Онлайн-раннер Matplotlib – создавайте и визуализируйте графики на Python
Запускайте и визуализируйте графики на Matplotlib в браузере, без установки, используя Python CLI для легкого тестирования и обучения.
📚 Все учат Matplotlib - а вы?
Загрузка…
💡 Хотите улучшить свои навыки? Эти курсы могут помочь — ознакомьтесь с ними, пока наша модель искусственного интеллекта обрабатывает ваш запрос.
📊 Об этом онлайн-исполнителе Matplotlib
CodeUtility Matplotlib Executor позволяет писать и выполнять код Python с командами построения графиков Matplotlib - прямо в браузере, без настройки и локальной установки. Запускается реальная среда Python с предустановленным Matplotlib, что позволяет мгновенно получать визуальный результат.
Этот инструмент использует последнюю версию Matplotlib и поддерживает типичные библиотеки Python для анализа данных и научных вычислений, включая NumPy и Pandas.
Вы можете создавать 2D-графики, диаграммы рассеяния, гистограммы и кастомные визуализации - инструмент автоматически выводит вашу фигуру и показывает её во всплывающем окне при успешном выполнении кода.
Идеально подходит для начинающих, дата-сайентистов и инженеров, которым нужно быстро поэкспериментировать с кодом визуализации на Python без Jupyter Notebook и локальной установки Python.
Используйте в одном исполнителе многофайловый редактор, изолированный терминал выполнения, библиотеки для выбранной среды, постоянные рабочие пространства, общий доступ и совместную работу в реальном времени.
Как пользоваться этим исполнителем?
Выберите среду выполнения, откройте или создайте файл, напишите код и нажмите «Запустить». Результат появится в терминале. Пользователи, вошедшие в систему, могут хранить файлы в рабочем пространстве, устанавливать библиотеки и совместно работать через общие ресурсы.
- Выберите версию и отредактируйте текущий файл или откройте другой файл рабочего пространства.
- Запустите код, при необходимости введите данные в терминале и просмотрите сохранённую историю запусков.
- Используйте библиотеки, инструменты рабочего пространства, общий доступ и чат, когда для задачи требуется несколько фрагментов кода.
📊 Введение в Matplotlib
1. Что такое Matplotlib?
Matplotlib - популярная библиотека Python для создания статических, анимированных и интерактивных визуализаций. Особенно полезна в анализе данных и научных вычислениях.
import matplotlib.pyplot as plt2. Линейный график
Базовый линейный график по значениям X и Y.
import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [2, 4, 6, 8]
plt.plot(x, y)
plt.title("Линейный график")
plt.xlabel("Ось X")
plt.ylabel("Ось Y")
plt.show()3. Столбчатая диаграмма
Столбчатые диаграммы полезны для сравнения дискретных категорий.
categories = ['A', 'B', 'C']
values = [5, 7, 3]
plt.bar(categories, values)
plt.title("Столбчатая диаграмма")
plt.show()4. Диаграмма рассеяния
Используйте диаграммы рассеяния, чтобы показать связь между двумя числовыми переменными.
x = [1, 2, 3, 4]
y = [10, 20, 25, 30]
plt.scatter(x, y)
plt.title("Диаграмма рассеяния")
plt.show()5. Круговая диаграмма
Круговые диаграммы используются для отображения долей.
labels = ['Яблоко', 'Банан', 'Вишня']
sizes = [30, 40, 30]
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title("Распределение фруктов")
plt.show()6. Гистограмма
Гистограммы помогают понять распределение числовых данных.
import numpy as np
data = np.random.randn(1000)
plt.hist(data, bins=30)
plt.title("Гистограмма")
plt.show()7. Несколько графиков
Стройте несколько графиков в одной фигуре с помощью подграфиков.
x = [1, 2, 3, 4]
y1 = [1, 4, 9, 16]
y2 = [2, 3, 5, 7]
plt.subplot(1, 2, 1)
plt.plot(x, y1)
plt.title("График 1")
plt.subplot(1, 2, 2)
plt.plot(x, y2)
plt.title("График 2")
plt.tight_layout()
plt.show()8. Настройка стилей
Можно настраивать цвета, стили, маркеры и многое другое.
plt.plot(x, y1, color='red', linestyle='--', marker='o')
plt.title("Стилизованная линия")
plt.show()9. Сохранение графика как изображения
Сохраните график в файл изображения с помощью savefig().
plt.plot(x, y1)
plt.savefig("my_plot.png")10. 3D‑график (продвинутое)
Matplotlib также поддерживает 3D‑построения через mpl_toolkits.mplot3d.
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = [1, 2, 3]
y = [2, 3, 4]
z = [5, 6, 7]
ax.scatter(x, y, z)
plt.show()