Tác giả: Đặng Quý Anh

1. Thư viện matplotlib

matplotlib là một thư viện trong Python phục vụ cho việc trực quan hóa dữ liệu phục vụ cho việc suy luận thống kê. Và module được phổ biến trong matplotlib là pyplot - chứa các hàm cơ bản để vẽ, thiết lập khung hình.

Dưới đây là một đoạn code minh họa khi sử dụng thư viện matplotlib:

# import library
import numpy as np
from matplotlib import pyplot as plt

# initialize function
f = lambda x: np.sin(2 * np.pi * x)
g = lambda x: np.cos(2 * np.pi * x)

# split lower bound and upper bound into 1000 range by 1001 points
lb, ub = -2, 2
x = np.linspace(lb, ub, 1001)
y1 = f(x)
y2 = g(x)

# plot
plt.figure(figsize=(15, 10))
plt.plot(x, y1, '--', color='blue', label='sin(x)')
plt.plot(x, y2, '-', color='red', label='cos(x)')
plt.xlabel('x', fontsize=14)
plt.ylabel('y', fontsize=14)
plt.title('Draw sin(x) and cos(x)', fontsize=18)
plt.legend(fontsize=14)
plt.grid()
plt.savefig('demo-matplotlib.png')
plt.show()

trong đó,

  • plt.figure: thiết lập kích thước khung hình (view)
  • plt.plot(x, y1, '--', color='blue', label='sin(x)'): vẽ đồ thị của $y_1$ theo $x$ với nét đứt (--), màu xanh và với nhãn là sin(x)
  • plt.plot(x, y2, '--', color='red', label='cos(x)'): vẽ đồ thị của $y_2$ theo $x$ với nét liền (-), màu đỏ và với nhãn là cos(x)
  • plt.xlabel('x', fontsize=14): đặt trên cho trục $x$ với cỡ chữ 14
  • plt.ylabel('y', fontsize=14): đặt trên cho trục $y$ với cỡ chữ 14
  • plt.title('Draw sin(x) and cos(x)', fontsize=18): đặt tên cho hình vẽ với cỡ chữ 18
  • plt.legend(fontsize=14): thiết lập nhãn cho các hàm đã vẽ qua label đã gán ỡ mỗi hàm plt.plot
  • plt.grid(): thiết lập lưới cho miền vẽ
  • plt.savefig('demo-matplotlib.png'): để lưu lại hình đã vẽ dưới tên truyền vào
  • plt.show(): để hiển thị hình vẽ

Tuy nhiên, ta cũng có thể vẽ hai hàm số $sin(x)$ và $cos(x)$ ở 2 khung hình khác nhau bằng cách sử dụng plt.subplot

# import library
import numpy as np
from matplotlib import pyplot as plt

# initialize function
f = lambda x: np.sin(2 * np.pi * x)
g = lambda x: np.cos(2 * np.pi * x)

# split lower bound and upper bound into 1000 range by 1001 points
lb, ub = -2, 2
x = np.linspace(lb, ub, 1001)
y1 = f(x)
y2 = g(x)

plt.figure(figsize=(20, 10))
# Draw sin(x)
plt.subplot(1, 2, 1)
plt.plot(x, y1, '--', color='blue', label='sin(x)')
plt.xlabel('x', fontsize=14)
plt.ylabel('y', fontsize=14)
plt.title('Draw sin(x)', fontsize=18)
plt.grid()

# Draw cos(x)
plt.subplot(1, 2, 2)
plt.plot(x, y2, '-', color='red', label='cos(x)')
plt.xlabel('x', fontsize=14)
plt.ylabel('y', fontsize=14)
plt.title('Draw cos(x)', fontsize=18)
plt.grid()

# display
plt.show()

Các hàm vẽ cơ bản vẫn hoàn toàn như phần trước, nhưng thêm plt.subplot(m, n, position) - nghĩa là khung hình sẽ được chia làm $m$ hàng, $n$ cột (tức là có $m \times n$ hình vẽ con), và postition là vị trí hình vẽ hiện tại. Bên cạnh plt.subplot, chúng ta cũng có thể dùng hàm gần tương tự nhưng đa dụng trong nhiều trường hợp hơn là plt.subplots.

Ngoài ra, pyplot còn cung cấp các hàm vẽ sau:

  • plt.scatter: vẽ biểu đồ phân tán
  • plt.bar: vẽ biểu đồ cột
  • plt.boxplot: vẽ biểu đồ ria mèo
  • plt.pie: vẽ biểu đồ tròn
  • …

2. Thư viện seaborn

seaborn là mở rộng, kế thừa từ matplotlib, để thực hiện trực quan hóa dữ liệu, nhưng thường được dùng với kiểu dữ liệu từ DataFrame. seaborn cũng đa dạng các hàm để vẽ hơn và có thể được chia thành một số nhóm chính như sau

  • Nhóm các hàm vẽ quan hệ
    • scatterplot: vẽ biểu đồ phân tán
    • lineplot: vẽ biểu đồ đường
  • Nhóm các hàm vẽ phân bố
    • displot: vẽ phân bố của biến
    • histplot: vẽ biểu đồ historygrams của biến
    • kdeplot: vẽ đường xấp xỉ phân bố của biến
  • Nhóm các hàm dành cho biến rời rạc
    • boxplot: vẽ biểu đồ ria mèo
    • barplot: vẽ biểu đồ cột
    • countplot: vẽ biều đồ theo số lượng biến
    • swarmplot: vẽ biểu đồ phân tán phân loại với các điểm không trùng nhau
  • Ngoài ra, còn có các nhóm: nhóm các hàm vẽ biến hồi quy, nhóm vẽ ma trận, nhóm để vẽ cho nhiều hình, …

Sau đây là một ví dụ khi dùng seaborn kết hợp matplotlib trên kiểu dữ liệu DataFrame. Dữ liệu dùng trong bài học được lấy từ thư viện seaborn (xem chi tiết tại đây).

import seaborn as sns

# set fontsize
sns.set(font_scale=1.5)

# load dataframe
iris = sns.load_dataset('iris')

plt.figure(figsize=(20, 20))
# use countplot
plt.subplot(2, 2, 1)
sns.countplot(x='species', data=iris)

# use kdeplot
plt.subplot(2, 2, 2)
sns.kdeplot(x='petal_length', data=iris)

# use boxplot
plt.subplot(2, 2, 3)
sns.boxplot(x='petal_length', data=iris)

# use scatterplot
plt.subplot(2, 2, 4)
sns.scatterplot(x='petal_length', y='petal_width', data=iris)

# display
plt.show()

Nội dung trên chỉ là tóm tắt, học viên cần đọc các tài liệu liệt kê trong phần tài liệu tham khảo dưới đây.

Tài liệu tham khảo

Tài liệu chính

Tài liệu bổ sung

Updated: