teaching:progappchim:matplotlib_simple

Les bases de Matplotlib, une librairie pour réaliser des graphiques 2D

Matplotlib est une bibliothèque très puissante du langage de programmation Python destinée à tracer et visualiser des données sous formes de graphiques. Elle est souvent combinée avec les bibliothèques python de calcul scientifique :

  • NumPy : gestion de tableaux numériques multidimensionnels, algèbre linéaire, transformées de Fourier, nombres (pseudo-)aléatoires
  • SciPy : méthodes numériques comme l'intégration ou l'optimisation
  • SymPy : mathématiques symboliques
  • Pandas: analyse de données

Avec Matplotlib, on peut créer rapidement un graphe à partir de deux listes (voir le premier exemple ci-après).

Matplotlib permet de générer facilement des graphiques, camemberts ou autres histogrammes, intégrant symboles, barres d'erreur, éléments colorés,… Il peut créer pratiquement tous les types connus de graphiques (consulter la galerie d'exemples).

Le projet Pylab vise à regrouper ces différentes librairies. De nombreuses commandes de Pylab ont été définies semblablement aux commandes du logiciel commercial MatLab.

TODO : différences pyplot comme ici : https://towardsdatascience.com/5-quick-facts-about-python-matplotlib-53f23eab6d31

La page d'installation de Matplotlib fournit une procédure pas à pas assez complète et facile pour installer matplotlib (et NumPy). Sinon :

  • Sous Windows, installez une distribution complète comme Anaconda ou Python (x, y)
  • Sous GNU/Linux, on peut aussi n'installer que les librairies suivantes : python-numpy python-scipy python-matplotlib
  • standard :
    import matplotlib as mpl
    import matplotlib.pyplot as plt
  • alternative, simplifiée (en mode pylab, pour obtenir une certaine compatibilité avec Matlab) :
    from pylab import *

Il s'agit d'un graphe classique de séries de points reliés par une ligne colorée :

simple_series_01.py
#! /usr/bin/env python
# -*- coding: utf-8 -*-
"""
Matplotib : graphe simple de séries de données
"""
 
import matplotlib.pyplot as plt  #directive d'importation standard
 
plt.figure()  #initialisation d'une nouvelle figure
 
#les données
serie_x = [0.,1.,2.,3.,5.,7.,11.,13.,17.,19.]
serie_y1 = [x**2 for x in serie_x]     # ces lignes utilisent la technique de "liste en compréhension"
serie_y2 = [x**1.5 for x in serie_x]   # pour définir efficacement une liste par une seule instruction.
 
#plot de deux lignes lignes
plt.plot(serie_x, serie_y1)
plt.plot(serie_x, serie_y2)
 
plt.savefig("example.png")  # sauvegarde de la figure
 
plt.show()  # vue interactive de la figure

Le même graphique peut être agrémenté d'un titre, d'appellations pour les axes, de valeurs limites, d'une légende :

simple_series_02.py
#! /usr/bin/env python
# -*- coding: utf-8 -*-
"""
Matplotib : graphe simple de séries de données
ajouts des titres pour la figure, les axes, d'une légende, de valeurs min et max
"""
 
import matplotlib.pyplot as plt  #directive d'importation standard
 
plt.figure()  #initialisation d'une nouvelle figure
plt.title("Ma première figure avec Matplolib") 
 
#les données
serie_x = [0., 1., 2., 3., 5., 7., 11., 13., 17., 19.]
serie_y1 = [x**2 for x in serie_x]
serie_y2 = [x**1.5 for x in serie_x]
 
plt.xlim(0, 20.)   #les limites suivant x
plt.ylim(-5, 400.)  # les limites suivant y
 
#plot de deux lignes lignes
plt.plot(serie_x, serie_y1, label="x^2")
plt.plot(serie_x, serie_y2, label="x^1.5")
plt.xlabel("Les données X")  
plt.ylabel("Des valeurs calculées de Y")
 
#ajout d'une légende
plt.legend()
 
plt.savefig("example.pdf")  # sauvegarde de la figure au format pdf
 
plt.show()  # vue interactive de la figure

La personnalisation des lignes ou point se fait très facilement lorsqu'on utilise la fonction de traçage, en passant dans une chaîne de deux caractères la spécification du type de ligne et de la couleur à utiliser. Voici un exemple d'un graphique qui utilise des cercles verts comme marqueurs, sans ligne, grâce aux deux caractères “g” (pour green ou vert) et “o” (pour figurer des petits cercles.

simple_series_03.py
#! /usr/bin/env python
# -*- coding: utf-8 -*-
"""
Matplotib : graphe simple de séries de données
utilisation de points
"""
 
import matplotlib.pyplot as plt  #directive d'importation standard
 
plt.figure()  #initialisation d'une nouvelle figure
 
#les données
serie_x = [0., 1., 2., 3., 5., 7., 11., 13., 17., 19.]
serie_y1 = [x**2 for x in serie_x]
 
#plot
plt.plot(serie_x, serie_y1, "go")
 
plt.show()  # vue interactive de la figure

Pour essayer d'autres marqueurs ou couleurs, consultez la documentation ici :

simple_fonction_01.py
#! /usr/bin/env python
# -*- coding: utf-8 -*-
"""
Matplotib : graphe simple d'une fonction : cosinusoïde amortie
 
"""
 
from pylab import * # directive d'importation simplifiée
 
def my_func(t):        
    s1 = cos(2*pi*t*1.)  #essayez 2., 4., 100. !!        
    e1 = exp(-t)        
    return s1*e1
 
tvals = arange(0., 5., 0.05)
# arange (importé) permet de définir un tableau numérique
# arange([start], stop[, step]) renvoie un "array" de valeurs
# espacées de step à partir de start jusque stop
# passer step à 0.001 ?
 
plot(tvals, my_func(tvals), 'bo', tvals, my_func(tvals), 'k')
 
show()

À cette page, on montre en détail comment réaliser une représentation graphique simple des fonctions sinus et cosinus. Au départ le graphique utilisera les réglages par défaut et la figure sera ensuite améliorée pas à pas en commentant les instructions matplotlib utilisées.

Source : Matplotlib: plotting, par Nicolas Rougier, Mike Müller, Gaël Varoquaux.

Cette dernière référence reprend aussi des explications sur les principes d'organisation des graphiques multiples sur une figure, propose d'autres types de graphes sous forme d'exercices avec les solutions disponibles, et propose de nombreux liens pour l'apprentissage de Matplotlib.

Histogramme simpleplugin-autotooltip__default plugin-autotooltip_bigHistogramme simple

#! /usr/bin/env python # -*- coding: utf-8 -*- “”“ Matplotib : histogramme simple de nombres aléatoires ”“” from pylab import randn, hist, show #importation simplifiée

Rotateur biatomiqueplugin-autotooltip__default plugin-autotooltip_bigRotateur biatomique

Cf. cette page.

Code source, en Python 3 :

#!/usr/bin/env python # -*- coding: utf-8 -*- """ Somme d'état (ensemble canonique) de rotation (rotateur biatomique)

Les impressions sont à récrire avec l'instruction format() de python 3 """

from math import exp # on a juste besoin de l'exponentielle import matplotlib.pyplot as plt # directive d'importation standard de Matplotlib

T = 100. # (température réduite = T / Theta) Zrot = 0. # somme d'état Jmax = 30 # valeur …

Potentiel de Morseplugin-autotooltip__default plugin-autotooltip_bigPotentiel de Morse

Potentiel de Morse et approximation harmonique, avec représentation des niveaux d'énergie des modèles quantiques correspondants.

Code source :

#! /usr/bin/env python # -*- coding: utf-8 -*- """ Représentation du potentiel de Morse pour H2 http://en.wikipedia.org/wiki/Morse_potential http://en.wikipedia.org/wiki/Quantum_harmonic_oscillator approximation harmonique D_e = 7.6E-19 J a = 19.3E-15 m r_e= 74.1E-12 m dérivée de seconde d2V/dr2 = 2 * D_e * a**2. """ import matplot…

Ph à 3Dplugin-autotooltip__default plugin-autotooltip_bigReprésentation 3D du pH

Cas d'un acide en fonction d'un ajout de base et d'une dilution globale : cf. cet article

#! /usr/bin/env python # -*- coding: utf-8 -*- “”“ Use of numpy polynomes to compute pH of weak acid and strong base

(dilution et neutralisation)

Couples acide-base dans le plan pKa/pKbplugin-autotooltip__default plugin-autotooltip_bigCouples acide-base dans le plan pKa/pKb

* Conventions sur les acides forts et les bases fortes : cf. Les acides, les bases et les sels qui nous entourent - Acide fort, base forte

#!/usr/bin/env python3 # -*- coding: utf-8 -*-

""" Library references : *

""" import matplotlib.pyplot as plt # directive d'importation standard de Matplotlib import numpy as np # directive d'importation standard de numpy

def cm2inch(*tupl): # https://stackoverflow.com/questions/14708695/sp…
un autre…
un autre… un autre… un autre…

Notamment avec l'éditeur Spyder, il est possible de choisir le mode d'affichage des graphes :

  • dans une fenêtre interactive
  • en ligne (mode “inline”) sous forme d'une image au format .png, dans la console

Pour choisir le mode, utiliser les réglages suivants de Spyder : menu Outils - option Préférences - rubrique Console Ipython - onglet Graphiques - la sortie “Automatique” permet d'obtenir les graphes dans une fenêtre interactive, sinon, choisir “En ligne”. L'option sera prise en compte après avoir quitté Spyder et l'avoir relancé. Sinon, il est possible de sélectionner l'un ou l'autre des modes par les commandes suivantes dans la console :

%matplotlib auto
%matplotlib inline
Ce site web utilise des cookies pour analyser le trafic de visites. En restant sur ce site, vous acceptez le stockage de cookies sur votre ordinateur. En savoir plus
  • teaching/progappchim/matplotlib_simple.txt
  • Dernière modification: 2020/11/24 09:17
  • de villersd