Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

iPython में Matplotlib प्लॉट्स के साथ प्रिंट स्टेटमेंट्स को इंटरलीव करके इंलाइन कैसे दिखाएं?

iPython में Matplotlib प्लॉट्स के साथ प्रिंट स्टेटमेंट्स को इंटरलीव करके इंलाइन दिखाने के लिए, हम निम्नलिखित चरण अपना सकते हैं।

चरण

  • Matplotlib से pyplot इम्पोर्ट करें।
  • hist प्लॉट्स के लिए डेटा की सूची बनाएं।
  • प्रिंट स्टेटमेंट में उपयोग के लिए वेरिएबल "i" इनिशियलाइज़ करें।
  • डेटा की सूची (चरण 2) इटरेट करें।
  • subplots() मेथड का उपयोग करके फिगर और सबप्लॉट्स का सेट बनाएं।
  • प्रिंट स्टेटमेंट रखें।
  • hist() मेथड का उपयोग करके हिस्टोग्राम प्लॉट करें।
  • "i" को 1 से बढ़ाएं।

उदाहरण

In [1]: from matplotlib import pyplot as plt
In [2]: myData = [[7, 8, 1], [2, 5, 2]]
In [3]: i = 0
In [4]: for data in myData:
   ...: fig, ax = plt.subplots()
   ...: print("data number i =", i)
   ...: ax.hist(data)
   ...: i = i + 1
   ...:
data number i = 0
data number i = 1
In [5]:

आउटपुट

data number i = 0
data number i = 1
  1. मनमाने डेटा का उपयोग करके Matplotlib से 4D प्लॉट कैसे बनाएं? मनमाने डेटा का उपयोग करके Matplotlib से 4D प्लॉट कैसे बनाएं?

    4D प्लॉट बनाने के लिए, हम x, y, z और c स्टैंडर्ड डेटा पॉइंट्स बना सकते हैं। नया फिगर बनाएं या मौजूदा फिगर सक्रिय करें। चरण figure() मेथड का उपयोग करके फिगर बनाएं या मौजूदा फिगर सक्रिय करें। सबप्लॉट व्यवस्था के हिस्से के रूप में फिगर जोड़ें। NumPy का उपयोग करके x, y, z और c डेटा पॉइंट्स बनाएं।

  1. पायथन का उपयोग करके Matplotlib से 3D लाइन प्लॉट कैसे बनाएं पायथन का उपयोग करके Matplotlib से 3D लाइन प्लॉट कैसे बनाएं

    Matplotlib डेटा विज़ुअलाइज़ेशन के लिए एक लोकप्रिय पायथन पैकेज है। डेटा को विज़ुअलाइज़ करना एक महत्वपूर्ण कदम है क्योंकि यह संख्याओं को देखे बिना और जटिल गणना किए बिना डेटा में क्या हो रहा है, यह समझने में मदद करता है। यह दर्शकों को मात्रात्मक अंतर्दृष्टि को प्रभावी ढंग से संप्रेषित करने में मदद करत

  1. Matplotlib पायथन में पाई चार्ट कैसे प्रदर्शित करें Matplotlib पायथन में पाई चार्ट कैसे प्रदर्शित करें

    Matplotlib डेटा विज़ुअलाइज़ेशन के लिए एक लोकप्रिय पायथन पैकेज है। डेटा को विज़ुअलाइज़ करना एक महत्वपूर्ण कदम है क्योंकि यह संख्याओं को देखे बिना और जटिल गणना किए बिना डेटा में क्या हो रहा है, यह समझने में मदद करता है। यह दर्शकों को मात्रात्मक अंतर्दृष्टि को प्रभावी ढंग से संप्रेषित करने में मदद करता