[PYTHON] Datenvisualisierungsmethode mit Matplotlib (1)
Verschiedene zuvor eingeführte Methoden zum Zeichnen von Diagrammen von matplotlib und pandas / ynakayama / items / 68eff3cb146181329b48) Aber ich habe die spezifischen Parameter nicht erwähnt. Ab diesem Zeitpunkt werde ich die Zeichnung mehrmals mit matplotlib verfolgen.
Diagramm und Nebenhandlung
Das matplotlib Figure-Objekt bietet Plotfunktionen. Die Methode plt.figure () zeichnet ein neues Fenster, in dem nichts gezeichnet ist. Die Methode add_subplot () erstellt darin eine Unterzeichnung.
import numpy as np
from pandas import *
from pylab import *
import matplotlib.pyplot as plt
from matplotlib import font_manager
from numpy.random import randn
#Erforderlich, um Japanisch zu verwenden
fontprop = matplotlib.font_manager.FontProperties(fname="/usr/share/fonts/truetype/fonts-japanese-gothic.ttf")
#Zeichne ein neues Fenster
fig = plt.figure()
#Untergrund hinzufügen
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
plt.show()
plt.savefig("image.png ")
Zeichnen von Daten zur Nebenhandlung
Beim Plotten zeichnet matplotlib auf die zuletzt verwendete Figur oder Unterzeichnung.
ran = randn(50).cumsum()
#Schwarz(k)Zeichnen Sie mit der gestrichelten Linie von
plt.plot(ran, 'k--')
plt.show()
plt.savefig("image2.png ")
Sie können auf jedes Subplot zurückgreifen, indem Sie die Subplot-Instanzmethode explizit aufrufen.
ax1.hist(rand(100), bins=20, color='k', alpha=0.3)
ax2.scatter(np.arange(30), np.arange(30) + 3 * randn(30))
plt.show()
plt.savefig("image3.png ")
Passen Sie den Abstand an
Verwenden Sie die Methode subplots_adjust, um den Abstand zwischen den Unterplots anzupassen.
fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)
for i in range(2):
for j in range(2):
axes[i, j].hist(randn(500), bins=50, color='k', alpha=0.5)
#Versuchen Sie, die Lücken zwischen den Nebenplots auszufüllen
plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=0, hspace=0)
plt.show()
plt.savefig("image4.png ")
Referenz
Einführung in die Datenanalyse mit Python-Datenverarbeitung mit NumPy und Pandas http://www.oreilly.co.jp/books/9784873116556/
Recommended Posts