HumanizerDZ

شرح مكتبة Matplotlib: كيفية رسم البيانات في لغة بايثون

بعد تعلم مكتبتي NumPy و Pandas لتحليل البيانات، تأتي مرحلة عرض النتائج باستخدام Matplotlib. تعد هذه المكتبة الأساس في لغة بايثون لرسم المخططات البيانية، وتعتمد عليها معظم مكتبات الرسم الأخرى مثل Seaborn.

💡 خلاصة: مكتبة Matplotlib هي الأداة التي تحول الأرقام والبيانات الخام إلى رسوم بيانية واضحة ومفهومة.

أولاً: التثبيت والاستدعاء

# تثبيت المكتبة
pip install matplotlib

# استدعاء المكتبة في بداية البرنامج
import matplotlib.pyplot as plt
import numpy as np

ثانياً: أهم أنواع الرسوم البيانية مع أمثلة برمجية

1. المخطط الخطي Line Plot

يستخدم لعرض تغير القيم مع الزمن، مثل أسعار الأسهم أو درجات الحرارة أو الأرباح الشهرية.

x = [1, 2, 3, 4, 5]
y = [2, 5, 7, 10, 12]

plt.plot(x, y, marker='o', color='#013243', linewidth=2)
plt.title('Sales Growth Over 5 Months')
plt.xlabel('Month')
plt.ylabel('Sales in Millions')
plt.grid(True, alpha=0.3)
plt.show()

الشكل 1: يوضح المخطط السابق نمو المبيعات خلال خمسة أشهر من 2 مليون إلى 12 مليون.

2. أشهر دوال مكتبة Matplotlib

الدالة	نوع الرسم	حالة الاستخدام	مثال مختصر
plt.plot()	خطي Line	عرض البيانات المتصلة زمنياً	plt.plot(x, y)
plt.scatter()	تشتت Scatter	توضيح العلاقة بين متغيرين	plt.scatter(x, y)
plt.bar()	أعمدة Bar	المقارنة بين الفئات	plt.bar(names, values)
plt.hist()	مدرج تكراري	عرض توزيع البيانات	plt.hist(data, bins=10)
plt.pie()	دائري Pie	تمثيل النسب المئوية	plt.pie(sizes, labels=names)
plt.boxplot()	صندوق Box	اكتشاف القيم الشاذة	plt.boxplot(data)

3. تخصيص المخططات: العناوين والشبكة والحفظ

الأمر البرمجي	الوظيفة
plt.title('Chart Title', fontsize=16, color='#013243')	إضافة عنوان للمخطط
plt.xlabel('X Axis')	تسمية المحور الأفقي
plt.ylabel('Y Axis')	تسمية المحور العمودي
plt.legend(['Line 1', 'Line 2'])	إظهار مفتاح الرسم
plt.grid(True, alpha=0.3)	إظهار خطوط الشبكة الخلفية
plt.savefig('chart.png', dpi=300)	حفظ المخطط كصورة عالية الجودة

🔥 ملاحظة تقنية: ينصح دائماً باستخدام الأمر plt.figure(figsize=(10,6)) قبل بدء الرسم للتحكم في أبعاد الصورة. المقاس 10×6 مناسب للمواقع والبحوث العلمية.

ثالثاً: ثلاثة أمثلة عملية كاملة

المثال الأول: مقارنة المبيعات باستخدام مخطط الأعمدة

products = ['Phone', 'Laptop', 'Headphone', 'Watch']
sales_2024 = [150, 80, 200, 120]
sales_2025 = [180, 95, 240, 140]

x = np.arange(len(products))
width = 0.35

plt.figure(figsize=(10,6))
plt.bar(x - width/2, sales_2024, width, label='2024', color='#013243')
plt.bar(x + width/2, sales_2025, width, label='2025', color='#025d7a')
plt.xlabel('Product')
plt.ylabel('Sales Count')
plt.title('Sales Comparison 2024 vs 2025', color='#013243', fontsize=14)
plt.xticks(x, products)
plt.legend()
plt.show()

الشكل 2: يقارن المخطط السابق مبيعات أربعة منتجات بين عامي 2024 و 2025.

المثال الثاني: توزيع الدرجات باستخدام المدرج التكراري

# توليد 1000 درجة عشوائية بمتوسط 75
grades = np.random.normal(75, 10, 1000)

plt.figure(figsize=(10,6))
plt.hist(grades, bins=20, color='#013243', edgecolor='white', alpha=0.8)
plt.title('Grades Distribution of 1000 Students', color='#013243', fontsize=14)
plt.xlabel('Grade')
plt.ylabel('Number of Students')
plt.axvline(grades.mean(), color='#ff6f00', linestyle='dashed', linewidth=2, label='Mean')
plt.legend()
plt.show()

الشكل 3: يعرض المدرج التكراري توزيع درجات 1000 طالب، مع توضيح المتوسط الحسابي بالخط المتقطع.

المثال الثالث: رسم أربعة مخططات في نافذة واحدة Subplots

x = np.linspace(0, 10, 100)

plt.figure(figsize=(12,8))

# المخطط الأول
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x), color='#013243')
plt.title('Sin')

# المخطط الثاني
plt.subplot(2, 2, 2)
plt.plot(x, np.cos(x), color='#025d7a')
plt.title('Cos')

# المخطط الثالث
plt.subplot(2, 2, 3)
plt.plot(x, np.tan(x), color='#013243')
plt.title('Tan')

# المخطط الرابع
plt.subplot(2, 2, 4)
plt.plot(x, x**2, color='#025d7a')
plt.title('X^2')

plt.tight_layout()
plt.show()

الشكل 4: يوضح كيفية دمج أربعة رسوم بيانية مختلفة في صورة واحدة باستخدام دالة subplot.

رابعاً: المقارنة بين Matplotlib و Seaborn

Matplotlib	Seaborn
تحكم كامل في جميع تفاصيل الرسم	رسوم جاهزة بتصميم احترافي وبأقل كود
تتطلب كتابة أوامر متعددة للتخصيص	توفر أنماطاً وألواناً جاهزة
المكتبة الأساسية التي يجب تعلمها أولاً	مبنية على Matplotlib وتعد امتداداً لها
الأفضل للرسوم العلمية المعقدة	الأفضل للرسوم الإحصائية السريعة

📚 مقالات ذات صلة:
- شرح مكتبة Seaborn: رسوم إحصائية بسطر برمجي واحد
- شرح مكتبة Pandas لتحليل البيانات
- 10 أنواع من الرسوم البيانية يجب على محلل البيانات معرفتها

✅ الخلاصة: البداية تكون بإتقان الدوال plt.plot() و plt.bar() و plt.hist(). هذه الدوال الثلاث تغطي ما يقارب 80% من حالات الاستخدام العملية في تحليل البيانات.