Складчина Каталог
Мои курсы

Библиотека Matplotlib. Визуализация данных в Python

25 участников
СС Автор Сергей Спирёв Школа Stepik

О чём курс

Построение графиков в Python часто превращается в поиск решения по форумам — этот курс учит работать с Matplotlib систематизировано, чтобы вы тратили на визуализацию минуты, а не часы.

Внутри разбираются основные инструменты библиотеки: от настройки осей, сеток и легенд до управления качеством и форматами экспорта (включая PDF). Вы освоите как простой процедурный подход, так и более профессиональный объектно-ориентированный метод для создания сложных визуализаций. Курс охватывает создание всех базовых типов графиков: от линейных и гистограмм до диаграмм размаха (boxplot) и стековых графиков. Материал ориентирован на тех, кто уже знает основы Python, но хочет уверенно переводить данные в наглядные изображения.

Программа обучения

  • Настройки графиков
    • Вступление
    • Подготовка к работе с библиотекой matplotlib
    • plt.plot(). Строим первый график
    • plt.grid(). Отображаем сетку
    • plt.title(). Создаём заголовок графика
    • plt.xlabel(), plt.ylabel(). Присваиваем названия осям
    • plt.xlim(), plt.ylim()
    • plt.xticks(), plt.yticks()
    • Ширина, цвет и типы линий графика
    • Варианты отображения точек на графике
    • Строим несколько линий на одном графике
    • plt.legend(). Отображаем легенду на графике
    • plt.subplot()
  • Объектно-ориентированный подход к созданию графиков
    • figure(), axes(). Наносим координатные оси на график
    • Строим график
    • Легенда, линии сетки и цвет фона
    • Заголовок, названия и размерности осей
    • tick_params()
    • subplots()
    • GridSpec
  • Типы графиков
    • scatter
    • bar, barh
    • hist
    • boxplot
    • pie
    • stackplot
  • Заключение
Складчина создана 27 июня 2024 г. · описание обновлено 23 марта 2026 г.

Другие материалы автора 5

СС Сергей Спирёв Все материалы
Машинное обучение: Кросс-валидация и оптимизация гиперпараметров Машинное обучение: Кросс-валидация и оптимизация гиперпараметров 166 ₽ 792 ₽ −79%Изучаем Pandas на финансовых данных Изучаем Pandas на финансовых данных 116 ₽ 1 080 ₽ −89%Библиотека Seaborn. Статистическая визуализация данных в Python Библиотека Seaborn. Статистическая визуализация данных в Python 80 ₽ 880 ₽ −91%Запрос на успех: SQL для всех Запрос на успех: SQL для всех 520 ₽ 1 300 ₽ −60%Машинное обучение: метрики качества классификации и регрессии Машинное обучение: метрики качества классификации и регрессии 190 ₽ 1 062 ₽ −82%

Ещё интересные курсы 12

Ещё интересные курсы

D
Можно купить
2 462 ₽ 12 000 ₽ −79%
Оплатили 11

Django 2 для начинающих

Python-разработчик Плюс. Часть 12 из 14 Можно купить
634 ₽ 11 475 ₽ −94%
Оплатили 41

Python-разработчик Плюс. Часть 12 из 14

Яндекс Практикум
В
Можно купить
82 ₽ 700 ₽ −88%
Оплатили 41

Веб-программирование с Python

D
Можно купить
266 ₽ 700 ₽ −62%
Оплатили 11

Django Core: Справочное руководство по основным концепциям Django

П
Можно купить
172 ₽ 995 ₽ −83%
Оплатили 20

Практикум по программированию: подготовка к окружному этапу олимпиады

Павел Труфанов
И
Можно купить
144 ₽ 700 ₽ −79%
Оплатили 21

Изучи MongoDB с нуля

Специалист по Data Science Плюс. Часть 1/16 Можно купить
520 ₽ 16 000 ₽ −97%
Оплатили 69

Специалист по Data Science Плюс. Часть 1/16

Яндекс Практикум
108 ₽ 580 ₽