Python Matplotlib Cheat Sheets - Plato AiStream V2.1

Genudgivet af Platon

Abonnenter: 0

Der er ingen måde, du kan bygge et datavidenskabsprojekt i Python uden at bruge Matplotlib. Faktisk, hvis noget som:

from matplotlib import pyplot as plt

ikke er blandt de første 3 eller fire linjer i din kode, så mangler der noget. Matplotlib er det mest berømte og mest brugte plottebibliotek i Python. Det giver dig mulighed for at skabe klare og interaktive visualiseringer, der gør dine data nemmere at forstå og dine resultater mere konkrete.

Dine visualiseringer kan ændre, hvordan dine resultater vil blive opfattet af andre, uanset om du præsenterer for dine kunder eller dine kolleger. For at skabe overbevisende visualiseringer skal du være i stand til at udnytte al den kraft, Matplotlib tilbyder.

Dette er, hvad denne artikel er til, nogle ressourcer til at hjælpe dig med at starte, øve og mestre at bruge Matplotlib til at skabe visualiseringer, der stærkt understøtter dine resultater.

Hvis du er ny inden for datavidenskab eller prøver at genopfriske din viden, er et glimrende sted at starte de 90 minutter Matplotlib på freecodecamp.

[indlejret indhold][indlejret indhold]

Et andet godt sted at starte er denne artikel af geeksforgeeks der tager dig trin for trin fra installation af Matplotlib til at skabe en smuk visualisering på mindre end 5 minutters læsning.

Hvis du vil vide, hvordan man laver interaktiv visualisering med Matplotlib, vil denne video fra UCLAs avancerede forskningslaboratorium vise dig grundlaget, og alle anvendte materialer er tilgængelige på GitHub.

[indlejret indhold][indlejret indhold]

Når du har et solidt grundlag for det grundlæggende, er det altid rart at have en oversigt over de almindeligt anvendte funktioner i Matplotlib, som du helt sikkert vil bruge, når du opretter dine datavidenskabelige projekter.

Så lad mig dele mine 3 bedste Matplotlib-snydeark med dig.

Python Matplotlib Cheat Sheets
Billedkilde: Matplotlib

Uanset om du er nybegynder, øvet eller avanceret bruger af Matplotlib, kan du finde alt, hvad du ønsker på den officielle Matplotlib hjemmeside. Disse snydeark inkluderer hits og kodestykker til at skabe, redigere og endda animere dine plots. Udover snydearkene tilbyder de også guider med grundlæggende funktionaliteter baseret på dit niveau af erfaring med at bruge biblioteket.
Dernæst er det snydeark lavet af Datacamp. Datacamp tilbyder pdf/png-versioner af snydearket, og du kan finde kodestykkerne på samme webside. Dette er fantastisk, hvis du vil kopiere og indsætte uddragene for at prøve dem, før du redigerer dem eller inkorporerer dem i din kode.
Sidst men ikke mindst tilbydes et ligetil snydeark også som pdf og webside af CodeAcademy. Dette enkle snydeark hjælper dig med at fastlægge det grundlæggende i at bruge Matplotlib.

Python Matplotlib Cheat Sheets
Billedkilde: DataCamp

Disse ressourcer hjælper dig med at opbygge en solid forståelse af Matplotlib. Men hvis du vil tage den ekstra mil for at mestre biblioteket, denne uddeling af de officielle Matplotlib-skabere og dette regenerativ artikel vil lære tips og tricks til at tage dine plots og visualiseringer til næste niveau.

At vide, hvordan man skaber overbevisende visualiseringer er en vigtig færdighed, som enhver dataforsker har brug for for at udmærke sig i deres job. Jeg håber, du kan bruge disse ressourcer til at opbygge og forbedre dine datavisualiseringsfærdigheder og tage din karriere til næste niveau.

Sara Metwalli er ph.d. kandidat ved Keio University, der forsker i måder at teste og fejlfinde kvantekredsløb på. Jeg er IBM-forskerpraktikant og Qiskit-fortaler, der hjælper med at bygge en mere kvantefremtid. Jeg er også skribent på Medium, Built-in, She Can Code og KDN og skriver artikler om programmering, datavidenskab og teknologiske emner. Jeg er også en leder i Woman Who Code Python internationale kapitel, en togentusiast, en rejsende og en fotografelsker.