Как установить matplotlib в pycharm windows

1. Install Matplotlib in PyCharm
2. Manually Install Matplotlib in PyCharm
3. Types of Plots With Matplotlib
4. Conclusion

Matplotlib is a Python script module used to make 2D graphs and plots. With features to control line styles, font attributes, formatting axes, and other features.

It offers various graphs and plots, including error charts, bar charts, power spectra, and histograms.

Matplotlib is a multi-platform data visualization package created to deal with the larger SciPy stack and is based on NumPy arrays. One of the visualization’s biggest advantages is that it gives us visual access to vast volumes of data in forms that are simple to understand.

Install Matplotlib in PyCharm

To install the Matplotlib module in PyCharm IDE, run the following code in the IDE’s terminal.

C:UsersYour Name>pip install matplotlib

Then import the Matplotlib module into your program in PyCharm IDE using the import keyword.

Manually Install Matplotlib in PyCharm

To manually install the famous data visualization library matplotlib in your PyCharm IDE, follow the following steps.

Types of Plots With Matplotlib

As we mentioned above, you can make many different plots and graphs with the help of the Matplotlib library. So, here we are going to discuss some of them.

Line Plot With Matplotlib

As its name describes, the line plot forms a straight line on the x and y-axis. You need to insert the parameters in an array form that will create a straight 2D line.

import sys
import matplotlib
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([2, 6])
ypoints = np.array([5, 12])

plt.plot(xpoints, ypoints)
plt.show()

Output:

Matplotlib Marker

A unique method of managing markers in Matplotlib graphs is called Matplotlib Marker. Graphs can be customized using marker functions because they come with various markers and other indicating icons.

The following are a few of the most commonly used markers.

Let’s understand all these with the help of examples.

for Point Marker

To form this, we use . here is the code:

import sys
import matplotlib
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([5, 13, 21, 25])

# for point marker

plt.plot(ypoints, marker = '.')
plt.show()

Output:

for Circle Marker

Use the following code to make a o (circle) marker:

import sys
import matplotlib
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([4, 9, 19, 26])

# for circle
plt.plot(ypoints, marker = 'o')
plt.show()

Output:

Matplotlib Grid

The grid inside the graphic can be shown or hidden using the axes object’s grid() function.

Following is the code for the Matplotlib grid:

import sys
import matplotlib
%matplotlib inline

import numpy as np
import matplotlib.pyplot as plt

x = np.array([60, 65, 70, 75, 80, 85, 90, 95, 100, 105])
y = np.array([140, 150, 160, 170, 180, 190, 200, 210, 220, 230])

plt.plot(x, y)

plt.grid()

plt.show()

Output:

Matplotlib Bar

To show the progress of values of different categories, you can use the bar() function.

import sys
import matplotlib
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["Maths", "Physics", "Chemistry", "Biology"])
y = np.array([80, 84, 75, 90])

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

Output:

Matplotlib Histogram

The histogram graph explains the frequency distribution in a given interval.

import sys
import matplotlib
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

x = np.random.normal(140, 30, 270)

plt.hist(x)
plt.show()

Output:

Conclusion

Matplotlib creates a 2D graph to visualize the inserted information. In this article, we tried to cover all the main graphs that can be plotted with the help of the Matplotlib module.

The compatibility of Matplotlib with a wide range of operating systems and graphics backends is one of its key advantages. You can rely on Matplotlib to function no matter what operating system you use or the output format you prefer.

Вы также можете попробовать установить PyCharm на шаге 5, может быть быстрее.

1. Сочетание клавиш WIN + R, введите CMD, чтобы открыть командную окно DOS.

2. Хотя у меня есть PIP во время загрузки Python, я обновить PIP, введите обновленную команду PIP:

python -m pip install --upgrade pip

3. Использование PIP для загрузки Matplotlib:

Если вы используете команду непосредственно:pip install matplotlibТрудно добиться успеха.

Укажите внутреннее зеркальное отображение при установке модуля:

Pip Install Package - I http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

Например, я установил Matplotlib следующим образом:

C:UsersBlessing Lee>pip install matplotlib -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
Looking in indexes: http://pypi.douban.com/simple/
Collecting matplotlib
  Downloading http://pypi.doubanio.com/packages/f7/5f/6983747ae9ca4c731ef16630a8729aaa81fe29f7cc2a5ac4b0b572b8252d/matplotlib-3.2.2-cp38-cp38-win_amd64.whl (9.2 MB)
     |████████████████████████████████| 9.2 MB 3.3 MB/s
Collecting cycler>=0.10
  Downloading http://pypi.doubanio.com/packages/f7/d2/e07d3ebb2bd7af696440ce7e754c59dd546ffe1bbe732c8ab68b9c834e61/cycler-0.10.0-py2.py3-none-any.whl (6.5 kB)
Collecting numpy>=1.11
  Downloading http://pypi.doubanio.com/packages/df/f3/3fdea08ad680100b5e7abf810a154ce142a63266df1abfdca5cb0f66cca1/numpy-1.19.0-cp38-cp38-win_amd64.whl (13.0 MB)
     |████████████████████████████████| 13.0 MB 6.8 MB/s
Collecting pyparsing!=2.0.4,!=2.1.2,!=2.1.6,>=2.0.1
  Downloading http://pypi.doubanio.com/packages/8a/bb/488841f56197b13700afd5658fc279a2025a39e22449b7cf29864669b15d/pyparsing-2.4.7-py2.py3-none-any.whl (67 kB)
     |████████████████████████████████| 67 kB 3.0 MB/s
Collecting python-dateutil>=2.1
  Downloading http://pypi.doubanio.com/packages/d4/70/d60450c3dd48ef87586924207ae8907090de0b306af2bce5d134d78615cb/python_dateutil-2.8.1-py2.py3-none-any.whl (227 kB)
     |████████████████████████████████| 227 kB 6.4 MB/s
Collecting kiwisolver>=1.0.1
  Downloading http://pypi.doubanio.com/packages/37/97/cec83ff97d2c5190094e1331e32900b3c51623abbb1d8de229c119588375/kiwisolver-1.2.0-cp38-none-win_amd64.whl (58 kB)
     |████████████████████████████████| 58 kB 1.6 MB/s
Collecting six
  Downloading http://pypi.doubanio.com/packages/ee/ff/48bde5c0f013094d729fe4b0316ba2a24774b3ff1c52d924a8a4cb04078a/six-1.15.0-py2.py3-none-any.whl (10 kB)
Installing collected packages: six, cycler, numpy, pyparsing, python-dateutil, kiwisolver, matplotlib
Successfully installed cycler-0.10.0 kiwisolver-1.2.0 matplotlib-3.2.2 numpy-1.19.0 pyparsing-2.4.7 python-dateutil-2.8.1 six-1.15.0

4. Введите список PIP, чтобы увидеть, какие пакеты вы установили

C:UsersBlessing Lee>pip list
Package         Version
--------------- -------
cycler          0.10.0
kiwisolver      1.2.0
matplotlib      3.2.2
numpy           1.19.0
pip             20.1.1
pyparsing       2.4.7
python-dateutil 2.8.1
setuptools      41.2.0
six             1.15.0

C:UsersBlessing Lee>

В это время простоя должен быть в состоянии использовать его непосредственно. Вы можете проверить это с помощью метода конечных испытаний.

5. PPLOTLIB в PyCharm:

Открыть PyCharm, выберите Файл-Настройки (File — Set), а затем нажмите на Porject (как показано ниже)

Если у вас есть пакет, который вы установите под пакет, вы можете использовать его. Но если нет, то вы можете скачать его здесь:

6. Скачать Matplotlib прямо в PyCharm:

Нажмите на маленькую сторону с правой стороны верхней части.+ После:

Настройте путь загрузки:

http://pi.douban.com/simple/ # путь такой же, как и раньше   

Я попробовал оригинальный путь загрузки и Alibaba Cloud путь загрузки ошибка, и нет никаких проблем с Douban.

После настройки пути, выберите Нажмите для загрузки, вы можете. (Сконфигурированной, в основном не проблема)

7. Тест: Использование PyCharm или Идель запустить Netizen код:

import numpy as np
import matplotlib.pyplot as plt
t = np.arange(0., 4., 0.1)
plt.plot(t, t, t, t+2, t, t**2)
plt.show()
#      , контент завершен

В результате ОК следующим образом:

Язык программирования Python считается достаточно простым. На нем легче и быстрее пишутся программы, по сравнению с компилируемыми языками программирования. Для Python существует множество библиотек, позволяющих решать практически любые задачи. Есть, конечно, и минусы и другие нюансы, но это отдельная тема.

Довольно часто я вижу, как мои знакомые и друзья начинают изучать Python и сталкиваются с проблемой установки и использования сторонних библиотек. Они могут несколько часов потратить на установку библиотеки, и даже, могут не справиться с этим и забить на неё. В то время как, в большинстве случаев, это можно было сделать за несколько минут.

Статья начинается с базовых вещей: с установки Python 3, инструментов разработки Pip и Virtualenv и среды разработки PyCharm в Windows и в Ubuntu. Для многих это не представляет трудностей и возможно, что уже всё установлено.

После чего будет то, ради чего задумывалась статья, я покажу как в PyCharm создавать и использовать виртуальные окружения и устанавливать в них библиотеки с помощью Pip.

Установка Python и Pip

Pip является менеджером пакетов для Python. Именно с помощью него обычно устанавливаются модули/библиотеки для разработки в виде пакетов. В Windows Pip можно установить через стандартный установщик Python. В Ubuntu Pip ставится отдельно.

Установка Python и Pip в Windows

Для windows заходим на официальную страницу загрузки, где затем переходим на страницу загрузки определенной версии Python. У меня используется Python 3.6.8, из-за того, что LLVM 9 требует установленного Python 3.6.

Далее в таблице с файлами выбираем «Windows x86-64 executable installer» для 64-битной системы или «Windows x86 executable installer» для 32-битной. И запускаем скачанный установщик, например, для версии Python 3.8.1 он называется python-3.8.1-amd64.exe.

Во время установки ставим галочку возле Add Python 3.x to PATH и нажимаем Install Now:

Установка Python и Pip в Ubuntu

В Ubuntu установить Python 3 можно через терминал. Запускаем его и вводим команду установки. Вторая команда выводит версию Python.

sudo apt install python3-minimal
python3 -V

Далее устанавливаем Pip и обновляем его. После обновления необходимо перезапустить текущую сессию (или перезагрузить компьютер), иначе возникнет ошибка во время вызова Pip.

sudo apt install python3-pip
pip3 install --user --upgrade pip

Основные команды Pip

Рассмотрим основные команды при работе с Pip в командой строке Windows и в терминале Ubuntu.

Если виртуальные окружения не используются, то во время установки пакета(ов) полезно использовать дополнительно ключ --user, устанавливая пакет(ы) локально только для текущего пользователя.

Установка VirtualEnv и VirtualEnvWrapper

VirtualEnv используется для создания виртуальных окружений для Python программ. Это необходимо для избежания конфликтов, позволяя установить одну версию библиотеки для одной программы, и другу для второй. Всё удобство использования VirtualEnv постигается на практике.

Установка VirtualEnv и VirtualEnvWrapper в Windows

В командной строке выполняем команды:

pip install virtualenv
pip install virtualenvwrapper-win

Установка VirtualEnv и VirtualEnvWrapper в Ubuntu

Для Ubuntu команда установки будет следующей:

pip3 install --user virtualenv virtualenvwrapper

После которой в конец ~/.bashrc добавляем:

export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source ~/.local/bin/virtualenvwrapper.sh

При новом запуске терминала должны будут появиться сообщения, начинающиеся на virtualenvwrapper.user_scripts creating, что говорит об успешном завершении установки.

Работа с виртуальным окружением VirtualEnv

Рассмотрим основные команды при работе с VirtualEnv в командой строке Windows и в терминале Ubuntu.

Находясь в одном из окружений, можно ставить пакеты через Pip, как обычно и нет необходимости добавлять ключ --user:

pip3 install markdown

Для Windows можно указать в переменных среды WORKON_HOME для переопределения пути, где хранятся виртуальные окружения. По умолчанию, используется путь %USERPROFILE%Envs.

Установка PyCharm

PyCharm — интегрированная среда разработки для языка программирования Python. Обладает всеми базовыми вещами необходимых для разработки. В нашем случае огромное значение имеет хорошее взаимодействие PyCharm с VirtualEnv и Pip, чем мы и будем пользоваться.

Установка PyCharm в Windows

Скачиваем установщик PyCharm Community для Windows с официального сайта JetBrains. Если умеете проверять контрольные суммы у скаченных файлов, то не забываем это сделать.

В самой установке ничего особенного нету. По сути только нажимаем на кнопки next, и в завершение на кнопку Install. Единственно, можно убрать версию из имени папки установки, т.к. PyCharm постоянно обновляется и указанная версия в будущем станет не правильной.

Установка PyCharm в Ubuntu

Скачиваем установщик PyCharm Community для Linux с официального сайта JetBrains. Очень хорошей практикой является проверка контрольных сумм, так что если умеете, не ленитесь с проверкой.

Распаковываем архив с PyCharm и переименовываем папку с программой в pycharm-community, убрав версию из названия.

Теперь в директории ~/.local (Ctrl + H — Показ скрытый файлов), создаем папку opt, куда и перемещаем pycharm-community. В результате по пути /.local/opt/pycharm-community должны размещаться папки bin, help и т.д. Таким образом PyCharm будет находится в своём скромном месте и никому не будет мешать.

Далее выполняем команды в терминале:

cd /home/maksim/.local/opt/pycharm-community/bin
sh ./pycharm.sh

Производим установку. И очень важно в конце не забыть создать desktop файл для запуска PyCharm. Для этого в Окне приветствия в нижнем правом углу нажимаем на Configure > Create Desktop Entry.

Установка PyCharm в Ubuntu из snap-пакета

PyCharm теперь можно устанавливать из snap-пакета. Если вы используете Ubuntu 16.04 или более позднюю версию, можете установить PyCharm из командной строки.

sudo snap install pycharm-community --classic

Использование VirtualEnv и Pip в PyCharm

Поддержка Pip и Virtualenv в PyCharm появилась уже довольно давно. Иногда конечно возникают проблемы, но взаимодействие работает в основном стабильно.

Рассмотрим два варианта работы с виртуальными окружениями:

1. Создаём проект со своим собственным виртуальным окружением, куда затем будут устанавливаться необходимые библиотеки;
2. Предварительно создаём виртуальное окружение, куда установим нужные библиотеки. И затем при создании проекта в PyCharm можно будет его выбирать, т.е. использовать для нескольких проектов.

Первый пример: использование собственного виртуального окружения для проекта

Создадим программу, генерирующую изображение с тремя графиками нормального распределения Гаусса Для этого будут использоваться библиотеки matplotlib и numpy, которые будут установлены в специальное созданное виртуальное окружение для программы.

Запускаем PyCharm и окне приветствия выбираем Create New Project.

В мастере создания проекта, указываем в поле Location путь расположения создаваемого проекта. Имя конечной директории также является именем проекта. В примере директория называется ‘first_program’.

Далее разворачиваем параметры окружения, щелкая по Project Interpreter. И выбираем New environment using Virtualenv. Путь расположения окружения генерируется автоматически. В Windows можно поменять в пути папку venv на Envs, чтобы команда workon находила создаваемые в PyCharm окружения. Ставить дополнительно галочки — нет необходимости. И нажимаем на Create.

Теперь установим библиотеки, которые будем использовать в программе. С помощью главного меню переходим в настройки File > Settings. Где переходим в Project: project_name > Project Interpreter.

Здесь мы видим таблицу со списком установленных пакетов. В начале установлено только два пакета: pip и setuptools.

Справа от таблицы имеется панель управления с четырьмя кнопками:

• Кнопка с плюсом добавляет пакет в окружение;
• Кнопка с минусом удаляет пакет из окружения;
• Кнопка с треугольником обновляет пакет;
• Кнопка с глазом включает отображение ранних релизов для пакетов.

Для добавления (установки) библиотеки в окружение нажимаем на плюс. В поле поиска вводим название библиотеки. В данном примере будем устанавливать matplotlib. Дополнительно, через Specify version можно указать версию устанавливаемого пакета и через Options указать параметры. Сейчас для matplotlib нет необходимости в дополнительных параметрах. Для установки нажимаем Install Package.

После установки закрываем окно добавления пакетов в проект и видим, что в окружение проекта добавился пакет matplotlib с его зависимостями. В том, числе был установлен пакет с библиотекой numpy. Выходим из настроек.

Теперь мы можем создать файл с кодом в проекте, например, first.py. Код программы имеет следующий вид:

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-5, 5, 100)

def gauss(sigma, mu):
    return 1/(sigma * (2*np.pi)**.5) * np.e ** (-(x-mu)**2/(2 * sigma**2))

dpi = 80
fig = plt.figure(dpi=dpi, figsize=(512 / dpi, 384 / dpi))

plt.plot(x, gauss(0.5, 1.0), 'ro-')
plt.plot(x, gauss(1.0, 0.5), 'go-')
plt.plot(x, gauss(1.5, 0.0), 'bo-')

plt.legend(['sigma = 0.5, mu = 1.0',
            'sigma = 1.0, mu = 0.5',
            'sigma = 1.5, mu = 0.0'], loc='upper left')

fig.savefig('gauss.png')

Для запуска программы, необходимо создать профиль с конфигурацией. Для этого в верхнем правом углу нажимаем на кнопку Add Configuration…. Откроется окно Run/Debug Configurations, где нажимаем на кнопку с плюсом (Add New Configuration) в правом верхнем углу и выбираем Python.

Далее указываем в поле Name имя конфигурации и в поле Script path расположение Python файла с кодом программы. Остальные параметры не трогаем. В завершение нажимаем на Apply, затем на OK.

Теперь можно выполнить программу и в директории с программой появится файл gauss.png:

Второй пример: использование предварительно созданного виртуального окружения

Данный пример можно использовать во время изучения работы с библиотекой. Например, изучаем PySide2 и нам придется создать множество проектов. Создание для каждого проекта отдельного окружения довольно накладно. Это нужно каждый раз скачивать пакеты, также свободное место на локальных дисках ограничено.

Более практично заранее подготовить окружение с установленными нужными библиотеками. И во время создания проектов использовать это окружение.

В этом примере мы создадим виртуальное окружения PySide2, куда установим данную библиотеку. Затем создадим программу, использующую библиотеку PySide2 из предварительно созданного виртуального окружения. Программа будет показывать метку, отображающую версию установленной библиотеки PySide2.

Начнем с экран приветствия PyCharm. Для этого нужно выйти из текущего проекта. На экране приветствия в нижнем правом углу через Configure > Settings переходим в настройки. Затем переходим в раздел Project Interpreter. В верхнем правом углу есть кнопка с шестерёнкой, нажимаем на неё и выбираем Add…, создавая новое окружение. И указываем расположение для нового окружения. Имя конечной директории будет также именем самого окружения, в данном примере — pyside2. В Windows можно поменять в пути папку venv на Envs, чтобы команда workon находила создаваемые в PyCharm окружения. Нажимаем на ОК.

Далее в созданном окружении устанавливаем пакет с библиотекой PySide2, также как мы устанавливали matplotlib. И выходим из настроек.

Теперь мы можем создавать новый проект использующий библиотеку PySide2. В окне приветствия выбираем Create New Project.

В мастере создания проекта, указываем имя расположения проекта в поле Location. Разворачиваем параметры окружения, щелкая по Project Interpreter, где выбираем Existing interpreter и указываем нужное нам окружение pyside2.

Для проверки работы библиотеки создаем файл second.py со следующий кодом:

import sys

from PySide2.QtWidgets import QApplication, QLabel
from PySide2 import QtCore

if __name__ == "__main__":
    app = QApplication(sys.argv)

    label = QLabel(QtCore.qVersion())
    label.show()

    QtCore.qVersion()

    sys.exit(app.exec_())

Далее создаем конфигурацию запуска программы, также как создавали для первого примера. После чего можно выполнить программу.

Заключение

У меня нет богатого опыта программирования на Python. И я не знаком с другими IDE для Python. Поэтому, возможно, данные IDE также умеют работать с Pip и Virtualenv. Использовать Pip и Virtualenv можно в командой строке или в терминале. Установка библиотеки через Pip может завершиться ошибкой. Есть способы установки библиотек без Pip. Также создавать виртуальные окружения можно не только с помощью Virtualenv.

В общем, я лишь поделился небольшой частью опыта из данной области. Но, если не вдаваться в глубокие дебри, то этого вполне достаточно знать, чтобы писать простые программы на Python с использованием сторонних библиотек.