Funzionalità di Pyplot

1. Basi di Pyplot

Creazione di un semplice grafico

Ora che Matplotlib è a nostra disposizione, esploriamo le sue parti fondamentali. Pyplot è un modulo piccolo ma super utile all'interno di Matplotlib. Ti permette di creare grafici in modo rapido e semplice, un po' come se stessi disegnando su una tela.

import matplotlib.pyplot as plt

# Creiamo un semplice grafico
plt.plot([0, 1, 2, 3], [0, 1, 4, 9])
plt.show()

Congratulazioni, hai creato il tuo primo grafico! Non vincerà alcun premio per la bellezza, ma fidati, è solo l'inizio.

Migliorare il grafico

Creare un grafico in pyplot comprende alcuni passaggi fondamentali:

1. Preparazione dei dati per il grafico.
2. Scelta del tipo di grafico (ad esempio, plot() per un grafico lineare).
3. Personalizzazione del grafico (etichette, titolo e legenda).
4. Visualizzazione del grafico usando la funzione show().

Proviamo a migliorare il nostro primo grafico...

Grafico Lineare

import matplotlib.pyplot as plt

# Dati per il grafico
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# Creiamo un grafico lineare
plt.plot(x, y)

# Configurazione etichette assi e titolo
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Esempio di grafico lineare")

# Mostra il grafico
plt.show()

Questo codice crea un grafico lineare che mostra i valori di y sull'asse Y in base ai valori di x sull'asse X. Le funzioni xlabel(), ylabel() e title() aggiungono etichette e titolo al grafico.

2. Tipi principali di grafici in Pyplot

1. Grafico Lineare plot()

I grafici lineari sono spesso usati per mostrare dati nel tempo o per analizzare tendenze.

x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

plt.plot(x, y, marker="o", color="b", linestyle="--")
plt.xlabel("Tempo")
plt.ylabel("Valore")
plt.title("Grafico Lineare")
plt.show()

Qui utilizziamo i parametri marker, color e linestyle per personalizzare l'aspetto del grafico.

2. Istogramma hist()

Gli istogrammi sono utili per mostrare la distribuzione dei dati e analizzare la frequenza dei valori.

data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5]

plt.hist(data, bins=5, color="skyblue", edgecolor="black")
plt.xlabel("Valore")
plt.ylabel("Frequenza")
plt.title("Istogramma")
plt.show()

Qui il parametro bins definisce il numero di colonne dell'istogramma, mentre edgecolor aggiunge il bordo a ogni colonna.

3. Grafico a torta pie()

I grafici a torta mostrano le proporzioni delle categorie su un insieme di dati.

labels = ["Gatti", "Cani", "Uccelli"]
sizes = [40, 35, 25]

plt.pie(sizes, labels=labels, autopct="%1.1f%%", startangle=90)
plt.title("Grafico a torta")
plt.show()

Qui autopct mostra il valore percentuale per ogni categoria, mentre startangle ruota il grafico.

4. Grafico a dispersione scatter()

I grafici a dispersione sono utili per analizzare la relazione tra due variabili.

x = [1, 2, 3, 4, 5]
y = [5, 7, 8, 5, 6]

plt.scatter(x, y, color="red")
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Grafico a dispersione")
plt.show()

Il grafico a dispersione è perfetto per trovare correlazioni tra i valori sugli assi X e Y.

5. Grafico a barre bar()

I grafici a barre sono utili per confrontare i valori tra categorie.

categories = ["A", "B", "C", "D"]
values = [10, 15, 7, 20]

plt.bar(categories, values, color="lightblue")
plt.xlabel("Categorie")
plt.ylabel("Valori")
plt.title("Grafico a barre")
plt.show()

Qui categories e values rappresentano le etichette delle categorie e i valori corrispondenti per il grafico a barre.

Ora hai familiarità con le basi dell'installazione e della configurazione di Matplotlib, e sei perfettamente pronto per creare i tuoi primi grafici. Ma questo è solo l'inizio del nostro viaggio. Nelle prossime lezioni esploreremo la creazione di vari tipi di grafici e la loro personalizzazione. Alla fine, sarai capace di creare opere d'arte che non sono solo belle, ma anche informative.

Ricorda, la visualizzazione dei dati non riguarda solo grafici, ma anche il raccontare storie, e Matplotlib sarà il tuo narratore. Ci vediamo nella prossima lezione, dove miglioreremo le tue abilità e apriremo nuovi orizzonti nel mondo dei grafici!