Matplotlib en ligne

Apprendre Machine Learning

Python avec numpy, pandas, matplotlib, scipy et scikit-learn. Vos graphiques s'affichent à côté de la sortie. Gratuit, sans inscription.

Essayez un exemple

main.py

Cliquez sur Exécuter et votre graphique s'affiche ici.

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 200)

plt.plot(x, np.sin(x), label="sin(x)")
plt.plot(x, np.cos(x), label="cos(x)", linestyle="--")
plt.title("Sine and cosine")
plt.xlabel("x (radians)")
plt.ylabel("y")
plt.legend()
plt.grid(alpha=0.3)
plt.show()

print(f"{len(x)} points from 0 to {x[-1]:.2f}")

Tracez des graphiques Python en ligne, sans rien installer

Écrivez du Python, cliquez sur Exécuter et votre graphique s'affiche à côté du code. Ce playground en ligne gratuit fait tourner un vrai Python 3.12 avec numpy, pandas, matplotlib, scipy et scikit-learn déjà installés : vous passez de quelques lignes de données à un graphique fini sans configurer Jupyter, pip ou un environnement virtuel.

Choisissez un exemple pour commencer : une courbe, un nuage de points avec des groupes colorés, un histogramme, des clusters k-means sur le jeu de données iris ou un diagramme en barres avec pandas. Changez un nombre, relancez et regardez le graphique changer. C'est un endroit rapide pour tester un appel plt, voir ce que renvoie un groupby ou essayer un modèle scikit-learn sur un jeu de données intégré.

Ce que fait ce traceur de graphiques Python en ligne

Du vrai Python avec la pile data science : numpy, pandas, matplotlib, scipy et scikit-learn sont prêts pour import.
Des graphiques dessinés dans la page : chaque figure que votre code crée avec plt.show() s'affiche à côté de la sortie, nette à toutes les tailles, et s'ouvre en grand d'un clic.
Plusieurs figures dans une exécution s'affichent en miniatures, et les avertissements Python apparaissent au-dessus du graphique au lieu de se perdre dans la sortie.
Votre code est enregistré dans votre navigateur pendant que vous tapez. Copiez-le ou téléchargez main.py pour continuer dans Jupyter ou votre propre éditeur.

Ce que vous pouvez tracer dans le playground matplotlib

Des courbes d'une fonction ou d'une série temporelle avec plt.plot, une légende et des axes nommés.
Des nuages de points et des histogrammes de données aléatoires de numpy.random, pour voir une distribution prendre forme.
Des diagrammes en barres directement depuis pandas : regroupez les lignes avec groupby, additionnez-les et appelez .plot(kind="bar").
Du machine learning sur les jeux de données fournis avec scikit-learn, comme load_iris, load_wine et load_digits : clusters, frontières de décision et scores de modèles.

FAQ matplotlib en ligne

Cet éditeur matplotlib en ligne est-il gratuit ?

Oui. Il est gratuit et sans compte : ouvrez la page, modifiez le code et cliquez sur Exécuter.

Quelles bibliothèques Python puis-je utiliser ?

Python 3.12 avec numpy, pandas, matplotlib, scipy et scikit-learn, plus la bibliothèque standard. Vous ne pouvez pas faire pip install pour ajouter d'autres paquets ici.

Les graphiques matplotlib s'affichent-ils vraiment ?

Oui. Appelez plt.show() après avoir tracé, ou laissez simplement la figure ouverte à la fin, et le graphique s'affiche à côté de la sortie. Les courbes, nuages de points, barres, histogrammes, images et contours sont dessinés nativement ; quelques types de graphiques s'affichent sous forme de l'image rendue par matplotlib. Une exécution affiche jusqu'à 8 figures.

Puis-je utiliser scikit-learn en ligne ici ?

Oui. Importez depuis sklearn comme d'habitude et entraînez des modèles comme KMeans, KNeighborsClassifier ou LinearRegression. Utilisez les jeux de données fournis avec scikit-learn, comme load_iris(), ou créez les vôtres avec numpy et pandas. Les jeux de données à télécharger, comme fetch_openml, ne sont pas disponibles.

Quelles sont les limites ?

Une exécution dure environ 10 secondes au plus, le code peut faire jusqu'à environ 14 Ko et le programme ne peut pas lire d'entrée, ouvrir des fichiers envoyés ni accéder à internet. C'est largement assez pour des graphiques et de petits modèles. Pour des projets plus gros, copiez votre code dans Jupyter ou dans un Python installé en local.

Comment apprendre le machine learning après l'avoir essayé ?

Modifiez les exemples et regardez ce qui arrive au graphique. Quand vous voulez un parcours guidé, le cours Machine Learning de Coddy enseigne numpy, pandas, les graphiques et scikit-learn en leçons courtes qui dessinent leurs graphiques de la même façon.

Outils utiles pour Matplotlib

Outils gratuits dans le navigateur qui s'associent bien avec le Playground Matplotlib - tout fait partie de Coddy.

Aide-mémoire Matplotlib Comparer les plateformes de code