Matplotlib è una libreria di visualizzazione dati ampiamente utilizzata in Python. Con Matplotlib, è possibile creare grafici di diversi tipi, come grafici a linee, a barre, a dispersione e a torta.

In questo articolo, vedremo i vantaggi che questo strumento porta con sé, nonché alcune funzionalità avanzate, possibili alternative e un tutorial con un esempio pratico di creazione di un grafico a linee che mostra l'andamento del prezzo di chiusura delle azioni di una società nel corso del tempo.

Matplotlib: caratteristiche e vantaggi

Matplotlib è una delle librerie più utilizzate per la visualizzazione dei dati in Python, e ci sono diversi vantaggi nell'utilizzarla:

Facilita' di utilizzo

Matplotlib è facile da usare, con una sintassi intuitiva che permette di creare rapidamente grafici di base. Inoltre, la libreria Matplotlib è ben documentata e ci sono molti esempi disponibili online.

Flessibilita'

Matplotlib offre una vasta gamma di opzioni di personalizzazione, che permettono di creare grafici altamente personalizzati e adattati alle esigenze specifiche di ogni progetto.

Ampia gamma di grafici disponibili

Matplotlib supporta una vasta gamma di tipi di grafici, tra cui grafici a barre, grafici a dispersione, grafici a linee, grafici a torta e molti altri. Inoltre, Matplotlib è in grado di gestire grandi quantità di dati, permettendo di visualizzare grafici anche con milioni di punti dati.

Integrazione con NumPy e Pandas

Matplotlib si integra perfettamente con le librerie NumPy e Pandas, che sono ampiamente utilizzate in data science e analisi dei dati. Questo rende più facile la visualizzazione dei dati contenuti in queste librerie.

Disponibilita' di strumenti di terze parti

Ci sono molte librerie di terze parti che si basano su Matplotlib, come Seaborn e ggplot, che offrono funzionalità aggiuntive e rendono ancora più facile la creazione di grafici complessi.

In generale, Matplotlib è una libreria molto potente e flessibile, che offre molte opzioni per la visualizzazione dei dati in Python.

La sua facilità d'uso, la flessibilità e l'ampia gamma di grafici disponibili la rendono un'opzione molto popolare per la creazione di grafici e la visualizzazione dei dati.

Tutorial: creare una visualizzazione dati con Matplotlib

Prima di tutto, assicurati di avere installata la libreria Matplotlib sul tuo computer. Puoi farlo usando il seguente comando in un ambiente virtuale Python:

pip install matplotlib

Una volta installata la libreria, puoi iniziare a utilizzarla. Innanzitutto, importa la libreria all'interno del tuo script Python:

import matplotlib.pyplot as plt

Successivamente, carica i dati che desideri visualizzare. In questo esempio, useremo un file CSV che contiene i dati del prezzo di chiusura delle azioni di una società.

import csv

x_values = [] # lista dei valori x (data)
y_values = [] # lista dei valori y (prezzo di chiusura)

with open('data.csv') as file:
 reader = csv.reader(file)
 next(reader) # salta la prima riga (intestazione)
 for row in reader:
  x_values.append(row[0])
   y_values.append(float(row[1]))

In questo esempio, abbiamo utilizzato la libreria csv di Python per caricare i dati dal file CSV. Abbiamo quindi creato due liste: x_values che contiene le date e y_values che contiene i prezzi di chiusura.

A questo punto, possiamo creare il grafico a linee utilizzando la funzione plot() di Matplotlib.

plt.plot(x_values, y_values)

# aggiungi le etichette degli assi e il titolo del grafico
plt.xlabel('Data')
plt.ylabel('Prezzo di chiusura')
plt.title('Andamento del prezzo di chiusura delle azioni di una società')

La funzione plot() crea il grafico a linee utilizzando i dati forniti come argomenti. L'asse x mostra le date, mentre l'asse y mostra i prezzi di chiusura.

Infine, utilizziamo le funzioni xlabel(), ylabel() e title() di Matplotlib per aggiungere le etichette degli assi e il titolo del grafico.

Ecco il codice completo per il nostro esempio:

import matplotlib.pyplot as plt

import csv
x_values = []
y_values = []

with open('data.csv') as file:
reader = csv.reader(file)
next(reader)
for row in reader:
   x_values.append(row[0])
   y_values.append(float(row[1]))

plt.plot(x_values, y_values)
plt.xlabel('Data')
plt.ylabel('Prezzo di chiusura')
plt.title('Andamento del prezzo di chiusura delle azioni di una società')
plt.show()

L'ultima riga del nostro codice, plt.show(), mostra il grafico a schermo. Se vuoi salvare il grafico su un file, puoi utilizzare la funzione savefig() di Matplotlib.

Questo è solo un esempio di come utilizzare Matplotlib per creare grafi a linee in Python. Matplotlib offre molte altre opzioni di personalizzazione per i grafici, come la scelta dei colori, lo stile delle linee e la creazione di grafici con più serie di dati.

Ad esempio, puoi utilizzare la funzione plot() per creare un grafico con più linee, passando le liste dei valori x e y per ciascuna serie di dati come argomenti.

x_values1 = [1, 2, 3, 4, 5]
y_values1 = [5, 2, 4, 6, 3]
x_values2 = [1, 2, 3, 4, 5]
y_values2 = [4, 3, 5, 1, 2]
plt.plot(x_values1, y_values1, label='Serie 1')
plt.plot(x_values2, y_values2, label='Serie 2')
plt.xlabel('Valori x')
plt.ylabel('Valori y')
plt.title('Grafico con due serie di dati')
plt.legend()
plt.show()

In questo esempio, abbiamo creato due serie di dati con le liste x_values1, y_values1 e x_values2, y_values2. Abbiamo quindi utilizzato la funzione plot() per creare un grafico con due linee, utilizzando l'argomento label per assegnare un'etichetta a ciascuna serie di dati. La funzione legend() viene utilizzata per aggiungere una legenda al grafico.

Matplotlib offre anche molte opzioni di personalizzazione per la presentazione del grafico. Ad esempio, puoi impostare lo stile delle linee utilizzando l'argomento linestyle, come mostrato nell'esempio seguente:

plt.plot(x_values, y_values, color='red', linestyle='dashed', linewidth=2, marker='o', markersize=8)

In questo esempio, abbiamo impostato il colore della linea su rosso utilizzando l'argomento color, lo stile della linea su tratteggiato utilizzando linestyle, la larghezza della linea su 2 utilizzando linewidth, e aggiunto un marker circolare in corrispondenza di ciascun punto utilizzando marker e markersize.

Funzionalità avanzate di Matplotlib

Matplotlib offre molte funzionalità avanzate per la creazione di grafici altamente personalizzati.

Qui di seguito ne elenchiamo alcune:

Sottotrame (subplot)

Matplotlib permette di creare grafici con più sottotrame, in modo da visualizzare più grafici in una singola figura. Questo è molto utile quando si vuole confrontare diverse visualizzazioni dei dati. Ad esempio, si possono creare due grafici a linee su due assi diversi all'interno della stessa figura per visualizzare come cambiano due serie di dati diverse nel tempo.

Personalizzazione dell'aspetto degli assi

Matplotlib offre una vasta gamma di opzioni per personalizzare l'aspetto degli assi, tra cui l'etichettatura degli assi, la formattazione delle etichette e l'impostazione dei limiti degli assi. Inoltre, è possibile aggiungere griglie di riferimento agli assi per una migliore comprensione dei dati.

Grafici tridimensionali

Matplotlib supporta la creazione di grafici tridimensionali, che permettono di visualizzare i dati in tre dimensioni. Questo è utile quando si vogliono visualizzare dati che variano in modo dipendente su tre variabili.‍

Animazioni

Matplotlib permette di creare animazioni, in modo da visualizzare come cambiano i dati nel tempo. Questo è utile quando si vuole visualizzare come variano i dati in una serie di istanti temporali.‍

Mappe

Matplotlib supporta la creazione di mappe, in modo da visualizzare dati geografici. Questo è utile quando si vogliono visualizzare dati geografici in modo visuale e interattivo.‍

Personalizzazione del tema

Matplotlib permette di personalizzare il tema del grafico, in modo da adattarlo ai propri gusti estetici o alla brand identity dell'azienda. Sono disponibili molti stili di tema predefiniti, ma è anche possibile crearne di personalizzati.

Alternative a Matplotlib‍

Esistono diverse librerie alternative a Matplotlib per la visualizzazione dei dati in Python. Ecco alcune delle principali:

Seaborn

Seaborn è una libreria Python basata su Matplotlib, che offre funzionalità avanzate per la creazione di grafici statistici, come grafici a barre con errori, grafici a violino e grafici a matrice di correlazione. Seaborn ha un'interfaccia più semplice rispetto a Matplotlib e offre una maggiore facilità d'uso, ma a costo di una minore personalizzazione.

Plotly

Plotly è una libreria Python che offre funzionalità avanzate per la creazione di grafici interattivi, che permettono all'utente di esplorare i dati in modo interattivo. Plotly è in grado di creare grafici interattivi complessi come mappe, grafici di rete e grafici 3D.

Bokeh

Bokeh è una libreria Python per la creazione di grafici interattivi. Bokeh permette di creare grafici interattivi complessi, come mappe e grafici di rete, ed è in grado di gestire grandi quantità di dati.

Altair

Altair è una libreria Python per la creazione di grafici interattivi basati sulla grammatica dei grafici. Altair permette di creare grafici interattivi complessi con una sintassi semplice e intuitiva, ma è meno flessibile rispetto ad altre librerie come Matplotlib.

Ggplot

Ggplot è una libreria Python basata sulla grammatica dei grafici di R, che offre funzionalità avanzate per la creazione di grafici a strati. Ggplot ha una sintassi più semplice rispetto a Matplotlib, ma a costo di una minore personalizzazione.

In generale, la scelta della libreria di visualizzazione dei dati dipende dalle proprie esigenze e dal tipo di grafico che si vuole creare.

Matplotlib rimane una delle librerie più popolari e flessibili per la visualizzazione dei dati in Python, ma ci sono molte alternative disponibili per soddisfare diverse esigenze e stili di programmazione.

‍