pyplot — это модуль в Matplotlib, предоставляющий интерфейс, похожий на MATLAB, для создания графиков. Он содержит набор функций, которые позволяют легко создавать, настраивать и отображать графики. 

pyplot предоставляет удобный способ для быстрого создания визуализаций без необходимости глубокого понимания архитектуры Matplotlib.

Основное назначение pyplot: создание визуализаций

Основное назначение matplotlib.pyplot — предоставление инструментов для создания различных типов графиков и визуализаций данных. Он позволяет визуализировать данные в виде линий, точек, столбцов, гистограмм, круговых диаграмм и многих других форматов. pyplot облегчает интерпретацию данных, выявление закономерностей и представление результатов анализа.

Основы работы с pyplot

Импорт модуля pyplot

Для начала работы с pyplot необходимо импортировать его в ваш Python-скрипт. Обычно используется следующий псевдоним:

import matplotlib.pyplot as plt

Создание простого графика: линия

Простейший пример — построение линейного графика. Рассмотрим пример, где мы визуализируем зависимость количества кликов от дня недели в рекламной кампании:

import matplotlib.pyplot as plt
from typing import List


def plot_clicks_per_day(days: List[str], clicks: List[int]) -> None:
    """Plots the number of clicks for each day of the week."""
    plt.plot(days, clicks)
    plt.show()

# Пример данных
days = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
clicks = [150, 200, 180, 220, 250, 100, 80]

plot_clicks_per_day(days, clicks)

Настройка графика: заголовки, метки осей, легенда

Графики должны быть информативными и легко читаемыми. Для этого необходимо добавлять заголовки, метки осей и легенду.

import matplotlib.pyplot as plt
from typing import List


def plot_clicks_per_day_enhanced(days: List[str], clicks: List[int], campaign_name: str) -> None:
    """Plots clicks per day with title, labels, and campaign-specific customization."""
    plt.plot(days, clicks, label=campaign_name)  # Добавляем label для легенды
    plt.xlabel("Day of the Week")  # Метка оси X
    plt.ylabel("Number of Clicks")  # Метка оси Y
    plt.title(f"Click Performance - {campaign_name}")  # Заголовок графика
    plt.legend()  # Отображаем легенду
    plt.grid(True)  # Включаем сетку для удобства чтения
    plt.show()


# Пример данных
days = ["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"]
clicks = [150, 200, 180, 220, 250, 100, 80]
campaign_name = "Summer Sale Campaign"

plot_clicks_per_day_enhanced(days, clicks, campaign_name)

Сохранение графиков в файл

Созданные графики можно сохранить в различных форматах, таких как PNG, JPG, PDF и SVG.

import matplotlib.pyplot as plt
from typing import List


def save_plot(days: List[str], clicks: List[int], filename: str, campaign_name: str) -> None:
    """Saves the plot to a file."""
    plt.plot(days, clicks)
    plt.xlabel("Day of the Week")
    plt.ylabel("Number of Clicks")
    plt.title(f"Click Performance - {campaign_name}")
    plt.savefig(filename)
    plt.close()  # Закрываем фигуру, чтобы освободить память


# Пример использования
days = ["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"]
clicks = [150, 200, 180, 220, 250, 100, 80]
campaign_name = "Autumn Promotion"
filename = "click_performance.png"
save_plot(days, clicks, filename, campaign_name)

Типы графиков, поддерживаемые pyplot

pyplot поддерживает широкий спектр типов графиков для визуализации данных.

Точечные диаграммы (Scatter plots)

Используются для отображения взаимосвязи между двумя переменными. В контексте интернет-маркетинга, это может быть зависимость между бюджетом рекламной кампании и количеством привлеченных лидов.

import matplotlib.pyplot as plt
from typing import List


def plot_budget_vs_leads(budget: List[float], leads: List[int]) -> None:
    """Plots the relationship between advertising budget and number of leads generated."""
    plt.scatter(budget, leads)
    plt.xlabel("Advertising Budget ($)")
    plt.ylabel("Number of Leads")
    plt.title("Budget vs. Leads")
    plt.show()


# Пример данных
budget = [1000, 2000, 3000, 4000, 5000]
leads = [50, 120, 180, 250, 300]

plot_budget_vs_leads(budget, leads)

Столбчатые диаграммы (Bar plots)

Подходят для сравнения значений между различными категориями. Например, сравнение эффективности различных рекламных каналов (Google Ads, Facebook Ads, SEO) по количеству привлеченных клиентов.

import matplotlib.pyplot as plt
from typing import List


def plot_channel_performance(channels: List[str], customers: List[int]) -> None:
    """Compares the performance of different marketing channels based on customer acquisition."""
    plt.bar(channels, customers)
    plt.xlabel("Marketing Channel")
    plt.ylabel("Number of Customers")
    plt.title("Channel Performance")
    plt.show()


# Пример данных
channels = ["Google Ads", "Facebook Ads", "SEO"]
customers = [200, 150, 180]

plot_channel_performance(channels, customers)

Гистограммы (Histograms)

Используются для отображения распределения данных. Например, распределение возраста посетителей сайта.

import matplotlib.pyplot as plt
from typing import List


def plot_visitor_age_distribution(ages: List[int]) -> None:
    """Plots the distribution of visitor ages."""
    plt.hist(ages, bins=10)
    plt.xlabel("Age")
    plt.ylabel("Frequency")
    plt.title("Visitor Age Distribution")
    plt.show()


# Пример данных
ages = [22, 25, 28, 30, 32, 35, 40, 45, 50, 55, 60, 23, 27, 31, 33, 37, 42, 47, 52, 57]

plot_visitor_age_distribution(ages)

Круговые диаграммы (Pie charts)

Представляют доли различных категорий в общей сумме. Например, доли различных источников трафика на сайте (органический поиск, прямые заходы, переходы из социальных сетей).

import matplotlib.pyplot as plt
from typing import List


def plot_traffic_source_distribution(sources: List[str], percentages: List[float]) -> None:
    """Shows the distribution of website traffic sources in a pie chart."""
    plt.pie(percentages, labels=sources, autopct='%1.1f%%')
    plt.title('Traffic Source Distribution')
    plt.show()

# Пример данных
sources = ['Organic Search', 'Direct', 'Social Media', 'Referral']
percentages = [40, 25, 20, 15]

plot_traffic_source_distribution(sources, percentages)

Графики рассеяния (Scatter plots)

Используются для визуализации взаимосвязей между двумя или более переменными, где каждая точка представляет собой отдельное наблюдение.

Контурные графики (Contour plots)

Используются для визуализации трехмерных данных на двумерной плоскости, где линии контура соединяют точки с одинаковыми значениями.

Настройка внешнего вида графиков

Цвета и стили линий

pyplot позволяет настраивать цвета и стили линий.

Маркеры

Можно изменять форму и размер маркеров.

Размер и тип шрифта

Легко настраиваются размеры и типы шрифтов для текста на графиках.

Сетка

Сетка помогает лучше воспринимать данные на графике.

Легенда

Легенда поясняет, что означают различные элементы графика.

Работа с осями в pyplot

Установка пределов осей

Можно задавать минимальные и максимальные значения для осей, чтобы лучше отобразить интересующий диапазон данных.

Масштабирование осей (линейный, логарифмический)

pyplot поддерживает линейное и логарифмическое масштабирование осей.

Добавление и настройка делений на осях

Можно настраивать количество и формат делений на осях.

Работа с несколькими графиками в одном окне

Функция subplot() для создания нескольких графиков

Функция subplot() позволяет создавать несколько графиков в одном окне.

add_axes(): добавление графика в произвольное место

Метод add_axes() позволяет добавить график в произвольное место окна.

Совместное использование осей между графиками

Можно настроить совместное использование осей между несколькими графиками.

Примеры применения pyplot в различных задачах

Визуализация статистических данных

pyplot можно использовать для визуализации различных статистических данных, таких как средние значения, дисперсии, корреляции и т. д.

Отображение результатов научных вычислений

pyplot широко используется для отображения результатов научных вычислений, таких как решения дифференциальных уравнений, результаты моделирования и т. д.

Создание графиков для отчетов и презентаций

pyplot — отличный инструмент для создания профессиональных графиков для отчетов и презентаций.

Продвинутые возможности pyplot

Анимация графиков

pyplot позволяет создавать анимированные графики.

3D-графика

pyplot поддерживает создание 3D-графиков.

Интерактивные графики

С помощью pyplot и других библиотек можно создавать интерактивные графики, которые позволяют пользователям взаимодействовать с данными.

Заключение

Преимущества использования Matplotlib.pyplot

• Простота использования: pyplot предоставляет простой и интуитивно понятный интерфейс для создания графиков.
• Широкий спектр поддерживаемых типов графиков: pyplot поддерживает множество различных типов графиков, что позволяет визуализировать данные в наиболее подходящем формате.
• Гибкость настройки: pyplot позволяет настраивать практически все аспекты графиков, от цветов и стилей линий до размеров и типов шрифтов.
• Интеграция с другими библиотеками Python: pyplot легко интегрируется с другими библиотеками Python, такими как NumPy и Pandas, что позволяет использовать его для визуализации данных, полученных из различных источников.