35. (Л) Вступ до matplotlib. Структура графіків, figure, axes

Зміст лекції

1. Навіщо візуалізація
2. Встановлення та імпорт
3. Перший графік
4. Анатомія графіка: Figure, Axes, Axis
5. Два стилі: pyplot і об'єктно-орієнтований
6. Лінійний графік: кілька ліній, кольори, маркери, легенда
7. Підписи, сітка, межі осей
8. Діаграма розсіювання: scatter
9. Стовпчикова діаграма: bar і barh
10. Гістограма: hist
11. Кілька графіків на одній фігурі: subplots
12. Розмір фігури та компонування
13. Збереження у файл: savefig
14. Приклад: аналіз оцінок групи
15. Типові помилки
16. Підсумок

Навіщо візуалізація

У лекції 30 ми рахували середнє, медіану, стандартне відхилення. Але числа не завжди розповідають усю історію. Класичний приклад — чотири набори даних, у яких однакові середнє, дисперсія та кореляція:

import numpy as np

# квартет Енскомба: чотири набори точок (x, y)
x = np.array([10, 8, 13, 9, 11, 14, 6, 4, 12, 7, 5])
x4 = np.array([8, 8, 8, 8, 8, 8, 8, 19, 8, 8, 8])
y1 = np.array([8.04, 6.95, 7.58, 8.81, 8.33, 9.96, 7.24, 4.26, 10.84, 4.82, 5.68])
y2 = np.array([9.14, 8.14, 8.74, 8.77, 9.26, 8.10, 6.13, 3.10, 9.13, 7.26, 4.74])
y3 = np.array([7.46, 6.77, 12.74, 7.11, 7.81, 8.84, 6.08, 5.39, 8.15, 6.42, 5.73])
y4 = np.array([6.58, 5.76, 7.71, 8.84, 8.47, 7.04, 5.25, 12.50, 5.56, 7.91, 6.89])

for xs, ys in [(x, y1), (x, y2), (x, y3), (x4, y4)]:
    corr = np.corrcoef(xs, ys)[0, 1]
    print(f"mean y = {ys.mean():.2f}, std y = {ys.std():.2f}, corr = {corr:.3f}")

mean y = 7.50, std y = 1.94, corr = 0.816
mean y = 7.50, std y = 1.94, corr = 0.816
mean y = 7.50, std y = 1.94, corr = 0.816
mean y = 7.50, std y = 1.94, corr = 0.817

За статистикою набори не відрізнити. А на графіку вони зовсім різні:

• I — звичайна лінійна залежність із шумом;
• II — крива, а не пряма;
• III — ідеальна пряма, яку зіпсував один викид;
• IV — усі точки в одному стовпчику, а «кореляцію» створює одна точка.

Висновок: перш ніж рахувати — подивіться на дані. Графік швидко показує тренди, викиди, помилки в даних і форму розподілу.

matplotlib — базова бібліотека візуалізації в Python. На ній побудовані pandas (df.plot()), seaborn та багато інших інструментів. Вона вміє малювати лінійні графіки, діаграми, гістограми, теплові карти, 3D — і зберігати результат у PNG, SVG, PDF.

Встановлення та імпорт

pip install matplotlib numpy

Загальноприйнятий імпорт:

import matplotlib.pyplot as plt
import numpy as np

matplotlib.pyplot — модуль із функціями для створення графіків. Скорочення plt таке ж стандартне, як np для NumPy.

Перевірка версії:

import matplotlib

print(matplotlib.__version__)

3.10.1

Перший графік

import matplotlib.pyplot as plt

hours = [0, 3, 6, 9, 12, 15, 18, 21]
temps = [4, 3, 5, 11, 15, 16, 12, 7]

plt.plot(hours, temps)
plt.show()

• plt.plot(x, y) — з'єднує точки (x[i], y[i]) лініями;
• plt.show() — відкриває вікно з графіком. Програма зупиняється, поки вікно не закрите.

Якщо передати лише один список, matplotlib візьме як x індекси 0, 1, 2, ...:

import matplotlib.pyplot as plt

plt.plot([4, 3, 5, 11, 15, 16, 12, 7])
plt.show()

matplotlib приймає і списки, і масиви NumPy. На практиці дані майже завжди — масиви:

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)

plt.plot(x, y)
plt.show()

Лінія здається плавною, бо ми взяли 100 точок. Спробуйте np.linspace(0, 2 * np.pi, 8) — побачите ламану.

Jupyter та IDE

У Jupyter Notebook графік показується під клітинкою автоматично, plt.show() можна не писати. У звичайному скрипті .py без plt.show() вікно не з'явиться.

Анатомія графіка: Figure, Axes, Axis

Кожен графік у matplotlib — це дерево об'єктів:

flowchart TD
    F["Figure<br/>(все полотно / вікно)"] --> A1["Axes<br/>(одна система координат)"]
    F --> A2["Axes"]
    A1 --> X["XAxis<br/>(вісь x: ticks, label)"]
    A1 --> Y["YAxis<br/>(вісь y: ticks, label)"]
    A1 --> T["title"]
    A1 --> L["Line2D, Rectangle, ...<br/>(лінії, стовпчики, точки)"]
    A1 --> G["Legend"]

• Figure — «аркуш паперу» або вікно. Має розмір, фон, може містити кілька графіків.
• Axes — один графік: область із системою координат, у якій малюються дані. Саме в Axes є методи plot, bar, set_title тощо.
• Axis — одна вісь (x або y) усередині Axes: поділки (ticks), підписи поділок, назва осі.
• Artist — загальна назва всього, що видно на фігурі: лінії, текст, прямокутники, легенда.

Axes ≠ Axis

Назви схожі, але це різні речі. Axes (множина від «axis») — цілий графік із двома осями. Axis — одна вісь. Фігура з двома графіками має два Axes і чотири Axis.

Два стилі: pyplot і об'єктно-орієнтований

matplotlib має два способи писати той самий код.

1. pyplot-стиль (неявний). Функції plt.* самі знаходять «поточну» фігуру та «поточний» Axes і малюють на них:

import matplotlib.pyplot as plt

hours = [0, 3, 6, 9, 12, 15, 18, 21]
temps = [4, 3, 5, 11, 15, 16, 12, 7]

plt.plot(hours, temps)
plt.title("Temperature")
plt.xlabel("Hour")
plt.ylabel("Temperature, C")
plt.show()

2. Об'єктно-орієнтований стиль (явний). Створюємо фігуру та Axes явно і викликаємо методи в об'єкта ax:

import matplotlib.pyplot as plt

hours = [0, 3, 6, 9, 12, 15, 18, 21]
temps = [4, 3, 5, 11, 15, 16, 12, 7]

fig, ax = plt.subplots()
ax.plot(hours, temps)
ax.set_title("Temperature")
ax.set_xlabel("Hour")
ax.set_ylabel("Temperature, C")
plt.show()

Результат однаковий. plt.subplots() повертає кортеж (Figure, Axes).

Відповідність назв:

pyplot	об'єктний стиль
plt.plot(...)	ax.plot(...)
plt.title("...")	ax.set_title("...")
plt.xlabel("...")	ax.set_xlabel("...")
plt.ylabel("...")	ax.set_ylabel("...")
plt.xlim(0, 10)	ax.set_xlim(0, 10)
plt.legend()	ax.legend()
plt.grid()	ax.grid()

Який стиль обрати

pyplot зручний для швидкого графіка «на одну хвилину». Для всього іншого — кількох графіків на фігурі, функцій, що малюють графік, вбудовування в PySide6 — використовуйте об'єктний стиль: завжди зрозуміло, на якому Axes ви малюєте. Далі в курсі — лише об'єктний стиль.

Лінійний графік: кілька ліній, кольори, маркери, легенда

Кожен виклик ax.plot додає нову лінію на той самий Axes. Кольори призначаються автоматично по черзі.

import matplotlib.pyplot as plt

months = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
kyiv = [-3.5, -2.4, 2.1, 9.4, 15.6, 19.0, 20.8, 20.0, 14.8, 8.6, 2.7, -1.6]
lviv = [-2.9, -1.8, 2.3, 8.3, 13.6, 16.6, 18.2, 17.6, 13.2, 8.3, 3.3, -1.1]
odesa = [-0.9, -0.3, 3.4, 9.3, 15.5, 20.0, 22.8, 22.4, 17.3, 11.5, 5.9, 1.3]

fig, ax = plt.subplots()
ax.plot(months, kyiv, label="Kyiv")
ax.plot(months, lviv, label="Lviv")
ax.plot(months, odesa, label="Odesa")
ax.set_title("Average monthly temperature")
ax.set_xlabel("Month")
ax.set_ylabel("Temperature, C")
ax.legend()
plt.show()

• label="..." — підпис лінії для легенди;
• ax.legend() — показує легенду. Без label легенда буде порожньою (і matplotlib видасть попередження).

Оформлення лінії

Основні параметри plot:

Параметр	Скорочення	Приклади значень
color	c	"red", "tab:blue", "#1f77b4", "0.5" (відтінок сірого)
linestyle	ls	"-", "--", ":", "-.", "none"
linewidth	lw	1, 2.5
marker	—	"o", "s", "^", "x", "."
markersize	ms	4, 8
alpha	—	від 0 (прозоро) до 1

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(10)

fig, ax = plt.subplots()
ax.plot(x, x, color="tab:blue", linestyle="-", marker="o", label="solid + o")
ax.plot(x, x + 2, color="tab:orange", linestyle="--", marker="s", label="dashed + s")
ax.plot(x, x + 4, color="tab:green", linestyle=":", linewidth=3, label="dotted, lw=3")
ax.plot(x, x + 6, color="tab:red", linestyle="-.", marker="^", markersize=10, label="dashdot + ^")
ax.plot(x, x + 8, color="0.4", linestyle="none", marker="x", label="markers only")
ax.legend()
plt.show()

Є й коротка форматна рядкова нотація: "ro--" = червоний (r), маркер-коло (o), пунктир (--). Її часто можна побачити в прикладах:

import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.plot([1, 2, 3, 4], [1, 4, 9, 16], "ro--")
plt.show()

Проте іменовані параметри (color=, marker=, linestyle=) читаються краще.

Кольори tab:*

Палітра за замовчуванням — tab:blue, tab:orange, tab:green, tab:red, tab:purple, tab:brown, tab:pink, tab:gray, tab:olive, tab:cyan. Якщо задаєте кольори вручну — беріть з неї: ці кольори добре розрізняються між собою.

Підписи, сітка, межі осей

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-2, 2, 200)

fig, ax = plt.subplots()
ax.plot(x, x ** 2, label="x^2")
ax.plot(x, x ** 3, label="x^3")

ax.set_title("Power functions")
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_xlim(-2, 2)
ax.set_ylim(-4, 4)
ax.grid(True, alpha=0.3)
ax.axhline(0, color="black", linewidth=0.8)
ax.axvline(0, color="black", linewidth=0.8)
ax.legend(loc="upper left")
plt.show()

• set_xlim(a, b) / set_ylim(a, b) — видимий діапазон осі. За замовчуванням matplotlib підбирає його сам під дані;
• grid(True) — сітка; alpha=0.3 робить її блідою, щоб не заважала даним;
• axhline(y) / axvline(x) — горизонтальна / вертикальна лінія через увесь графік (зручно для нуля, порогу, середнього);
• legend(loc=...) — позиція легенди: "upper left", "lower right", "center", "best" (за замовчуванням).

Усе одним викликом: ax.set

Кілька налаштувань можна задати одним викликом — імена параметрів збігаються з методами без set_:

import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.plot([1, 2, 3, 4], [10, 20, 15, 25])
ax.set(title="Sales", xlabel="Quarter", ylabel="Units", ylim=(0, 30))
plt.show()

Поділки осей

import matplotlib.pyplot as plt

months = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
names = ["Jan", "Feb", "Mar", "Apr", "May", "Jun",
         "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
kyiv = [-3.5, -2.4, 2.1, 9.4, 15.6, 19.0, 20.8, 20.0, 14.8, 8.6, 2.7, -1.6]

fig, ax = plt.subplots()
ax.plot(months, kyiv, marker="o")
ax.set_xticks(months)
ax.set_xticklabels(names)
ax.set_ylabel("Temperature, C")
ax.grid(True, alpha=0.3)
plt.show()

set_xticks задає, де стоять поділки, set_xticklabels — що на них написано. Кількість має збігатися.

Діаграма розсіювання: scatter

scatter малює окремі точки без ліній. Використовується, щоб побачити зв'язок двох величин.

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(42)

# години підготовки та бал за тест
hours = rng.uniform(0, 10, size=50)
score = 40 + 5 * hours + rng.normal(0, 6, size=50)

fig, ax = plt.subplots()
ax.scatter(hours, score)
ax.set(title="Study hours vs score", xlabel="Hours", ylabel="Score")
ax.grid(True, alpha=0.3)
plt.show()

Хмара точок іде вгору — чим більше годин, тим вищий бал (додатна кореляція).

На відміну від plot, у scatter розмір s і колір c можна задати окремо для кожної точки — масивом:

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(42)

hours = rng.uniform(0, 10, size=50)
score = 40 + 5 * hours + rng.normal(0, 6, size=50)
passed = score >= 60

fig, ax = plt.subplots()
ax.scatter(hours[passed], score[passed], color="tab:green", label="passed")
ax.scatter(hours[~passed], score[~passed], color="tab:red", marker="x", label="failed")
ax.axhline(60, color="0.5", linestyle="--")
ax.set(title="Study hours vs score", xlabel="Hours", ylabel="Score")
ax.legend()
plt.show()

Тут працює булева індексація з лекції 27: hours[passed] — лише ті, хто склав. Групи відрізняються не тільки кольором, а й формою маркера — так графік читається і на чорно-білому друку.

Стовпчикова діаграма: bar і barh

bar порівнює значення між категоріями.

import matplotlib.pyplot as plt

languages = ["Python", "JavaScript", "Java", "C#", "C++"]
students = [42, 30, 18, 12, 9]

fig, ax = plt.subplots()
ax.bar(languages, students, color="tab:blue")
ax.set(title="Favourite language", ylabel="Students")
plt.show()

• перший аргумент — підписи категорій (рядки) або позиції x;
• другий — висота стовпчиків.

Значення над стовпчиками додає ax.bar_label:

import matplotlib.pyplot as plt

languages = ["Python", "JavaScript", "Java", "C#", "C++"]
students = [42, 30, 18, 12, 9]

fig, ax = plt.subplots()
bars = ax.bar(languages, students, color="tab:blue")
ax.bar_label(bars)
ax.set(title="Favourite language", ylabel="Students")
plt.show()

Коли підписів багато або вони довгі, зручніша горизонтальна діаграма barh:

import matplotlib.pyplot as plt

languages = ["Python", "JavaScript", "Java", "C#", "C++", "Go", "Rust", "Kotlin"]
students = [42, 30, 18, 12, 9, 7, 5, 4]

fig, ax = plt.subplots()
bars = ax.barh(languages, students, color="tab:blue")
ax.bar_label(bars, padding=3)
ax.invert_yaxis()
ax.set(title="Favourite language", xlabel="Students")
plt.show()

invert_yaxis() ставить перший елемент угорі — інакше barh малює знизу вгору, і найпопулярніша мова опиниться внизу.

Вісь стовпчиків починається з нуля

Довжина стовпчика — це і є значення. Якщо обрізати вісь (set_ylim(40, 45)), різниця 42 проти 41 виглядатиме як «удвічі більше». Для bar не змінюйте нижню межу осі значень.

Гістограма: hist

hist показує розподіл однієї величини: ділить діапазон на інтервали (bins) і малює, скільки значень потрапило в кожен. Це графічна версія np.histogram з лекції 30.

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(7)
heights = rng.normal(175, 7, size=1000)

fig, ax = plt.subplots()
ax.hist(heights, bins=30, color="tab:blue", edgecolor="white")
ax.axvline(heights.mean(), color="tab:red", linestyle="--", label="mean")
ax.set(title="Height of 1000 people", xlabel="Height, cm", ylabel="Count")
ax.legend()
plt.show()

• bins — кількість інтервалів (або масив меж). Замало — втрачається форма, забагато — «гребінка» з шуму;
• edgecolor="white" — тонка світла межа між стовпчиками.

bar чи hist?

bar — готові значення для категорій (мова → кількість студентів). hist — сирі числа, які треба спершу розкласти по інтервалах (1000 значень зросту). Стовпчики гістограми стоять впритул, бо інтервали неперервні.

hist повертає ті самі дані, що й np.histogram:

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(7)
heights = rng.normal(175, 7, size=1000)

fig, ax = plt.subplots()
counts, edges, patches = ax.hist(heights, bins=5)
print(counts)
print(edges.round(1))
plt.show()

[ 14. 173. 461. 289.  63.]
[152.2 160.4 168.5 176.7 184.8 193. ]

counts — кількість значень у кожному з 5 інтервалів, edges — 6 меж інтервалів.

Кілька графіків на одній фігурі: subplots

plt.subplots(nrows, ncols) створює сітку Axes. Тоді axes — масив NumPy з об'єктами Axes:

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 100)

fig, axes = plt.subplots(2, 2)
print(type(axes), axes.shape)

axes[0, 0].plot(x, np.sin(x))
axes[0, 0].set_title("sin")

axes[0, 1].plot(x, np.cos(x), color="tab:orange")
axes[0, 1].set_title("cos")

axes[1, 0].plot(x, x ** 2, color="tab:green")
axes[1, 0].set_title("x^2")

axes[1, 1].plot(x, np.sqrt(x), color="tab:red")
axes[1, 1].set_title("sqrt(x)")

fig.suptitle("Four functions")
fig.tight_layout()
plt.show()

<class 'numpy.ndarray'> (2, 2)

• axes[row, col] — звичайна індексація двовимірного масиву;
• fig.suptitle — заголовок усієї фігури (на відміну від ax.set_title — заголовка одного графіка);
• fig.tight_layout() — розсуває графіки, щоб підписи не накладалися.

Форма axes залежить від аргументів:

Виклик	Що повертається в axes
plt.subplots()	один об'єкт Axes
plt.subplots(1, 3)	масив форми (3,)
plt.subplots(3, 1)	масив форми (3,)
plt.subplots(2, 3)	масив форми (2, 3)

Для однакової обробки всіх графіків у циклі зручно «сплющити» масив через axes.flat:

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(1)
titles = ["uniform", "normal", "exponential", "dice"]
data = [
    rng.uniform(0, 1, size=1000),
    rng.normal(0, 1, size=1000),
    rng.exponential(1, size=1000),
    rng.integers(1, 7, size=1000),
]

fig, axes = plt.subplots(2, 2, figsize=(8, 6))
for ax, title, values in zip(axes.flat, titles, data):
    ax.hist(values, bins=20, edgecolor="white")
    ax.set_title(title)
fig.tight_layout()
plt.show()

Спільні осі: sharex, sharey

Щоб порівнювати графіки, в них має бути однаковий масштаб. sharey=True робить вісь y спільною:

import matplotlib.pyplot as plt

months = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
kyiv = [-3.5, -2.4, 2.1, 9.4, 15.6, 19.0, 20.8, 20.0, 14.8, 8.6, 2.7, -1.6]
odesa = [-0.9, -0.3, 3.4, 9.3, 15.5, 20.0, 22.8, 22.4, 17.3, 11.5, 5.9, 1.3]

fig, (ax1, ax2) = plt.subplots(1, 2, sharey=True, figsize=(9, 4))
ax1.bar(months, kyiv, color="tab:blue")
ax1.set_title("Kyiv")
ax2.bar(months, odesa, color="tab:orange")
ax2.set_title("Odesa")
ax1.set_ylabel("Temperature, C")
fig.tight_layout()
plt.show()

Зверніть увагу на розпакування fig, (ax1, ax2) = ... — масив із двох Axes одразу розкладається на дві змінні.

Розмір фігури та компонування

figsize=(width, height) — розмір фігури в дюймах. За замовчуванням (6.4, 4.8).

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(10, 3))
ax.plot([1, 2, 3, 4, 5], [3, 1, 4, 1, 5])
plt.show()

Розмір у пікселях = дюйми × dpi (точок на дюйм). При dpi=100 фігура (10, 3) — це 1000×300 пікселів.

Замість fig.tight_layout() можна одразу створити фігуру з автоматичним компонуванням:

import matplotlib.pyplot as plt

fig, axes = plt.subplots(2, 2, layout="constrained")
for i, ax in enumerate(axes.flat):
    ax.plot([0, 1], [0, i])
    ax.set_title(f"Plot {i}")
    ax.set_xlabel("x")
plt.show()

layout="constrained" — сучасніший механізм: він стежить за підписами, заголовками та легендами під час кожного перемальовування (наприклад, коли змінюєте розмір вікна).

Збереження у файл: savefig

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 200)

fig, ax = plt.subplots(figsize=(8, 4))
ax.plot(x, np.sin(x) * np.exp(-x / 5))
ax.set(title="Damped oscillation", xlabel="t, s", ylabel="Amplitude")
ax.grid(True, alpha=0.3)

fig.savefig("damped.png", dpi=150, bbox_inches="tight")
fig.savefig("damped.svg")
print("saved")

saved

• формат визначається розширенням: .png, .jpg, .svg, .pdf;
• dpi — роздільна здатність растрового файлу. Для звіту достатньо 150, для друку — 300;
• bbox_inches="tight" — обрізає зайві білі поля навколо графіка;
• SVG і PDF — векторні: масштабуються без втрати якості, зручні для документів.

savefig — до show

Після того як вікно plt.show() закрите, фігура знищується. savefig після show збереже порожню картинку. Правильний порядок: спершу savefig, потім show.

Якщо графік потрібен лише у файлі (скрипт на сервері, генерація звіту), show не викликають. Щоб не накопичувати фігури в пам'яті в циклі, після збереження фігуру закривають:

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(0)

for i in range(3):
    fig, ax = plt.subplots()
    ax.hist(rng.normal(0, 1, size=500), bins=20)
    fig.savefig(f"hist_{i}.png")
    plt.close(fig)

print("done")

done

Приклад: аналіз оцінок групи

Повернемося до симуляції оцінок з лекції 30 і покажемо результат на одній фігурі з чотирма графіками.

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(42)

subjects = ["math", "physics", "python", "english"]
means = np.array([68, 65, 78, 74])
stds = np.array([12, 13, 10, 9])

# 30 студентів x 4 предмети
scores = rng.normal(loc=means, scale=stds, size=(30, 4))
scores = np.clip(np.round(scores), 0, 100).astype(int)
avg = scores.mean(axis=1)

fig, axes = plt.subplots(2, 2, figsize=(10, 7), layout="constrained")

# 1. середній бал по предметах
ax = axes[0, 0]
bars = ax.bar(subjects, scores.mean(axis=0), color="tab:blue")
ax.bar_label(bars, fmt="%.1f")
ax.set(title="Mean score by subject", ylabel="Score", ylim=(0, 100))

# 2. розподіл середнього балу студентів
ax = axes[0, 1]
ax.hist(avg, bins=10, color="tab:blue", edgecolor="white")
ax.axvline(60, color="tab:red", linestyle="--", label="pass threshold")
ax.set(title="Student average", xlabel="Average score", ylabel="Students", xlim=(40, 100))
ax.legend()

# 3. зв'язок математики та фізики
ax = axes[1, 0]
ax.scatter(scores[:, 0], scores[:, 1], color="tab:blue")
ax.set(title="Math vs physics", xlabel="Math", ylabel="Physics")
ax.grid(True, alpha=0.3)

# 4. бали студентів, відсортовані за середнім
ax = axes[1, 1]
order = np.argsort(avg)[::-1]
ax.plot(np.arange(1, 31), avg[order], marker="o", markersize=4)
ax.axhline(60, color="tab:red", linestyle="--")
ax.set(title="Ranking", xlabel="Place", ylabel="Average score", ylim=(40, 100))
ax.grid(True, alpha=0.3)

fig.suptitle("Group KI-31: exam results")
fig.savefig("grades_report.png", dpi=150)
plt.show()

Що тут відбувається:

• вся обробка даних — NumPy (mean(axis=...), argsort, булеві маски), matplotlib отримує вже готові масиви;
• кожен з 4 графіків відповідає на одне питання: який предмет найважчий? скільки «на межі»? чи пов'язані предмети? хто лідер і хто відстає?
• ylim=(0, 100) на стовпчиковій діаграмі — чесна шкала від нуля;
• np.argsort(avg)[::-1] — індекси студентів від найкращого до найгіршого.

Типові помилки

Немає plt.show(). Скрипт завершується, вікно не з'являється. У .py файлі show обов'язковий (якщо графік не зберігається у файл).

savefig після show. Зберігається порожня картинка. Спершу savefig, потім show.

Плутанина Axes і Axis. Axes — графік, Axis — вісь. Методи для малювання — в Axes.

ax.title("..."). У Axes немає методу title — лише ax.set_title("..."). Так само set_xlabel, set_ylabel, set_xlim. plt.title(...) без set_ — це pyplot-стиль.

axes.plot(...) для сітки графіків. Якщо fig, axes = plt.subplots(2, 2), то axes — масив, а не Axes. Потрібно axes[0, 0].plot(...).

axes[0, 0] для одного рядка. plt.subplots(1, 3) повертає одновимірний масив: axes[0], axes[1], axes[2]. axes[0, 0] дасть IndexError.

Змішування стилів. plt.title(...) після fig, axes = plt.subplots(2, 2) підпише лише останній створений Axes, а не той, який ви мали на увазі. В об'єктному стилі — лише методи ax.*.

legend() без label. Легенда порожня, в консолі попередження No artists with labels found to put in legend.

Різна довжина x і y. ValueError: x and y must have same first dimension. Перевіряйте shape масивів.

Графік без підписів. Графік без назви осей і одиниць вимірювання — це просто лінія. Завжди: заголовок, підписи осей з одиницями, легенда, якщо ліній кілька.

bar з обрізаною віссю. Стовпчикова діаграма з ylim, що не починається з нуля, спотворює пропорції.

Фігури в циклі без close. Сотні фігур, створених у циклі і збережених у файли, лишаються в пам'яті. plt.close(fig) після savefig.

Підсумок

• matplotlib — базова бібліотека графіків у Python; імпорт import matplotlib.pyplot as plt.
• Figure — полотно; Axes — один графік з осями; Axis — одна вісь.
• fig, ax = plt.subplots() — стандартний початок; далі методи ax.* (об'єктний стиль).
• ax.plot — лінії; параметри color, linestyle, linewidth, marker, label.
• ax.scatter — точки, зв'язок двох величин.
• ax.bar / ax.barh — порівняння категорій; ax.bar_label — значення над стовпчиками.
• ax.hist — розподіл однієї величини; параметр bins.
• set_title, set_xlabel, set_ylabel, set_xlim, set_ylim, set_xticks або все разом через ax.set(...).
• ax.legend(), ax.grid(), ax.axhline() / ax.axvline().
• plt.subplots(nrows, ncols) — сітка графіків; axes — масив NumPy; sharex / sharey — спільний масштаб.
• figsize — розмір у дюймах; layout="constrained" або fig.tight_layout() — компонування без накладань.
• fig.savefig("file.png", dpi=150, bbox_inches="tight") — збереження; до plt.show().

Корисні посилання

• matplotlib: Quick start guide
• Anatomy of a figure
• Axes.plot
• pyplot.subplots
• Галерея прикладів matplotlib
• Квартет Енскомба

---

Знайшли помилку чи бажаєте додати інформацію, щоб покращити курс? Створіть issue на GitHub