ایجاد خطوط خطی با API شی گرا و تابع فرعی در پایتون

نمودار خط ساده با استفاده از Matplotlib

آ طرح خط ساده در Matplotlib یک تجسم اولیه است که رابطه بین دو متغیر (معمولاً با X و Y نشان داده می شود) را با استفاده از یک خط پیوسته نشان می دهد. معمولاً برای نمایش روندها، الگوها یا تغییرات در طول زمان استفاده می شود.

در اینجا نحوه ایجاد یک نمودار خط ساده با استفاده از Matplotlib در پایتون آمده است:

import matplotlib.pyplot as plt
import numpy as np

# Define data values
x_values = np.array([1, 2, 3, 4])  # X-axis points
y_values = x_values * 2           # Y-axis points (twice the corresponding x-values)

# Create the line plot
plt.plot(x_values, y_values)

# Add labels and title
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("Simple Line Plot")

# Display the plot
plt.show()

در این مثال:

• ما از NumPy برای تعریف مقادیر x (نقاط با فاصله یکنواخت از 1 تا 4) استفاده می کنیم.
• مقادیر y دو برابر مقادیر x مربوطه محاسبه می شود.
• را plt.plot() تابع نمودار خط را ایجاد می کند.
• ما برچسب هایی را برای محورها و یک عنوان برای طرح تعیین می کنیم.

اگر می‌خواهید نمونه‌های بیشتری ببینید یا سبک‌های مختلف طرح خط را کشف کنید، به من اطلاع دهید! 🚀

API شی گرا

بیایید به API شی گرا در Matplotlib بپردازیم.

رابط شی گرا (OO):

• API شی گرا به شما کنترل و سفارشی سازی بیشتری را روی نمودارهای خود می دهد.
• این شامل کار مستقیم با اشیاء Matplotlib است، مانند Figure و Axes.
• شما یک را ایجاد می کنید Figure و یک یا چند Axes به صراحت، سپس از روش‌هایی روی این اشیا برای افزودن داده، پیکربندی محدودیت‌ها، تنظیم برچسب‌ها و غیره استفاده کنید.
• این رویکرد، به ویژه برای تجسم های پیچیده، انعطاف پذیرتر و قدرتمندتر است.

حالا بیایید یک مثال ساده با استفاده از رابط شی گرا ایجاد کنیم. ما مسافت طی شده توسط یک جسم تحت سقوط آزاد را با توجه به زمان ترسیم می کنیم.

import numpy as np
import matplotlib.pyplot as plt

# Generate data points
time = np.arange(0., 10., 0.2)
g = 9.8  # Acceleration due to gravity (m/s^2)
velocity = g * time
distance = 0.5 * g * np.power(time, 2)

# Create a Figure and Axes
fig, ax = plt.subplots(figsize=(9, 7), dpi=100)

# Plot distance vs. time
ax.plot(time, distance, 'bo-', label="Distance")
ax.set_xlabel("Time")
ax.set_ylabel("Distance")
ax.grid(True)
ax.legend()

# Show the plot
plt.show()

در این مثال:

• ما ایجاد می کنیم Figure استفاده كردن plt.subplots() و یک Axes هدف – شی (ax).
• را ax.plot() روش برای رسم داده های فاصله استفاده می شود.
• ما طرح را با تنظیم برچسب ها، شبکه و افزودن یک افسانه سفارشی می کنیم.

به راحتی می توانید ویژگی های بیشتر API شی گرا را برای تجسم های غنی تر و پیچیده تر کشف کنید! 🚀\

تابع ()Subplot

را plt.subplot() تابع در Matplotlib به شما این امکان را می دهد که در یک شکل، چندین زیر نمودار ایجاد کنید. شما می توانید این طرح های فرعی را در یک شبکه مرتب کنید و تعداد سطرها و ستون ها را مشخص کنید. در اینجا نحوه کار آن آمده است:

1. ایجاد طرح های فرعی:

   • را plt.subplot() تابع سه آرگومان عدد صحیح می گیرد: nrows، ncols، و index.
   • nrows نشان دهنده تعداد ردیف های شبکه است.
   • ncols تعداد ستون های شبکه را نشان می دهد.
   • index موقعیت قطعه فرعی را در شبکه مشخص می کند (از 1 شروع می شود).
   • تابع an را برمی گرداند Axes شی نشان دهنده طرح فرعی

2. مثال:
   بیایید یک شکل ساده با دو طرح فرعی در کنار هم ایجاد کنیم:

import matplotlib.pyplot as plt
import numpy as np

# Create some sample data
x = np.array([0, 1, 2, 3])
y1 = np.array([3, 8, 1, 10])
y2 = np.array([10, 20, 30, 40])

# Create a 1x2 grid of subplots
plt.subplot(1, 2, 1)  # First subplot
plt.plot(x, y1, label="Plot 1")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("Subplot 1")
plt.grid(True)
plt.legend()

plt.subplot(1, 2, 2)  # Second subplot
plt.plot(x, y2, label="Plot 2", color="orange")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("Subplot 2")
plt.grid(True)
plt.legend()

plt.tight_layout()  # Adjust spacing between subplots
plt.show()

در این مثال:

• ما یک شبکه 1×2 از طرح های فرعی ایجاد می کنیم plt.subplot(1, 2, 1) و plt.subplot(1, 2, 2).
• هر طرح فرعی شامل یک خط ساده با داده های مختلف است (y1 و y2).
• ما برچسب ها، عناوین، و شبکه را برای هر طرح فرعی سفارشی می کنیم.

با تنظیم تنظیمات پیچیده تر، احساس راحتی کنید nrows و ncols مولفه های! 📊🔍