بتل کد Battle Codeدارد باز می‌شود…

آموزش پایتون

رسم نمودار با matplotlib در پایتون: آموزش ساده با مثال

۱۱ دقیقه مطالعه · ۳۰ مهر ۱۴۰۵

فهرست مطالب
  1. matplotlib چیست و چرا نمودار بکشیم؟
  2. اولین نمودار: نمودار خطی با plot
  3. عنوان، برچسب محورها و شبکه
  4. چند خط در یک نمودار و راهنما (legend)
  5. نمودار میله‌ای، دایره‌ای و پراکندگی
  6. ذخیره‌ی نمودار در فایل
  7. مثال کامل: نمودار کارنامه
  8. اجرای matplotlib در بتل کد
  9. سؤال‌های پرتکرار

matplotlib معروف‌ترین کتابخانه‌ی رسم نمودار در پایتون است. با import matplotlib.pyplot as plt و چند خط کد می‌شود نمودار خطی، میله‌ای، دایره‌ای و پراکندگی کشید، به آن عنوان، برچسب محور و راهنما اضافه کرد و نتیجه را به شکل عکس ذخیره کرد. روی کامپیوتر خودت matplotlib را با pip install matplotlib نصب می‌کنی؛ در بتل کد هم کافی است آن را یک بار از صفحه‌ی کتابخانه‌ها نصب کنی تا نمودارها در همان مرورگر کشیده شوند.

در این مقاله قدم‌به‌قدم جلو می‌رویم: اول یک نمودار خطی ساده، بعد عنوان و برچسب و چند خط در یک نمودار، سپس نمودار میله‌ای، دایره‌ای و پراکندگی، ذخیره‌ی نمودار در فایل و در آخر یک مثال کامل: نمودار کارنامه‌ی یک دانش‌آموز. برای فهمیدن مثال‌ها کافی است با لیست و حلقه‌ی for در پایتون آشنا باشی.

matplotlib چیست و چرا نمودار بکشیم؟

فهمیدن یک جدول پر از عدد سخت است، اما یک نمودار در یک نگاه داستان را تعریف می‌کند: کدام روز گرم‌تر بود، کدام درس نمره‌ی کمتری دارد، یا این‌که بیشتر درس خواندن واقعاً نمره را بالا می‌برد یا نه. matplotlib کتابخانه‌ای است که همین کار را با پایتون انجام می‌دهد. دانشمندها، تحلیل‌گرهای داده و کسانی که روی هوش مصنوعی کار می‌کنند هر روز از آن استفاده می‌کنند و کتابخانه‌های دیگری مثل pandas هم برای کشیدن نمودار پشت صحنه از matplotlib کمک می‌گیرند.

matplotlib جزو کتابخانه‌ی استاندارد پایتون نیست؛ یعنی همراه خود پایتون نمی‌آید و باید جدا نصب شود. اگر هنوز با مفهوم کتابخانه آشنا نیستی، مقاله‌ی کتابخانه‌های معروف پایتون را ببین. روی کامپیوتر خودت، در خط فرمان (Command Prompt یا Terminal) این دستور را بنویس:

pip install matplotlib

اگر هنوز پایتون را روی کامپیوترت نصب نکرده‌ای، مقاله‌ی نصب پایتون را ببین. در بتل کد لازم نیست چیزی روی کامپیوتر نصب کنی؛ روش کار را در بخش آخر همین مقاله توضیح داده‌ایم.

pyplot: جعبه‌ابزار نمودار

بیشتر کارها با بخشی از matplotlib به اسم pyplot انجام می‌شود. برنامه‌نویس‌ها تقریباً همیشه آن را با اسم کوتاه plt وارد برنامه می‌کنند:

import matplotlib.pyplot as plt

از این به بعد هر دستوری که با plt. شروع شود، یک کار نموداری انجام می‌دهد: خط کشیدن، نوشتن عنوان، نشان دادن یا ذخیره کردن نمودار.

اولین نمودار: نمودار خطی با plot

نمودار خطی برای نشان دادن تغییر یک چیز در طول زمان عالی است. فرض کن دمای هوا را یک هفته یادداشت کرده‌ای:

import matplotlib.pyplot as plt

days = [1, 2, 3, 4, 5, 6, 7]
temps = [18, 21, 19, 24, 26, 23, 20]

plt.plot(days, temps)
plt.show()

plt.plot دو لیست می‌گیرد: لیست اول عددهای محور افقی (x) و لیست دوم عددهای محور عمودی (y). نتیجه یک خط آبی است که از روز ۱ با دمای ۱۸ شروع می‌شود، تا روز ۵ به ۲۶ می‌رسد و بعد پایین می‌آید. plt.show() نمودار را نشان می‌دهد؛ بدون آن، در بیشتر محیط‌ها چیزی نمی‌بینی.

دو لیست باید هم‌اندازه باشند. اگر یکی هفت عدد داشته باشد و دیگری شش عدد، پایتون خطای ValueError می‌دهد و می‌گوید x و y باید هم‌اندازه باشند. پس اگر خطا گرفتی، اول با len طول لیست‌ها را بررسی کن.

عنوان، برچسب محورها و شبکه

نمودار بدون عنوان مثل جدول بدون سرستون است. این چند دستور نمودار را خوانا می‌کنند:

import matplotlib.pyplot as plt

days = ["Sat", "Sun", "Mon", "Tue", "Wed", "Thu", "Fri"]
temps = [18, 21, 19, 24, 26, 23, 20]

plt.plot(days, temps, color="red", marker="o")
plt.title("Temperature this week")
plt.xlabel("Day")
plt.ylabel("Temperature (C)")
plt.grid(True)
plt.show()

این بار زیر محور افقی اسم روزها نوشته شده، خط قرمز است و دمای هر روز با یک دایره‌ی کوچک مشخص شده. title عنوان بالای نمودار را می‌نویسد، xlabel و ylabel توضیح هر محور را و grid خط‌های کم‌رنگ شبکه را می‌کشد تا خواندن عددها راحت‌تر شود.

متن‌های داخل نمودار را فعلاً انگلیسی بنویس. بسته به نسخه‌ی matplotlib، ممکن است حروف فارسی جدا از هم و برعکس نشان داده شوند (نسخه‌های تازه این مشکل را حل کرده‌اند). متن انگلیسی همه‌جا یک‌جور دیده می‌شود.

ظاهر خط: رنگ، نشانگر و نوع خط

با چند پارامتر ساده می‌شود ظاهر هر خط را عوض کرد:

پارامترنمونه‌هاکارش
color"red"، "green"، "#1f77b4"رنگ خط
marker"o" دایره، "s" مربع، "^" مثلث، "*" ستارهنشانه‌ی روی هر نقطه
linestyle"-" پیوسته، "--" خط‌چین، ":" نقطه‌چیننوع خط
linewidth1، 2، 3ضخامت خط

چند خط در یک نمودار و راهنما (legend)

برای مقایسه، می‌شود چند بار پشت سر هم plt.plot را صدا زد. همه‌ی خط‌ها روی یک نمودار کشیده می‌شوند و matplotlib برای هر خط رنگ تازه‌ای انتخاب می‌کند. برای این‌که معلوم باشد کدام خط مال کیست، با label به هر خط اسم بده و در آخر plt.legend() را صدا بزن:

import matplotlib.pyplot as plt

days = ["Sat", "Sun", "Mon", "Tue", "Wed", "Thu", "Fri"]
tehran = [18, 21, 19, 24, 26, 23, 20]
tabriz = [10, 12, 9, 14, 15, 13, 11]

plt.plot(days, tehran, marker="o", label="Tehran")
plt.plot(days, tabriz, marker="s", linestyle="--", label="Tabriz")
plt.title("Two cities, one week")
plt.ylabel("Temperature (C)")
plt.legend()
plt.show()

حالا دو خط داریم: تهران با خط پیوسته‌ی آبی و دایره‌ها، تبریز با خط‌چین نارنجی و مربع‌ها. در گوشه‌ی نمودار هم یک کادر کوچک به اسم «راهنما» (legend) هست که می‌گوید هر رنگ مال کدام شهر است. matplotlib خودش جای خالی مناسبی برای راهنما پیدا می‌کند.

منحنی صاف با NumPy

برای کشیدن یک منحنی صاف، مثل موج سینوسی، به صدها نقطه نیاز داری. ساختن این نقطه‌ها با کتابخانه‌ی NumPy ساده است:

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 10, 200)
plt.plot(x, np.sin(x), label="sin")
plt.plot(x, np.cos(x), label="cos")
plt.legend()
plt.show()

np.linspace(0, 10, 200) دویست عدد با فاصله‌ی مساوی بین ۰ تا ۱۰ می‌سازد و np.sin(x) سینوس همه‌ی آن‌ها را یک‌جا حساب می‌کند. نتیجه دو موج نرم است که کنار هم بالا و پایین می‌روند.

نمودار میله‌ای، دایره‌ای و پراکندگی

نمودار خطی فقط یکی از شکل‌هاست. سه نمودار پرکاربرد دیگر هم با همان الگو کشیده می‌شوند: داده را در لیست بگذار، یک دستور plt صدا بزن و در آخر plt.show().

نمودار میله‌ای با bar

نمودار میله‌ای (ستونی) برای مقایسه‌ی چند دسته‌ی جدا از هم است: رأی هر میوه، تعداد دانش‌آموزان هر کلاس یا امتیاز هر تیم.

import matplotlib.pyplot as plt

fruits = ["Apple", "Banana", "Orange", "Grape"]
votes = [12, 7, 9, 4]

plt.bar(fruits, votes, color=["red", "gold", "orange", "purple"])
plt.title("Favourite fruit in our class")
plt.ylabel("Votes")
plt.show()

ارتفاع هر ستون همان تعداد رأی است: سیب با ۱۲ رأی بلندترین ستون است و انگور با ۴ رأی کوتاه‌ترین. پارامتر color می‌تواند یک رنگ برای همه‌ی ستون‌ها باشد یا یک لیست، تا هر ستون رنگ خودش را بگیرد. اگر اسم دسته‌ها طولانی است، به جای plt.bar بنویس plt.barh تا ستون‌ها افقی کشیده شوند و اسم‌ها راحت خوانده شوند.

نمودار دایره‌ای با pie

نمودار دایره‌ای نشان می‌دهد هر بخش چه سهمی از کل دارد. مثلاً یک شبانه‌روز ۲۴ ساعته را چطور می‌گذرانی؟

import matplotlib.pyplot as plt

activities = ["School", "Sleep", "Play", "Coding", "Other"]
hours = [7, 9, 3, 2, 3]

plt.pie(hours, labels=activities, autopct="%1.0f%%")
plt.title("My 24 hours")
plt.show()

labels اسم هر تکه را کنارش می‌نویسد و autopct درصد هر تکه را داخلش. در "%1.0f%%" بخش %1.0f یعنی «عدد بدون رقم اعشار» و %% خود علامت درصد است. خواب با ۳۸ درصد بزرگ‌ترین تکه است و کدنویسی با ۸ درصد کوچک‌ترین. لازم نیست جمع عددها ۱۰۰ باشد؛ matplotlib خودش سهم هر عدد از کل را حساب می‌کند.

نمودار دایره‌ای وقتی خوب است که تکه‌ها کم باشند، حداکثر پنج یا شش تا. برای مقایسه‌ی دقیق‌تر، نمودار میله‌ای معمولاً بهتر است، چون چشم ما طول را دقیق‌تر از زاویه مقایسه می‌کند.

نمودار پراکندگی با scatter

نمودار پراکندگی برای پیدا کردن رابطه‌ی بین دو چیز است. هر نقطه یک نفر یا یک نمونه است. مثلاً ساعت درس خواندن ده دانش‌آموز و نمره‌ی امتحانشان:

import matplotlib.pyplot as plt

hours = [1, 2, 2, 3, 4, 5, 5, 6, 7, 8]
scores = [9, 11, 10, 13, 14, 15, 17, 16, 18, 19]

plt.scatter(hours, scores, color="green")
plt.title("Study hours and test scores")
plt.xlabel("Hours of study")
plt.ylabel("Score (out of 20)")
plt.show()

نقطه‌ها هرچه به راست می‌روند بالاتر هم می‌روند؛ یعنی در این داده‌ها کسانی که بیشتر درس خوانده‌اند معمولاً نمره‌ی بهتری گرفته‌اند. فرق scatter با plot این است که نقطه‌ها را به هم وصل نمی‌کند، چون بین دانش‌آموزها ترتیبی وجود ندارد. همین ایده‌ی «پیدا کردن خط از روی نقطه‌ها» پایه‌ی بسیاری از روش‌های یادگیری ماشین است؛ اگر کنجکاوی، مقاله‌ی هوش مصنوعی با پایتون را بخوان.

کدام نمودار برای کدام کار؟

نوع نموداردستورکی به کار می‌آید؟مثال
خطیplt.plotتغییر در طول زماندمای روزهای هفته
میله‌ایplt.bar یا plt.barhمقایسه‌ی دسته‌هارأی میوه‌ها
دایره‌ایplt.pieسهم هر بخش از کلساعت‌های یک روز
پراکندگیplt.scatterرابطه‌ی دو عددساعت درس و نمره
هیستوگرامplt.histپخش شدن عددهاقد دانش‌آموزان کلاس

ذخیره‌ی نمودار در فایل

برای گذاشتن نمودار در گزارش یا ارائه‌ی کلاسی، آن را با plt.savefig به شکل عکس ذخیره کن:

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], marker="o")
plt.title("Squares")
plt.savefig("squares.png", dpi=150)
print("Saved!")
plt.show()

خروجی:

Saved!

روی کامپیوتر خودت، فایل squares.png کنار برنامه ذخیره می‌شود. یک نکته‌ی مهم: savefig را قبل از show بنویس. بعد از show نمودار بسته می‌شود و اگر بعدش ذخیره کنی، ممکن است یک عکس سفید بگیری. با پسوند اسم فایل می‌شود قالب را عوض کرد: .png برای عکس معمولی و .svg یا .pdf برای نمودارهایی که با بزرگ کردن تار نمی‌شوند. dpi وضوح عکس را تعیین می‌کند؛ هرچه بیشتر باشد، عکس واضح‌تر و حجمش بیشتر است.

مثال کامل: نمودار کارنامه

حالا همه‌چیز را کنار هم می‌گذاریم. می‌خواهیم نمره‌های یک کارنامه را با نمودار میله‌ای نشان دهیم، ستون‌ها را بر اساس نمره رنگ کنیم (۱۷ و بیشتر سبز، از ۱۲ تا زیر ۱۷ نارنجی، کمتر از ۱۲ قرمز) و میانگین را با یک خط‌چین روی نمودار بکشیم:

import matplotlib.pyplot as plt

subjects = ["Math", "Science", "English", "Persian", "Art", "Sport"]
scores = [17, 19, 14, 18, 11, 20]
average = sum(scores) / len(scores)

colors = []
for s in scores:
    if s >= 17:
        colors.append("green")
    elif s >= 12:
        colors.append("orange")
    else:
        colors.append("red")

plt.bar(subjects, scores, color=colors)
plt.axhline(average, color="blue", linestyle="--", label=f"Average: {average:.1f}")
plt.ylim(0, 20)
plt.title("My report card")
plt.ylabel("Score (out of 20)")
plt.legend()
plt.show()

print(f"Average: {average:.2f}")
print("Best subject:", subjects[scores.index(max(scores))])

خروجی متنی برنامه:

Average: 16.50
Best subject: Sport

در نمودار، ریاضی، علوم، فارسی و ورزش سبزند، انگلیسی نارنجی و هنر قرمز. چند نکته‌ی تازه در این کد هست:

  • لیست colors با یک حلقه‌ی for و if ساخته می‌شود؛ یعنی رنگ هر ستون را خود برنامه از روی نمره انتخاب می‌کند.
  • plt.axhline یک خط افقی در ارتفاع میانگین (۱۶٫۵) از یک سر نمودار تا سر دیگرش می‌کشد.
  • plt.ylim(0, 20) محور عمودی را از ۰ تا ۲۰ ثابت می‌کند. اگر این کار را نکنیم، matplotlib محور را خودش تنظیم می‌کند و ممکن است فاصله‌ی نمره‌ها بزرگ‌تر از واقعیت به نظر برسد.
  • max(scores) بیشترین نمره را پیدا می‌کند و scores.index جای آن را در لیست می‌گوید، تا اسم درس متناظرش را از subjects برداریم.

برای تمرین بیشتر، این برنامه را گسترش بده: نمره‌ها را با input از کاربر بگیر، نمره‌های نوبت دوم را با یک نمودار خطی کنار نوبت اول بکش، یا نمودار را با savefig ذخیره کن تا به خانواده‌ات نشان دهی.

اجرای matplotlib در بتل کد

در بتل کد، پایتون واقعی داخل مرورگر اجرا می‌شود و matplotlib یکی از کتابخانه‌هایی است که می‌توانی نصبش کنی:

  1. به صفحه‌ی matplotlib در بتل کد برو، یا آن را در فهرست همه‌ی کتابخانه‌های پایتون پیدا کن.
  2. دکمه‌ی «نصب» را بزن. matplotlib همراه چیزهایی که لازم دارد (NumPy و Pillow) فقط یک بار دانلود می‌شود و بعد بدون اینترنت هم کار می‌کند.
  3. دکمه‌ی «امتحانش کن» نمونه‌ی آماده را در ویرایشگر باز می‌کند. می‌توانی هم به ویرایشگر آنلاین پایتون بروی و هر کدام از مثال‌های این مقاله را بنویسی.
  4. برنامه را اجرا کن. هر جا plt.show() باشد، نمودار در پنجره‌ی خروجی، کنار متن‌هایی که چاپ کرده‌ای، نشان داده می‌شود.

اگر در برنامه‌ی ویندوزی بتل کد کار می‌کنی، همه‌ی کتابخانه‌ها از قبل نصب‌اند و لازم نیست چیزی دانلود کنی.

اگر هنوز با لیست‌ها راحت نیستی، قبل از نمودارها جلسه‌ی لیست‌ها در دوره‌ی پایتون را ببین و در تمرین‌های لیست دستت را گرم کن. نمودار کشیدن بعد از آن خیلی شیرین‌تر می‌شود.

سؤال‌های پرتکرار

matplotlib را چطور نصب کنم؟

روی کامپیوتری که پایتون دارد، در خط فرمان بنویس pip install matplotlib. در بتل کد لازم نیست چیزی روی کامپیوتر نصب کنی؛ کافی است در صفحه‌ی کتابخانه‌ها دکمه‌ی نصب matplotlib را بزنی تا یک بار دانلود شود.

چرا نمودار من نشان داده نمی‌شود؟

بیشتر وقت‌ها plt.show() فراموش شده است. اگر برنامه خطا می‌دهد، پیام خطا را بخوان: شاید matplotlib نصب نیست یا لیست‌های x و y هم‌اندازه نیستند.

فرق plot و scatter چیست؟

plot نقطه‌ها را به ترتیب با خط به هم وصل می‌کند و برای داده‌هایی مناسب است که ترتیب دارند، مثل روزهای هفته. scatter فقط نقطه‌ها را می‌گذارد و برای دیدن رابطه‌ی دو عدد به کار می‌رود، مثل ساعت درس و نمره.

چطور در نمودار متن فارسی بنویسم؟

در نسخه‌های تازه‌ی matplotlib متن فارسی معمولاً درست نشان داده می‌شود، اما در نسخه‌های قدیمی‌تر حروف جدا و برعکس دیده می‌شوند و برای درست کردنشان کتابخانه‌های اضافه و یک فونت فارسی لازم است. برای شروع، ساده‌ترین راه نوشتن عنوان‌ها و برچسب‌ها به انگلیسی است.

برای یاد گرفتن matplotlib باید NumPy بلد باشم؟

نه. همه‌ی مثال‌های اصلی این مقاله فقط با لیست‌های معمولی پایتون نوشته شده‌اند. NumPy وقتی به کار می‌آید که داده‌ات بزرگ باشد یا بخواهی منحنی‌های ریاضی بکشی.

matplotlib برای چه سنی مناسب است؟

هر کسی که لیست و حلقه‌ی for را یاد گرفته باشد، می‌تواند نمودار بکشد؛ معمولاً از حدود ۱۱ یا ۱۲ سالگی. کشیدن نمودار نمره‌ها، دمای هوا یا امتیاز بازی‌ها راه خوبی است تا ریاضی و برنامه‌نویسی با هم معنی پیدا کنند.

همین حالا روی Battle Code تمرین کن

مقاله‌های دیگر

همه‌ی مقاله‌ها