📊 Python Visualization Tools - ग्राफ और चार्ट बनाना सीखें (हिंदी में)

🔰 Visualization क्यों जरूरी है?

Data को numbers के रूप में पढ़ना मुश्किल होता है, लेकिन जब वही data चार्ट और ग्राफ्स में होता है तो patterns और trends तुरंत समझ में आते हैं।

AI, ML, और Data Science में visualization tools का उपयोग Exploratory Data Analysis (EDA) और Reports बनाने में होता है।

📌 1. Matplotlib (Base Visualization Tool)

Matplotlib Python की सबसे पुरानी और powerful library है जो basic से लेकर complex charts बना सकती है।

import matplotlib.pyplot as plt
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("Simple Line Chart")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

• Line, Bar, Pie charts
• Subplots, Legends
• Customization options

📌 2. Seaborn (Statistical Graphs)

Seaborn एक high-level API है जो Matplotlib के ऊपर बना हुआ है और statistical data को visually represent करता है।

import seaborn as sns
import pandas as pd

df = sns.load_dataset("iris")
sns.scatterplot(x="sepal_length", y="sepal_width", data=df)

• Boxplot, Heatmap, Violin Plot
• Pairplot, Distribution Plot

📌 3. Plotly (Interactive Graphs)

Plotly एक interactive visualization library है जहाँ आप zoom, hover और drag जैसे features का इस्तेमाल कर सकते हैं।

import plotly.express as px

df = px.data.gapminder()
fig = px.line(df[df['country'] == 'India'], x="year", y="gdpPercap")
fig.show()

• Interactive line, bar, area charts
• Web-based output

📌 4. Altair (Declarative Grammar)

Altair simple और readable grammar के साथ charts बनाने की सुविधा देता है।

import altair as alt
import pandas as pd

df = pd.DataFrame({"x": [1,2,3], "y": [4,5,6]})
chart = alt.Chart(df).mark_line().encode(x='x', y='y')
chart.show()

• Simple syntax
• Great for clean web charts

📌 5. Pandas Plot (Quick & Built-in)

Pandas में DataFrame से direct plotting की सुविधा होती है।

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({"a": [1, 2, 3], "b": [4, 5, 6]})
df.plot()
plt.show()

• Quick bar/line charts
• EDA में fast plotting