Python për analizën e të dhënave: Matplotlib dhe vizualizimi i të dhënave
Shkruar nga Yasin TANIŞ

Hyrje
Vizualizimi i të dhënave do të thotë përdorimi i grafikëve dhe diagrameve për t’i bërë grupet komplekse të të dhënave më të lehta për t’u kuptuar. Python ofron disa biblioteka për analizën dhe vizualizimin e të dhënave, dhe Matplotlib është një nga më të njohurat. Në këtë artikull mësojmë bazat e vizualizimit të të dhënave me Matplotlib.
Çfarë është Matplotlib
Matplotlib është një bibliotekë e fuqishme dhe fleksibile për krijimin e grafikëve 2D në Python. Me të mund të vizatohen grafikë vijorë, grafikë me shtylla, grafikë me pika dhe shumë lloje të tjera grafikësh.
Instalimi i Matplotlib
Para se ta përdorim, duhet ta instalojmë Matplotlib. Nëse nuk e keni në sistem, instalojeni me këtë komandë:
pip install matplotlib
Përdorimi bazë
Le të fillojmë me një grafik të thjeshtë vijor.
import matplotlib.pyplot as plt
# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Creating a line plot
plt.plot(x, y)
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Simple Line Plot')
plt.show()

Ky shembull i thjeshtë tregon si vizatohet një grafik vijor me Matplotlib. Tani le të shohim lloje të tjera grafikësh dhe përshtatje.
Llojet e grafikëve
Grafikët me shtylla
Grafikët me shtylla përdoren për të vizualizuar të dhëna kategorike.
import matplotlib.pyplot as plt
# Example data
categories = ['A', 'B', 'C', 'D', 'E']
values = [4, 7, 1, 8, 5]
# Creating a bar chart
plt.bar(categories, values)
plt.xlabel('Categories')
plt.ylabel('Values')
plt.title('Simple Bar Chart')
plt.show()

Grafikët me pika (scatter plot)
Grafikët me pika tregojnë marrëdhënien mes dy ndryshoreve.
import matplotlib.pyplot as plt
# Example data
x = [5, 7, 8, 7, 2, 17, 2, 9, 4, 11]
y = [99, 86, 87, 88, 100, 86, 103, 87, 94, 78]
# Creating a scatter plot
plt.scatter(x, y)
plt.xlabel('X Variable')
plt.ylabel('Y Variable')
plt.title('Simple Scatter Plot')
plt.show()

Histogramet
Histogramet tregojnë si shpërndahen të dhënat.
import matplotlib.pyplot as plt
# Example data
data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
# Creating a histogram
plt.hist(data, bins=5)
plt.xlabel('Values')
plt.ylabel('Frequency')
plt.title('Simple Histogram')
plt.show()

Grafikët rrethorë
Grafikët rrethorë tregojnë proporcionet e të dhënave kategorike.
import matplotlib.pyplot as plt
# Example data
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
# Creating a pie chart
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.title('Simple Pie Chart')
plt.show()

Përshtatja e grafikëve
Matplotlib ju lejon t’i përshtatni grafikët gjerësisht, që të jenë më të lexueshëm dhe më të këndshëm për syrin.
Ngjyrat dhe stilet
Mund t’u shtoni grafikëve ngjyra dhe stile që të jenë më tërheqës.
import matplotlib.pyplot as plt
# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Customizing the line plot
plt.plot(x, y, color='red', linestyle='--', marker='o')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Customized Line Plot')
plt.show()

Madhësia dhe rezolucioni i grafikut
Madhësinë dhe rezolucionin e grafikut mund t’i rregulloni sipas nevojave të ndryshme.
import matplotlib.pyplot as plt
# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Setting plot size and resolution
plt.figure(figsize=(10, 5), dpi=100)
plt.plot(x, y)
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Large and High-Resolution Plot')
plt.show()

Nëngrafikët
Me nëngrafikë mund të vizatoni disa grafikë në një figurë të vetme.

Grafikët logaritmikë
Grafikët logaritmikë janë të dobishëm për të dhëna që shtrihen në një gamë shumë të gjerë vlerash.
import matplotlib.pyplot as plt
import numpy as np
# Example data
x = np.linspace(0.1, 100, 100)
y = np.exp(x)
# Creating a logarithmic plot
plt.plot(x, y)
plt.xscale('log')
plt.yscale('log')
plt.xlabel('Log X Axis')
plt.ylabel('Log Y Axis')
plt.title('Logarithmic Plot')
plt.show()

Përshtatje e avancuar
Shënimet
Me shënime mund të theksoni pika të caktuara.
import matplotlib.pyplot as plt
# Example data
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# Creating a plot with annotation
plt.plot(x, y)
plt.annotate('Important Point', xy=(3, 5), xytext=(4, 10),
arrowprops=dict(facecolor='black', shrink=0.05))
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Annotated Plot')
plt.show()

Grafikët 3D
Matplotlib mund të vizatojë edhe grafikë 3D.
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
# Example data
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
x, y = np.meshgrid(x, y)
z = np.sin(np.sqrt(x**2 + y**2))
# Creating a 3D plot
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(x, y, z, cmap='viridis')
plt.title('3D Plot')
plt.show()
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
x = np.random.standard_normal(100)
y = np.random.standard_normal(100)
z = np.random.standard_normal(100)
ax.scatter(x, y, z)
plt.show()


Shembull me të dhëna sintetike
Për ta treguar Matplotlib në punë, le të krijojmë një grup sintetik të dhënash dhe ta vizualizojmë me lloje të ndryshme grafikësh.
import numpy as np
import matplotlib.pyplot as plt
# Generating synthetic data
np.random.seed(0)
x = np.linspace(0, 10, 100)
y = np.sin(x) + np.random.normal(0, 0.1, 100)
# Line plot
plt.figure(figsize=(10, 5))
plt.plot(x, y, label='Synthetic Data')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Synthetic Data Line Plot')
plt.legend()
plt.show()
# Scatter plot
plt.figure(figsize=(10, 5))
plt.scatter(x, y, label='Synthetic Data', color='red')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Synthetic Data Scatter Plot')
plt.legend()
plt.show()


Përfundim
Matplotlib është një mjet i fuqishëm dhe fleksibil për vizualizimin e të dhënave në Python. Në këtë artikull krijuam grafikë vijorë, grafikë me shtylla, grafikë me pika, histograme, grafikë rrethorë e të tjera. Gjithashtu i përshtatëm grafikët dhe ndërtuam vizualizime të avancuara: grafikë me shënime, nëngrafikë, grafikë logaritmikë dhe grafikë 3D. Duke shfrytëzuar gamën e gjerë të mundësive të Matplotlib, mund t’i përmirësoni aftësitë tuaja të vizualizimit dhe t’i paraqitni të dhënat qartë dhe në mënyrë bindëse.
Burimet
- Hunter, J. D. (2007). Matplotlib: A 2D Graphics Environment. Computing in Science & Engineering, 9(3), 90–95.
- Dokumentacioni i Matplotlib: matplotlib.org
- Waskom, M. et al. (2021). Seaborn: Statistical Data Visualization. Journal of Open Source Software, 6(60), 3021. seaborn.pydata.org

