Scienza dei dati di successo rapido
C’è una ragione per cui sei confuso
Hai difficoltà con Matplotlib? Se sei un principiante, potrebbe essere perché non hai avuto il tempo di imparare alcune delle sue idiosincrasie. Se sospetti che sia così, fatti un favore e continua a leggere! Questo non farà male né richiederà troppo tempo.
La libreria Matplotlib open source domina la trama in Python. Ti consente di generare grafici rapidi e semplici, nonché grafici elaborati e complessi in cui controlli ogni aspetto della visualizzazione. La sua popolarità e maturità fanno sì che tu possa sempre trovare consigli utili ed esempi di codice utili.
Come ogni potente software, Matplotlib può essere, come ha affermato un autore, “sintatticamente noioso”. Le trame più semplici sono facili, ma la difficoltà aumenta rapidamente. E anche se risorse come il Galleria Matplotlib fornisci utili esempi di codice, se desideri qualcosa di leggermente diverso da quello fornito, potresti ritrovarti a grattarti la testa.
In effetti, molte persone usano Matplotlib copiando e incollando il codice di altre persone e poi hackerando i bordi finché non ottengono qualcosa che gli piace. Come mi ha detto una volta un utente: “Non importa quante volte utilizzo Matplotlib, sembra sempre la prima volta!”
Fortunatamente, puoi alleviare notevolmente questo dolore prendendoti il tempo per apprendere alcuni aspetti chiave del pacchetto. Quindi, in questo articolo, ci concentreremo sulla nomenclatura e sulle interfacce di stampa che possono creare confusione. Armati di questa conoscenza, potresti trovare Matplotlib uno strumento da abbracciare invece di uno da evitare o utilizzare con riluttanza.
In base alla mia esperienza nell’apprendimento di Matplotlib, ecco tre problemi che causano confusione:
- La nomenclatura un po’ scomoda usata per le trame.
- La coesistenza di due tracciando le interfacce che chiamerò the approccio pyplot e il stile orientato agli oggetti.
- Metodi di manipolazione della trama nelle due interfacce che hanno simile Ma diverso nomi.
Diamo un’occhiata a questi uno dopo l’altro.
Fonte: towardsdatascience.com
