[PYTHON] Maschinelles Lernen studieren ~ matplotlib ~

Maschinelles Lernen studieren ~ matplotlib ~

Dieses Mal habe ich Matplotlib studiert, also werde ich es ausgeben.

1. Was ist Matplotlib?

Eine externe Bibliothek, die Daten visualisiert. Wie Numpy und Pandas ist es zunächst nicht in Python enthalten, wird aber von Anfang an in Anacondan installiert.

2. Was ist gut für die Visualisierung von Daten?

Sie können schnell Ausreißer finden.

Angenommen, Sie haben Statistiken zum Preis von Süßigkeiten. Es wäre seltsam, wenn es Daten zu Süßigkeiten für jeweils 10.000 Yen unter Süßigkeiten für jeweils etwa 100 Yen gäbe, oder? Es ist sehr schwierig, die seltsamen Daten sofort zu finden, aber Sie können sie sofort finden, indem Sie die Daten mit einem Diagramm oder ähnlichem visualisieren.

Gibt es hier nur einen seltsamen Punkt? (Lacht)

3. Grundlegende Verwendung

importieren

test.ipynb

#Matplotlib importieren
import matplotlib.pyplot as plt
%matplotlib inline

Lassen Sie uns das oben genannte tun. Verwenden Sie% matplotlib nur inline, wenn Sie es mit Jupyter Notebook verwenden. Dieses Mal wird nur die Funktion von Pyplot verwendet, sodass nur Pyplot importiert wird.

Zeichnen eines Diagramms

test.ipynb

#Einstellung der Diagrammgröße(4×4)
plt.figure(figsize=(4,4))
#Diagramm erstellen
plt.plot([1,2,3,4,5],[6,7,8,9,10],label='test')
#Name der x-Achse
plt.xlabel('x-Achse')
#Name der y-Achse
plt.ylabel('y-Achse')
#Graphentitel
plt.title('Titel')
#Reflektieren Sie die obige Legende in der Grafik
plt.legend()
#Grafik anzeigen
plt.show()

Die Grundfunktion ist oben. Auch wenn Sie plt.show () nicht beschreiben, wird das Diagramm angezeigt. Sie können es also gerne verwenden.

Wenn Sie den Graphen des Quadrats von x beschreiben möchten, ...

test.ipynb

import numpy as np

#1~Ersetzen Sie x durch ein Array von 10
x = np.arange(0,11,1)
#Setzen Sie den Wert von y auf das Quadrat von x
y = x ** 2
plt.plot(x,y,label='y = x^2')
#Name der x-Achse
plt.xlabel('x-Achse')
#Name der y-Achse
plt.ylabel('y-Achse')
#Graphentitel
plt.title('y = x^2')
#Reflektieren Sie die obige Legende in der Grafik
plt.legend()
#Grafik anzeigen
plt.show()

Sie können es damit machen.

Zeigen Sie mehrere Diagramme an.

Als nächstes beschreiben wir, wie mehrere Diagramme angezeigt werden.

test.ipynb

#Erstellen Sie ein Diagramm mit einer Gesamtgröße von 8 x 8 in 2 Zeilen und 2 Spalten
fig,ax = plt.subplots(2,2,figsize=(8,8))
#x,y,Stellen Sie den z-Bereich ein
x = np.arange(0,11,1)
y = x ** 2
z = x ** 3
#Diagramm erstellen
ax[0,0].plot(x,x,label='x = x',color='red')
ax[0,1].plot(x,y,label='y = x^2'),color='green')
ax[1,0].plot(x,z,label='z = x^3'),color='blue')

#Grafikeinstellungen
for i in range(2):
  for j in range(2):
    ax[i,j].set_xlabel('x-Achse')
    ax[i,j].set_ylabel('y-Achse')
    ax[i,j].legend()

plt.tight_layout()

Erstellen Sie ein Diagramm mit 8 Größen vertikal und horizontal in der gesamten Größe in Abb Ich habe 4 Diagramme mit 2 Größen vertikal und horizontal darin erstellt.

Die Funktion strict_layout verhindert, dass sich Diagramme überlappen.

Andere Diagramme erstellen

Bisher waren nur Balkendiagramme verfügbar, aber Sie können natürlich auch andere Diagramme erstellen.

test.ipynb

#Kuchendiagramm
plt.pie()
#Histogramm
plt.hist()
#Streudiagramm
plt.scatter()

Argumente werden weggelassen, aber das Kreisdiagramm und das Histogramm zeigen das Verhältnis und den Übergang der einzelnen Daten. Das Streudiagramm wird verwendet, um die eingestellten Daten zu überprüfen. Wenn Sie also interessiert sind, überprüfen Sie es bitte!

4. Zusammenfassung

Maschinelles Lernen Ich war bisher hier, aber es macht Spaß! Ich habe keine Sprache gesprochen, die verschiedene Dinge wie diese kann, deshalb ist es schön, viele Dinge tun zu können. Ich werde es morgen und darüber hinaus in der Ausgabe veröffentlichen, aber verpasse es nicht ...

das ist alles