பட்டை வரைவிடம் (அல்லது பட்டை வரைபடம்) என்பது மிகவும் பொதுவான வரைவிடம் வகையாகும். இது எண் மாறிக்கும், வகை மாறிகளுக்கும் இடையே உள்ள உறவை வெளிப்படுத்துகிறது. பட்டை விளக்கப்படம் வகைப்படுத்தப்பட்ட தரவுகளை செவ்வக பட்டையாக காட்டும். இப்பட்டைகள் செங்குத்தாகவோ அல்லது கிடைமட்டமாகவோ தொகுப்பப்படலாம். இம்முறை கொடுக்கப்பட்ட எண் மதிப்புகளை பல்வேறு வகையுடன் ஒப்பிட்டு பார்க்க உதவும். 

வரி வரைப்படம் அல்லது வரி விளக்கப்படம் என்பது தகவல்களை, "குறிப்பான்கள்" (Marker) என்று அழைக்கப்படும் தரவு புள்ளிகளின் தொடரை நேர் கோட்டின் இணைப்பதன் மூலம் காட்டுகிறது. வரி வரைபடம் தரவுகளின் மாற்றத்தை குறிப்பிட்ட காலத்தில் நிகழக்கூடியதை காட்டும். எனவே, கால வரிசைப்படி இக்கோடுகள் அமைக்கப்படும்.

plt.plot([1,2,3,4])	plt.plot([1,2,3,4], [1,4,9,16])
[1,2,3,4] மதிப்புகளை குறிக்கிறது	([1,2,3,4], [1,4,9,16]) இது x மற்றும் y மதிப்புகளை குறிக்கிறது
மறைமுகமாக இது x ன் மதிப்புகளை குறிக்கிறது. [0, 1, 2, 3] (0, 1), (1, 2), (2, 3), (3, 4)	நேரடியாக செயல்பாட்டில் கொடுக்கப்பட்டுள்ளது. (1, 1), (2, 4), (3, 9), (4, 16)

pip பயன்படுத்தி matplotlib நாம் நிறுவ முடியும். pip என்பது பைத்தான் தொகுப்புகளை நிறுவுவதற்கான ஒரு மேலாண்மை மென்பொருள் ஆகும்.

Matplotlib ல் பல்வேறு வகையான காட்சிப்படுத்தல் உள்ளன.
அவை:
(i) கோட்டு வரைவு (Line plot)
(ii) ஸ்கேட்டர் வரைவு (Scatter plot)
(iii) ஹிஸ்டோகிராம் (Histogram)
(iv) பெட்டி வரைவு (Box plot)
(v) பட்டை விளக்கப்படம் (Bar chart)
(vi) வட்ட விளக்கப்படம் (Pie chart)

(i) ஸ்கேட்டர் வரைவிடம்:  ஸ்கேட்டர் வரைவு என்பது தரவுகளை புள்ளிகளின் தொகுப்பாக காட்டுகிறது. ஒரு புள்ளிகளின் நிலை அதன் இரு பரிமாண மதிப்பைப் பொறுத்தது, ஒவ்வொரு மதிப்பும் கிடைமட்ட அல்லது செங்குத்து பரிமாணத்தின் நிலையை குறிக்கும்.
(ii) பெட்டி வரைவிடம்: பெட்டி வரைவிடம் என்பது சிறிய முதல் கால்மானம், சராசரி, மூன்றாம் கால்மானம் மற்றும் பெரிய (minimum, first quartile, median, third quartile அண்ட் maximum) ஆகிய ஐந்து எண்கள் திரட்டைக் கொண்டு தரவுகளின் பகிர்வை காட்டுகிறது.

import matplotlib. pyplot as plt
val = [29.2, 54.2, 8.3, 8.3]
labels= ["sleeping", "playing", "working", eating"]
plt.pie (val, labels = labels),
plt.axes ().set_aspect ("equal")
plt.show()

a. உனது கணினியில் PIP நிறுவுவதற்கு :
உனது கணினியில் pip ஏற்கனவே நிறுவப்பட்டிருப்பதை சோதிக்க, கட்டளை தூண்டுக்குறியை பைத்தான் ஸ்கிரிப்ட் கோப்புகளுக்கு செலுத்த வேண்டும்
கட்டளை:
Python -m pip install -U  pip
b. PIP மதிப்பை அறிய:
உனது கணினியில் pip யின் மதிப்பை அறிந்துகொள்ள பின்வரும் கட்டளையை உள்ளிடவும்
:\Users\Your Name\App Data\Local\Programs\Python\Python 36-32\Scripts > pip --version
c. தொகுப்புகளின் பட்டியல்:
உனது கணினியில் நிறுவப்பட்டுள்ள தொகுப்புகளை பார்வையிட, list கட்டளையை பயன்படுத்தலாம்
C:\Users\Your Name\App Data\Local\Programs\Python\Python 36-32\Scripts > pip list

(i) தரவு காட்சிப்படுத்தல் பயனர்கள் தரவுகளை எளிதாக கூர்ந்து ஆய்வு செய்யவும், உட்பொருளை வெளிப்படுத்த உதவுகிறது
(ii) இது சிக்கலான தரவுகளை புரிந்துகொண்டு அவற்றை பயன்படுத்திக் கொள்ள வழி செய்கிறது.
(iii) தரவு காட்சிப்படுத்தல் பல்வேறு வரைபடங்களைக் கொண்டு தரவு மாறிகளுக்கு இடையே உள்ள உறவு நிலையை வெளிப்படுத்துகிறது.

வட்ட வரைபடம் ஒரு பொதுவான விளக்கப்பட வகையாகும். வட்ட வடிவில் தோன்றும் இந்த வரைபடம் எண் விகிதத்தில் விளக்கும் விதத்தில் துண்டுகளாக பிரிக்கப்பட்டிருக்கும். வட்ட வரைப்படத்தில் உள்ள துண்டுகள் முழு படத்துடன் உள்ள உறவை வெளிக்காட்டும்
Matplotlib கொண்டு வட்ட வரைபடத்தை உருவாக்க நாம் plt.pie( ) செயற்கூறினை பயன்படுத்த autopct அளவுரு, python சாரம் வடிவமைப்பை பயன்படுத்தி மதிப்பை சதவீதத்தில் காட்டும்.
எடுத்துக்காட்டு:
import matplotlib.pyplot as plt
sizes = [89, 80, 90, 100, 75]
labels = ["Tamil", "English", "Maths", "Science", "Social"]
plt.pie (sizes, labels = labels, autopct = "%.2f")
plt.axis , aspect ("equal")
plt.show ( )
வெளியீடு:

ஹிஸ்டோகிராம் மற்றும் பட்டை வரைபடங்களுக்கு இடையே உள்ள வேறுபாடுகளை பின்வருமாறு குறிப்பிடலாம்:
1. ஹிஸ்டோகிராம் வரைபடம், எண் வகை தரவுகளுக்கு இடையேயான அதிர்வெண்ணை பட்டை வடிவ வரைபடத்தில் காட்டும், பட்டை வரைபடம் பல்வேறு வகையான தரவுகளை ஒப்பிட பயன்படுகிறது.
2. ஹிஸ்டோகிராம், மாறிகளின் தொடருக்கு இடையேயான அதிர்வெண்ணை பட்டை வடிவ வரைபடம் வெவ்வேறான மாறிகளை ஒப்பிடும் படத்தை காண்பிக்கும்
3. ஹிஸ்டோகிராம் எண்வகை தரவுகளும், பட்டை வரைபடம் வகைப்படுத்தப்பட்ட தரவுகளிலும் செயலாற்றும்.
4. ஹிஸ்டோகிராம் உள்ள பட்டைகளுக்கு இடையே இடைவெளியிருப்பதில்லை. ஆனால் பட்டை வரைப்படத்தில் தோன்றும் பட்டைகளிடையே முறையான இடைவெளிகள் மூலம் தரவுகளுக்கிடையே தொடர்பின்மையை காண்பிக்கும்
5. ஹிஸ்டோகிராம் எண்கள் உறுப்புகளாக அவை தரவுகளின் தொடர்புகளை வெளிப்படுத்த ஒன்றாக வகைப்படுத்தப்படும், பட்டை வரைபடத்தில் தரவுகள் தனி உறுப்புகளாக கருதப்படுகிறது
6. பட்டை வரைப்படத்தில் தொகுதிகளை உச்ச மதிப்பிலிருந்து குறைந்த மதிப்பிற்கு மறு வரியிறக்கம் செய்ய முடியும். ஆனால் ஹிஸ்டோகிராமில் இவை தொடர் வரிசையாக இருப்பதால் இது சாத்தியமில்லை.
7. ஹிஸ்டோகிராமில் செவ்வக தொகுதியின் அகலம் ஒரே அளவில் இல்லாதிருக்கலாம். ஆனால் பட்டை வரைபடத்தில் எப்போதும் அகலம் ஒரே மாதிரியானதாக இருக்கும்.

வெளியீட்டு திரையில், நீங்கள் கீழ் இடது மூலையில் சில பொத்தான்களைக் காணலாம். இந்த பொத்தான்களின் பயன்பாட்டை கீழே பார்க்கலாம்

முகப்பு பொத்தான் (Home Button):
வரைப்படத்தில் உலாவ தொடங்கிய உடன் இப்பொத்தான் உதவும். இப்பொத்தானை பயன்படுத்தி அசல் காட்சி திரையை எப்பொழுது வேண்டுமானாலும் பெறலாம்.
முன்னோக்கி /பின்நோக்கி (Forward/Backward buttons)
இப்பொத்தான்கள் உலவிகளில் காணப்படும் முன்னோக்கி/பின்நோக்கி பொத்தான்களைப் போல் பயன்படுகிறது. இப்பொத்தானைப் பயன்படுத்தி முந்தைய இடத்திற்கோ அல்லது முன்னோக்கி செல்லவோ முடியும்.
பான் ஆக்ஸிஸ் பொத்தான் (Pan Axis Button)
சிலுவை போன்ற தோற்றத்தை கொண்ட இப் பொத்தானை கிளிக் செய்து கொண்டே இழுத்து வரைபடத்தினுள் சுற்றி நகரலாம்.
பெரிதாக்கு பொத்தான் (Zoom Button)
குறிப்பிட்ட ஒரு பகுதியை பெரிதாக்க (Zoom-in) இப்பொத்தானை கிளிக் செய்து சதுர வடிவில் இழுக்க அப்பகுதியை மட்டும் பெரிதாக்கப்படும். பெரிதாக்க இடது கிளிக் செய்து இழுக்க வேண்டும். சிறிய தாக்க (Zoom - out) வலது கிளிக் செய்து (Right click) இழுக்க வேண்டும்.
சப் ப்ளாட் கட்டமைப்பு பொத்தான் (Configure Subplots Button)
இப்பொத்தான், படம் மற்றும் வரைவிடத்திற்கு இடையே உள்ள இடைவெளியை கட்டமைக்க உதவுகிறது.
படத்தை சேமிக்கும் பொத்தான் (Save Figure button)
இப்பொத்தான் படங்களை பல்வேறு வடிவங்களில் சேமிக்க உதவும்.

Matplotlib பெட்டி வரைபடம், ஹிஸ்டோகிராம், ஸ்கேட்டர் வரைவு, பட்டை விளக்கப்படம் போன்ற பல்வேறு வகையான வரைவிகளை உருவாக்க பயன்படுகிறது.
கோட்டு வரைவு:
கோட்டு வரைவு அல்லது கோட்டு விளக்கப்படம் என்பது தகவல்களை, "குறிப்பான்கள்" (Marker) என்று அழைக்கப்படும் தரவு புள்ளிகளின் தொடரை நேர்கோட்டின் இணைப்பதன் மூலம் காட்டுகிறது. ஒரு கோட்டு வரைவு பொதுவாக கால இடைவெளி (Interval of time) நேரத் தொடர் (Time series) போன்ற போக்கு பகுப்பாய்வுக்கான (Trend analysis) தரவுகளை காட்சிப்படுத்த பயன்படுகிறது. எனவே, இதன் கோடுகள் கால வரிசையில் அமையும்.
எடுத்துக்காட்டு: வரி வரைபடம்:
import matplotlib.pyplot as plt
years [2014, 2015, 2016, 2017, 2018]
total_populations = [8939007, 8954518, 8960387, 8956741, 8943721]
plt.plot (years, total_populations)
plt.title("Year vs Population in India")
plt.xlabel ("Year")
plt.ylabel ("Total Population")
plt.show()
இந்த நிரலில்,
plt.title() \(\rightarrow\) வரைப்படத்தின் தலைப்பை குறிப்பிடுகிறது.
plt.xlabel() \(\rightarrow\) X-அச்சின் தலைப்பை குறிப்பிடுகிறது.
plt.ylabel() \(\rightarrow\) Y-அச்சின் தலைப்பை குறிப்பிடுகிறது.

பட்டை விளக்கப்படம்:
பட்டை வரைவி (அல்லது) பட்டை விளக்கப்படம் என்பது மிகவும் பொதுவான வரைவிடம் வகையாகும். இது எண் வகை தரவுகளுக்கும், மதிப்புகளுக்கும் இடையே உள்ள உறவை வெளிப்படுத்துகிறது. பட்டை விளக்கப்படம் வகைப்படுத்தப்பட்ட தரவுகளை செவ்வக பட்டையாக காட்டும்.
இப்பட்டைகள் செங்குத்தாகவோ அல்லது கிடை மட்டமாகவோ தொகுக்கப்படலாம். இம்முறை கொடுக்கப்பட்ட எண் மதிப்புகளை பல்வேறு வகையுடன் ஒப்பிட்டு பார்க்க உதவும்.
Matplotlib-ல் பட்டை விளக்கப்படத்தை உருவாக்க, plt.bar() என்ற செயற்கூறினை பயன்படுத்த வேண்டும்.
எடுத்துக்காட்டு:
import matplotlib.pyplot as plt
# Our data
labels = ["TAMIL", "ENGLISH", "MATHS", "PHYSICS", "CHEMISTRY", "CS"]
usage [79.8, 67.3, 77.8, 68.4, 70.2, 88.5]
#Generating the y positions. Later, we'll use them to replace them with labels.
y_positions range (len(labels))
#Creating our bar plot
plt.bar (y_positions, usage)
plt.xticks (y_positions, labels)
plt.ylabel ("RANGE")
plt.title("MARKS")
plt.show()
வெளியீடு:

வட்ட விளக்கப்படம் :
வட்ட விளக்கப்படம் ஒரு பொதுவான விளக்கப்பட வகையாகும். வட்ட வடிவில் தோன்றும் இந்த விளக்கப்படம் எண் விகிதத்தை விளக்கும் விதத்தில் துண்டுகளாக பிரிக்கப்பட்டிருக்கும். வட்ட விளக்கப்படத்தில் உள்ள துண்டுகள் முழு படத்துடன் உள்ள உறவை வெளிக்காட்டும்.
Matplotlib கொண்டு வட்ட விளக்கப்படத்தை உருவாக்க plt.pie() செயற்கூறினை பயன்படுத்த வேண்டும். autopct அளவுரு, Python சரம் வடிவமைப்பை பயன்படுத்தி மதிப்பை சதவீதத்தில் காட்டும்.
எடுத்துக்காட்டு :
import matplotlib.pyplot as plt
sizes = [89, 80, 90, 100, 75]
labels = ["Tamil", "English", "Maths", "Science", "Social"]
plt.pie (sizes, labels = labels, autopct = "%.2f")
plt.show()
வெளியீடு: