser cette norme. Maintenant avec pyplot nous pouvons utiliser la méthode dotplot pour que nous puissions faire "plt.P-L-O-T, plt.plot", et nous pouvons l'utiliser pour créer un graphe en arrière-plan. Maintenant avec la plupart des graphiques ce qui se passe est le type d'ordinateur de tirage tout en arrière-plan, de sorte qu'il crée ce genre d'image en coulisses en ce qui concerne tous les graphismes. Et il dessine tout ce genre de choses en arrière-plan. Et puis à la fin même quand nous sommes tous faits modifier l'image, elle l'amènera à l'écran pour l'afficher à l'utilisateur. Donc maintenant, nous avons juste une ligne que nous allons tracer, mais peut-être plus tard vous avez huit lignes que vous tracez sur un graphique ou peut-être que vous avez plusieurs figures et sous-parcelles et tout ce genre de trucs et peut-être que vous avez une légende et des étiquettes, un titre et toutes sortes d'autres choses.

03:07 S1: Comme vous pouvez l'imaginer si vous l'avez montré à chaque étape du chemin, cela serait plutôt inefficace aussi en ce qui concerne les graphiques. C'est le rendu des graphiques qui prend le plus de traitement dans la plupart des cas. Donc "plt.plot", puis ici vous avez mis des paramètres et il y a en fait beaucoup d'arguments et de mots clés, ou args et kwargs que vous pouvez passer ici, mais le plus basique c'est passer un X et un Y. Ou vous êtes X et Y, donc pour maintenant nous allons en faire des listes et nous en utiliserons un, deux, trois, quatre et cinq, et ensuite nous allons mettre ... Donc ce sont des variables X et nous allons juste en faire quelques chiffres. Vous pouvez copier le même numéro que je choisis ou vous pouvez faire votre propre compte.

03:54 S1: Une fois que vous avez fini de tracer toutes les choses que vous voulez tracer et de faire toutes les autres choses que vous pourriez vouloir faire, nous allons juste garder celle-ci aussi simple que possible. Ce que nous voulons, c'est amener le graphique avec un "plt.show". Maintenant, à moins que nous ne faisons quelque chose avec peut-être la fonctionnalité animée de matplotlib il n'y a vraiment pas de modification d'un graphique une fois que vous l'avez montré. Et quand vous appelez "plt.show" comme ça. Lorsque vous appelez cela, votre script fera une pause. Ainsi, par exemple, nous pourrions dire "Imprimer", d'accord. Donc, cela s'imprimera à la console quand nous arriverons réellement à cette ligne. Alors, allons-y et économiez-vous, si vous n'êtes pas familier avec le lâcher en veille, vous pouvez coder et vous pouvez soit appuyer sur F5 et c'est assez bien, soit vous pouvez simplement aller à l'exécution et exécuter le module. J'appuie en général F5 donc je dis habituellement, "sauver et courir" ou juste s'exécuter et ensuite il vous demandera si vous voulez sauver le module il va apparaître avec une petite fenêtre comme celle-ci. Je vais aller de l'avant et dire "oui". Et puis à partir de là, il va courir et nous devrions avoir notre graphique popped ici dans une seconde, elle est là, et c'est ça, donc un vrai graphe simple. Maintenant je vais faire venir la console ici et comme vous pouvez voir que nous n'avons pas imprimé ça "got here" pour le moment, donc nous pourrions fermer ça et ensuite ça dit, "got here." Une chose que vous pourriez faire est, vous pourriez tracer un graphique faire quelques modifications que nous pourrions ...

05:20 S1: Nous allons juste envisager de faire quelques modifications ici, montrer que le graphe est cool, proche, et vous pouvez voir que rien ne s'est passé, n'est-ce pas? Et la raison pour laquelle c'est une fois que vous sortirez et que vous sortirez qui va effacer le tracé afin d'obtenir plus ou un autre graphique, disons que vous faites le graphique ici et que vous l'avez montré, puis vous ne l'avez pas imprimé, nous n'avons plus besoin de montrer que j'étais juste en train de montrer qu'il arrêtait le code à ce moment-là, mais vous tracez ici, disons et vous utilisez la représentation graphique et quand vous fermez ce graphe, il va se débarrasser de tout ce truc de fond de sorte que vous aurez vraiment besoin de re-call "plt.plot" comme ça pour le montrer à nouveau, d'accord? Juste au cas où vous chercheriez à apporter des modifications ou quoi que ce soit de ce genre.

06:09 S1: Donc de toute façon, c'est pour une introduction vraiment basique sur la façon dont matplotlib va fonctionner, mais encore une fois, vous devez importer matplotlib sous une forme mais pour la partie la plus en dehors de la porte tout ce dont nous avons vraiment besoin est Pyplot. A partir de là, vous pouvez utiliser la méthode dotplot ici et pendant que vous pouvez passer beaucoup d'autres arguments et des arguments de mots clés dont nous parlerons plus tard, vous avez juste besoin de passer un X et un Y, et enfin vous faites un "plt.show".

06:36 S1: Des erreurs que vous pourriez avoir sur la route, ce serait quelque chose comme ça. Disons maintenant X, il a cinq variables et Y a cinq variables, mais que si X avait six variables et nous essayons de tracer ça? Vous voyez que nous avons cette mauvaise erreur et c'est une erreur de valeur et vous obtenez ça ... Principalement, les X et les Y doivent avoir la même première dimension. Fondamentalement ce que cela signifie est la longueur, donc si c'est une erreur, quand vous voyez cette erreur, vous devriez juste savoir automatiquement que, "Oh, X et Y ont une longueur différente." Et beaucoup de fois X et Y vont être des variables dynamiques pour qu'ils ne soient pas comme ... C'est noir et blanc car c'est là que vous pouvez l'observer visuellement et être comme un, deux, trois, quatre, cinq. Non.

07:16 S1: Vous pouvez avoir des milliers de points et vous ne regardez même pas qu'ils sont des variables sauvegardées et vous ne les regardez jamais vraiment. Mais si vous voyez cette erreur, normalement ce que je ferai, c'est que je vais imprimer le len de X et ensuite vous pouvez faire la même chose ici, printlenY. Évidemment, nous n'avons pas X et Y, mais en théorie, vous avez X égal à cette liste et Y égal à cette liste. Et si c'est un peu différent ou peut-être qu'il n'y a qu'un seul chiffre, c'est comme un plus grand ou quelque chose comme ça, vous pouvez travailler sur la fixation de votre graphe. Mais gardez cela à l'esprit que si ce n'est pas la même longueur, vous obtiendrez ce n'est pas la même erreur de première dimension.

07:56 S1: Ça a été fait trois lignes, des trucs vraiment simples. Matplotlib n'est pas trop mauvaise. Bien que quiconque prenne une classe de maths ou quoi que ce soit sait que nous devons avoir d'autres choses comme des titres et des trucs comme celui-ci dans nos graphiques, c'est ce à quoi nous allons parler dans la prochaine partie, c'est faire des titres, des étiquettes et du texte et des trucs comme ça, alors restez à l'écoute pour ça.
00:00 Président 1: Bonjour, tout le monde, et bienvenue à la troisième partie de la Section 2 de notre visualisation des données avec les séries de tutoriels Python et matplotlib. Dans cette partie, nous allons parler des titres et des étiquettes à nos graphiques. Donc nous allons juste courir ce vrai rapide, et montrer notre courant ... C'est notre graphique. Donc plutôt un graphique de base, rien de trop fantaisie ici. Maintenant, si tu as déjà pris une classe de maths à l'école, tu sais que les graphiques ont besoin de titres et d'étiquettes, sinon, tu as raté des points sur tes devoirs. Alors que parfois c'est super évident ce que votre graphique représente, vos téléspectateurs ... Et peut-être que c'est super évident pour vous, mais vos téléspectateurs pourraient ne pas le savoir. Et les gens ont tendance à glaçer sur des données et des trucs. Donc c'est utile si on peut ajouter des étiquettes et des titres, et des trucs comme ça. Donc les gens s'attendent, du moins, à voir un titre de ce que représentent ces données. Et en général, nous voulons aussi voir les étiquettes X et Y. Parfois, le label X est si évident, peut-être que c'est un horodatage, ou quelque chose comme ça, alors nous savons que c'est des temps.

01:04 S1: Mais en général, nous voulons aussi étiqueter l'axe des Y, simplement parce que, beaucoup de fois, c'est l'axe des Y que nous ne savons pas vraiment ce qu'il représente. Mais parfois vous pouvez avoir du temps sur l'axe des Y, ou quelque chose qui est évident. Mais il est toujours préférable de les protéger et de les étiqueter. Quoi qu'il en soit, l'étiquetage et l'ajout de titres, et des trucs dans matplotlib est assez simple. Donc, aller de l'avant, ce que nous allons de l'avant et faire, c'est convertir cela en un exemple un peu plus réaliste de la façon dont vous aurez des tracés. Tu auras un X, puis un Y, et ça va être égal à quelque chose. Dans notre cas, nous garderons les listes que nous avons ici. Mais en général, vous pouvez avoir une sorte de fonction, ou quelque chose qui attribue ces valeurs. Je vais changer ça pour que notre graphique soit un peu plus intéressant. Nous y allons. Et quand on intrigue, on va tracer X, et alors Y comme ça. Donc maintenant nous avons un M, de toute façon.

[ rire ]

02:07 S1: En général, quand vous allez tracer quelque chose, vous n'allez pas tout coder. Donc, si vous avez du mal à coder, pourquoi utilisons-nous des programmes de toute façon. Maintenant que nous avons comploté, nous avons pillé et ensuite ce que nous allons faire, c'est que nous allons venir ici, et nous allons juste dire, "plt.xlabel ", et c'est exactement ce à quoi ça ressemble. C'est le label de notre axe des x. Donc on va dire, le label X est égal à, et puis on passe juste une ficelle ici, le numéro de tracé. Il y a d'autres paramètres qui nous parleront probablement plus tard, mais pour l'instant nous allons juste passer un texte simple. Ensuite, nous pouvons aussi passer un "plt.ylabel", et ceci sera pour l'axe des y. L'axe des X est l'axe du bas, l'axe des y est celui qui monte et descend. Donc vous avez un numéro de tracé, et ensuite pour le label y, nous allons juste dire, "Un nombre aléatoire," parce que c'est ce qu'il est. Donc maintenant on peut sauver et courir ça. Et ce que nous obtenons ici est un graphique, et il peut être difficile de voir à l'écran pour y'all, mais vous devriez être en mesure de le voir sur le vôtre.

03:13 S1: Maintenant vous avez ces marques ici, et vous avez aussi ce label sur les X et Y, et aussi votre axe Y est formaté automatiquement pour être en haut et en bas avec l'axe. Vous n'avez même pas besoin de coder pour ça. Donc c'est plutôt cool. Ensuite, nous pouvons également ajouter un titre. Et faire ça c'est assez simple. On fait juste "plt.title". Bam. Et ce que nous allons faire est d'ajouter le titre, et nous allons juste appeler ça un "graphe Epic", parce que c'est ce qu'il est. Alors économisons et exécutez ça, et ça suffit, on y va. Nous avons un titre ici qui est juste automatiquement légèrement plus grand que les autres étiquettes, et des trucs comme ça. Maintenant, vous avez parfois un titre vraiment très long. Epic graphe, et j'essaie de penser à quelque chose que nous pouvons ajouter ici. "Epic graph tutorial for dataviz," cause we're cool, "In Python with matplotlib." Voyons si c'est assez long pour être un problème. No [ chuckle ] "Tutoriel montrant les étiquettes et les titres". Ok, ça devrait être assez long. Donc on va économiser et courir. Et bien sûr, nous voyons, d'accord, oui, ça marche hors de l'écran, et ce n'est pas bon, et personne ne veut un titre vraiment long comme ça d'une façon ou d'une autre.

04:36 S1: Donc ce que nous pouvons faire c'est que nous pouvons utiliser la nouvelle ligne pour nous débarrasser de cet espace supplémentaire là, et ensuite utiliser des barres obliques. Donc c'est la barre oblique qui est au-dessus de votre clé d'entrée, pas celle qui est à gauche de votre quart de travail. Donc n, et c'est un nouveau caractère de ligne, et matplotlib va le reconnaître, et le mettre sur une nouvelle ligne pour nous. Donc maintenant on peut faire ça, et vous allez voir ici que maintenant vous avez "Epic graph tutorial for dataviz in Python and matplotlib tutorial affichant les labels et les titres." Donc maintenant c'est un peu plus facile à lire et ce n'est pas en dehors de la page. Ok. En fait, je veux ce graphique. Et l'autre chose que je veux que nous parions avant d'être trop profond, c'est ce que nous devrions faire dans ces fenêtres. Alors, faisons ça un peu plus gros ici. Donc vous pouvez voir qu'il y a un tas de boutons ici en bas à gauche. Et chaque bouton fait des choses assez différentes. Mais vraiment, jusqu'à ce que nous commençons à faire quoi que ce soit, les trois premiers boutons sont pratiquement sans valeur. Alors jouons avec ce quatrième, donc celui-ci est comme une croix. Cliquez sur ça et vous verrez que votre curseur a changé un peu. Et ce que nous pouvons faire c'est, quand nous le faisons, nous pouvons cliquer-et-tenir sur le graphe, et en gros cliquer-et-faire glisser le graphique.

05:56 S1: Par défaut, matplotlib va essayer de vous assurer que votre graphe est sympa et centré sur la page et vous pouvez voir tous les points. Et c'est à propos de ça. Mais vous pouvez faire bouger les choses, ou quoi que ce soit, et c'est comme ça que vous le feriez. Maintenant, la prochaine chose à la droite c'est ce bouton de zoom et ça fait exactement ce qu'on dirait. Vous pouvez zoomer. Donc, vous obtenez ça, puis vous cliquez et vous tombez en gros. Donc, cliquez et faites glisser la boîte. Bam. Et vous allez zoomer sur ce point. La suivante est ces sous-placettes configurées qui sont à droite de la recherche. Nous allons cliquer sur ça et nous avons cette petite fenêtre de curseur. Et ceci sera un peu plus utile plus tard, mais c'est une sorte de ... Je ne sais pas. Alignements en nature des principes du graphique. Mais vous allez voir ici. Donc, à gauche, on peut ajuster ça et c'est comme ça que l'espace est à gauche du graphe. Donc, vous pouvez voir que nous pouvons complètement éteindre toutes les tiques et même la colonne vertébrale se perd par zéro-zéro. Ou nous pouvons créer une tonne d'espace qui est tout simplement absurde. Et vous pouvez voir où était l'ancien défaut. Mais nous pouvons le faire pour qu'il utilise tout l'espace, disons. Même chose avec le fond. Vous pouvez faire la même chose. Et puis tu as raison et haut. Et puis vous avez cet espace W et cet espace H. Et avec ce graphique, nous pouvons le faire toute la journée et nous remarquons que rien ne se passe vraiment.

07:16 S1: Cet espace W et cet espace H vont effectivement entrer en jeu lorsque vous avez plusieurs sous-parcelles. Nous y serons. Mais entre les sous-parcelles, il y a aussi un espace entre elles. Vous pouvez y penser, si vous êtes familier avec le HTML. Ou vous pouvez y penser comme un remplissage entre tous les éléments. Donc, de toute façon, c'est cette configuration. Enfin, vous avez la sauvegarde de la figure. Vous pouvez cliquer sur cela et vous pouvez enregistrer une image de ce chiffre quelque part. Donc, vous pouvez l'enregistrer sur le bureau. Vous pouvez l'enregistrer en tant que PNG. Vous pouvez aussi l'enregistrer sous forme de graphiques vectoriels, des trucs comme ça. Et puis, revendu à ces trois premiers. Vous pouvez utiliser ces flèches comme ça serait le dos. Donc, c'est comme un bouton de retour. Donc, vous pouvez revenir en arrière et revenir à l'apparence originale. Et vous pouvez le frapper encore et encore et éventuellement, vous allez au début. Mais ensuite, vous pouvez revenir à l'endroit où nous étions. Et puis, si vous venez juste de vous perdre et que vous ne voulez pas savoir où est à nouveau la maison, vous cliquez sur la maison. Et bam, ça va vous emmener à la vue d'origine. Donc, c'est très utile.

08:17 S1: Donc, c'est pour cette partie. Ce que nous allons faire dans la prochaine partie, c'est parler d'ajouter des légendes. Donc, un peu plus d'informations sur le complot que nous regardons. Il est vraiment utile d'avoir des lignes, surtout si vous avez plusieurs lignes sur un graphique. Fondamentalement, il devient essentiel à ce stade. Donc, de toute façon, c'est ce que nous allons couvrir dans le prochain tutoriel, alors restez à l'écoute pour ça.

00:00 Conférencier 1: Ce qui se passe sur tout le monde et bienvenue dans la quatrième partie de notre section deux avec Data Visualization avec Python dans la série de tutoriels de Matplotlib. Dans cette section, nous parlons des bases de matplotlib et dans cette partie spécifique, nous allons parler de légendes. Par conséquent, outre les titres et les étiquettes, une autre partie intégrante des graphes est une légende qui est presque certainement nécessaire si le graphique a plus d'une ligne, d'un bar ou autre. Donc, ajouter des légendes avec matplotlib est assez simple au début, mais comme tout dans matplotlib, les légendes peuvent être très personnalisées. Pour l'instant, on va s'en tenir à une légende très simple, mais on peut trouver assez rapidement que les légendes peuvent être très bien.

00:49 S1: Donc, vous pouvez les déplacer dans le graphique ou vous pouvez les déplacer à l'extérieur du graphique, mais vous avez peut-être si vous avez un autre sous-complot qui maintenant ils vont dans la façon de l'autre sous-complot et blah blah blah blah blah blah blah. Donc, savoir comment travailler avec eux va être vraiment important et nous en parlerons plus sur la personnalisation de la ligne. Mais au moins pour l'instant, nous ne couvrons qu'un sous-tracé vraiment basique avec une légende de base. Donc, pour avoir une légende, nous avons besoin d'avoir un moyen de dire à la légende ce que sont les lignes. Donc, la légende n'est pas juste de savoir ce que l'étiquette d'une ligne est. Nous devons passer cela et la façon dont nous passerons, c'est à travers la méthode de tracé de l'intrigue circulaire. Donc, ce dont nous avons besoin maintenant, c'est une autre ligne.

01:38 S1: Alors, allons-y et créons une seconde ligne à saisir. Donc, maintenant, nous planifions ces X et Y. Allons de l'avant et allons juste copier le Y ici, descendre, coller, et puis nous allons juste faire ce Y2, et puis nous allons juste passer quelques nouveaux chiffres ici. Ok. Ça sera assez bien. Alors, on ira de l'avant et on fera plt.plot. Il suffit de copier ceci, coller, puis X peut rester le même, mais cette fois le tracé Y2. Maintenant, allons-y et tracons ça et regardez ça. Donc, vous pouvez voir que nous avons deux lignes, mais nous ne savons vraiment pas quelle ligne. Donc, c'est une sorte de point d'une légende. Donc, on peut s'en sortir. Et maintenant, ce que nous ferons, c'est que nous allons juste faire une virgule, une virgule, et nous ajoutons cette fois une étiquette et une étiquette égale, et ensuite on passe un argument de chaîne ici. Donc, ce sera la première ligne, puis ici, nous aurons un label égal et celui-ci sera une nouvelle ligne.

02:41 S1: Donc, maintenant on peut courir ça, non? Et rien ne se passe vraiment. Donc, on a les étiquettes, mais on n'a pas encore de légende. Donc, nous pouvons fermer ça et maintenant nous sommes prêts à ajouter une légende. Donc, ce que nous pouvons faire c'est juste avant le plt.show, on peut appeler cette légende dans. Maintenant, la légende comme tout le reste prend des paramètres et c'est kinda où nous allons sur la personnalisation d'une légende. Mais au niveau le plus basique, il a des valeurs par défaut et la raison pour laquelle vous pouvez juste faire plt.légende. Et puis je vais juste ... Cela fera apparaître une légende. Donc, nous pouvons courir et nous allons voir maintenant en haut à droite ici, nous avons une légende et vous aurez ... Nous avons une petite ligne courte ici, puis c'est la première ligne et une nouvelle ligne.

03:31 S1: Et si vous avez dit des tracés de dispersion ou des marqueurs différents dont nous parlerons plus tard, ils seront marqués ici, ce qui est assez utile en particulier sur la route si vous avez différents types de lignes et tout ça. Ce n'est pas qu'une ligne. Comme si c'était une ligne épaisse, ce sera plus épais et des trucs comme ça. Donc, c'est assez utile. Mais comme vous pouvez le voir, la légende est presque en chemin. Je veux dire, nous pouvons voir que cela va de ce point et ensuite à ce point, mais vous pouvez voir que la légende est en quelque sorte comme ça. Je veux dire, ce serait bien si la légende était comme, je ne sais pas, ici ou toujours pas sur la ligne. Et donc, vous pouvez mettre une légende ici, de ce côté, ou sous le graphique, ou en haut du graphique, ou quelque chose comme ça. Vous pouvez faire ça, ça devient un peu poilu quand vous commencez à le déplacer, mais c'est tout possible.

04:17 S1: Donc, de toute façon, sortons de ça. Et avec la légende et avec quoi que ce soit, comme quand vous appelez le complot par exemple, vous appelez un peu de complot en étant, c'est juste qu'il n'y avait pas de tracé. Mais avec la légende, puisque nous avons déjà les étiquettes ici, c'est pourquoi vous pouvez vous en sortir avec juste appeler plt.légende les paramètres vides et quelque chose s'affiche encore parce que nous avons déjà donné à la légende toutes les choses dont elle a besoin.

04:42 S1: Ok. Donc, c'est vraiment tout ce qu'il y a avec les légendes. Donc, on ira de l'avant et on la coupe ici. Dans le prochain tutoriel, nous allons parler des diagrammes à barres et de la façon de faire un graphique à barres simple avec matplotlib. Alors, restez à l'écoute. 00:00 Conférencier 1: Qu'est-ce qui se passe sur tout le monde? Bienvenue à la cinquième partie de la section deux de notre visualisation de données avec des séries de tutoriels Python et matplotlib. Dans cette partie, ce dont nous allons parler, c'est des diagrammes à barres. Ainsi, les diagrammes à barres sont de simples types de graphiques simples où vous avez des barres de données. Donc, si vous ne savez pas ce qu'est un diagramme à barres, vous êtes sur le point d'en voir un. Mais les chances sont, vous savez déjà ce que l'on est. Donc, ce que nous allons faire, c'est que nous pouvons laisser ce X, Y et vraiment nous pouvons probablement nous en sortir avec ces données exactes ici. Nous allons nous débarrasser de ces étiquettes. Nous allons probablement les réécrire et supprimer tout le reste. La légende, on peut garder. Je ne vois pas vraiment de problème avec ça. Ouais. Alors, allons-y et tracons un bar.

00:46 S1: Donc, pour faire des graphiques à barres, ce que vous avez à faire avec matplotlib est, vous devez juste notifier à matplotlib de vos intentions, fondamentalement, peu importe ce que vous faites. Donc, si vous faites un graphique régulier, c'est bien. Vous faites plt.plot et tout est super. Et tout ce que vous faites est de spécifier un type de ligne, si vous voulez et un type de marqueur, et vous êtes bon à y aller. Ok. Il se trouve que le type de ligne par défaut est une ligne droite, donc nous n'avons pas eu à le faire. Si vous voulez faire un nuage de points, vous devez dire à matplotlib, "Hey, je suis sur le point de lancer des données de nuage de points sur vous." Si vous voulez faire un diagramme à barres, vous devez le dire à l'avance, "Hé, je vais faire un bar." Donc, la façon dont tu fais ça, et si tu ne pouvais pas deviner, c'est un bar. [ rires ] Et donc avec le bar, vous passerez de nouveau Xs et Ys. Donc, on peut faire quelque chose de très simple, un, deux, trois et puis, on peut passer cinq, trois, et quatre. Whoops. Cinq, trois et quatre. Et c'est vraiment ça, c'est tout ce que vous avez à faire, donc nous pourrions vraiment faire un graphique rapide. Et vous y allez, vous avez des bars.

01:48 S1: Et vous avez probablement vu une erreur, et c'est l'erreur. Aucun objet étiqueté n'a été trouvé. Et la raison pour laquelle nous obtenons cette erreur est que nous demandons à la légende de se montrer, mais elle n'a rien à montrer, donc nous obtenons cette erreur. Ce n'est pas un jeu d'erreur ou quoi que ce soit de ce genre. Le code est toujours en cours d'exécution et le script va continuer, mais c'est ce que vous obtenez. Donc, si vous voyez cette erreur, c'est parce que vous demandez une légende et vous ne l'avez pas dit ; vous n'avez rien donné à la légende. Maintenant, nous avons déjà des Xs et des Ys prédéfinis, donc allons-y et faisons X, Y. Et ensuite, donnons-nous une étiquette. Et le label sera juste 1. Et puis, allons-y et tracez un autre, plt.bar, puis gardez X, mais cette fois nous ferons Y aussi. Et le label ici sera 2. Maintenant, on peut sauver et courir ça, et on verra un problème. [ rire ]

02:45 S1: Bien sûr, il y a votre problème. Vous pouvez voir que ... Eh bien, tout d'abord, nous avons des données qui se chevauchent, donc ce n'est pas le meilleur. Mais aussi, on peut voir dans notre légende qu'il s'agit de couleurs différentes. Donc, ça ne nous aide pas non plus. Ainsi, par exemple, ce que nous pourrions faire, c'est changer X, changer X juste pour des exemples. Deux, quatre, six, huit, 10 et ensuite on va faire un X2 est égal à un, trois, cinq, sept, et neuf. Toute autre chose peut rester la même, donc X, X2, ce sera X2. Allons sauver et gérer ça. Nous y allons. Donc maintenant, vous avez beaucoup de bars, mais encore une fois, nous ne pouvons pas vraiment voir quelle part est laquelle ici, donc la prochaine chose que nous devons changer est, nous pouvons changer la couleur de la barre, en particulier. Donc, on peut utiliser la couleur égale ... Et pour l'instant, il suffit d'utiliser G. Okay. Donc, G est pour le vert et on peut changer ça aussi. On peut dire que la couleur est égale ... Whoops. Color est égal à M pour magenta, et nous sauverons et exécutez ça. Et vous y allez, vous pouvez voir que nous avons changé la couleur et vous pouvez voir la nouvelle couleur via la légende et tout est beaucoup plus facile à lire ici.

04:03 S1: Maintenant, bien sûr, nous devrions probablement garder notre ... Ajoutez juste un pt rapide, puis un label X, et ce serait peut-être le numéro de bar ... Et ensuite, plt.ylabelbarheight. Et n'oubliez pas votre L à étiqueter et ensuite, plt.titlebarcharttutorial. C'est toujours une bonne idée de vous assurer que vous avez toujours des étiquettes parce que sinon, les gens sont confus. Donc, on a les couleurs, et on a les étiquettes, et on a la légende, donc c'est un bon graphique à barres, juste un joli diagramme à barres simple. Et puis, bientôt sur la route, quelques sections plus tard, nous parlerons des diagrammes à barres 3D. Donc, ce sera plutôt cool. Donc, c'est en gros, tout ce qu'il y a pour un simple diagramme à barres.

04:56 S1: Maintenant, dans le prochain tutoriel, on va parler d'un histogramme, ce qui est beaucoup de gens les considèrent comme la même chose, mais ils sont assez fondamentalement différents. Donc, c'est ce dont nous parlerons ensuite. Et si vous ne connaissez pas la différence entre un diagramme à barres et un histogramme, vous êtes sur le point de le faire. Alors, restez à l'écoute et merci de regarder. 00:00 Président 1: Bonjour tout le monde et bienvenue à la partie 6 de la section deux de notre visualisation de données avec matplotlib et la série de tutoriel Python. Dans cette partie, ce dont nous allons parler, c'est des histogrammes. Maintenant où ils sont vraiment similaires, les diagrammes à barres et les histogrammes servent à des fins assez différentes. Un diagramme à barres est excellent pour comparer les choses dans les grandes catégories, mais plutôt médiocre pour illustrer les distributions de données au moins à l'extérieur de la boîte. Songez à montrer un tas de résultats de tests. Comment pourriez-vous montrer la répartition des notes, n'est-ce pas? Donc vous pourriez montrer chaque année, mais ça ne serait pas vraiment visuellement si séduit et ça ne ferait même pas vraiment ça pour montrer une distribution parce que vous pourriez avoir comme un bar par grade ou quelque chose qu'une personne a réalisé, mais cela aurait pour résultat une centaine de bars différents et ça serait vraiment désordonné. Maintenant ce que nous voulons faire en général quand nous faisons une sorte de distribution, c'est peut-être que nous voulons se combiner en groupes comme As, Bs, Cs, etc.

01:07 S1: Avec des diagrammes à barres, nous pourrions coder la logique qui traiterait de quelque chose comme ça et nous pourrions toujours utiliser des diagrammes à barres, mais un histogramme a plus de sens à utiliser et matplotlib a des histogrammes intégrés. Donc si c'est votre but, alors vous pouvez aussi bien utiliser la fonctionnalité de l'histogramme intégré. Alors, allons-y et en gros supprimer tout sauf pour le matplotlib.pyplot, nous avons encore besoin de ça. Et disons que vous êtes un professeur et que vous avez des scores de test, donc test_scores égale et alors ce sera juste une liste de scores de test, et vraiment nous pourrions le faire par ordre numérique, mais ça n'a vraiment pas d'importance. Donc je vais juste jeter quelques chiffres ici et vous pouvez me sentir libre de me copier exactement ou simplement jeter dans n'importe quelle sorte de scores de test que vous voulez, mais je vais juste mettre quelques chiffres.

02:04 S1: Nous voulons vraiment avoir une bonne quantité de chiffres et, en gros, n'importe quoi de, je ne sais pas, 40 ans, je l'espère, les gens n'ont pas marqué pire que 40 sur votre test, mais c'est concevable. Et une fois que vous avez fait un tas de chiffres, ce sera bien pour l'instant. Donc nous avons des scores de test et ensuite ce que nous voulons faire est de tracer ces scores de test. Maintenant, tout d'abord, on pourrait faire un tas de Xs en faisant quelque chose comme ça. Donc on peut dire que X est égal et ensuite nous allons faire une liste ici. Donc nous allons faire, puis X et les scores de test, donc nous pourrions faire quelque chose comme ça et exécuter ça. Oh, je n'ai jamais fait le spectacle. Laisse-moi juste l'appeler ici, plt.show, on y va. Et donc ce sont nos résultats de test, n'est-ce pas? Donc, X est juste le numéro. Donc, jusqu'à présent, nous ne savons même pas vraiment si bien, c'est juste le nombre d'étudiants et le score qu'ils ont obtenu. Donc nous pouvons voir quelques personnes cotées ici, presque tout le monde a fait mieux qu'une quarantaine ou tout le monde a fait mieux que 40. Donc vous pouvez le voir, mais il est vraiment difficile de recueillir les idées d'une représentation de cette façon. Au lieu de cela, nous pouvons utiliser un histogramme et me laisser aller de l'avant et ajouter ce plt.show avant d'oublier.

03:31 S1: Je vais laisser ce bar simplement parce qu'il peut être utile. Maintenant, bien en fait, montrons que l'un et ensuite nous allons tracer ici l'autre. Donc pour un histogramme, généralement vous avez ce que l'on appelle des bacs et les bacs sont des conteneurs, c'est comme si vous jetez quelque chose dans un bac. Donc on va dire que les poubelles sont égales, et ensuite nous allons mettre les poubelles de possibles, maintenant le plus bas était un 40. En théorie, on aurait pu passer de zéro à 10 et on peut juste faire à 10, 20, 30, 40, 50, 60, 70, 80, 90, et je suppose que nous aurions pu avoir des gens qui ont marqué une centaine. Donc ce sont nos poubelles. Et puis ce que nous pouvons faire c'est, nous pouvons dire plt.hist, pour histogramme, et ce que nous voulons c'est d'abord que nous faisons les scores d'essai eux-mêmes, puis nous les avons mis dans les différents bacs, et puis nous allons faire'hist type'et ensuite nous allons dire est égal à un bar, puis la largeur de r, c'est juste à quel point les barres sont larges ... Nous allons juste faire 0,8 pour qu'ils ne touchent pas complètement, et ensuite nous pouvons faire un plt.show, et allons de l'avant et courir ça. Et donc c'est l'ancienne version pour que nous en approchez, et voici notre nouvelle version. Donc vous pouvez voir que nous avons 40, 50, 60, 70, 80, 90, 100, plutôt cool. C'est donc un peu plus facile pour la représentation.