[PYTHON] Ich habe die Grundoperation von matplotlib in Jupyter Lab geschrieben

Dieser Artikel ist ein Artikel, in dem ich die grundlegende Funktionsweise von matplotlib, die im Blog von Kame (@usdatascientist) (https://datawokagaku.com/python_for_ds_summary/) beschrieben ist, mithilfe von Jupyter Lab codiert habe.

Zusammenfassung der Grundoperationen von Matplotlib

20 ..

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

x = np.linspace(-3, 3, 10)
y = np.exp(x)
print(x)
print(y)

[-3.         -2.33333333 -1.66666667 -1.         -0.33333333  0.33333333
  1.          1.66666667  2.33333333  3.        ]
[ 0.04978707  0.09697197  0.1888756   0.36787944  0.71653131  1.39561243
  2.71828183  5.29449005 10.3122585  20.08553692]

plt.plot(x,y)

[<matplotlib.lines.Line2D at 0x7f0518676c50>]

png

Fügen Sie die angehängten Informationen hinzu

Beim Zeichnen mit matplotlib können verschiedene angehängte Informationen hinzugefügt (oder gelöscht) werden. Die, die ich oft benutze, sind wie folgt.

Beschriften Sie die x-Achse mit plt.xlabel ()

Beschriften Sie die y-Achse mit plt.ylabel ()

Geben Sie der Figur einen Titel mit plt.title ()

Beschriften Sie den Plot mit plt.plot (label = 'label') und die Legende mit plt.legend ()

Fügen Sie der x-Achse mit plt.xticks () beliebige Häkchen hinzu

Fügen Sie der y-Achse mit plt.yticks () beliebige Häkchen hinzu

Löschen Sie die Achse mit plt.axis (‘off’)

plt.plot(x,y)
# plt.xlabel()Beschriften Sie die x-Achse mit
plt.xlabel('Efforts')
# plt.ylabel()Beschriften Sie die y-Achse mit
plt.ylabel('Earning')
# plt.title()Geben Sie der Figur einen Titel mit
plt.title('This is how your efforts earns')

Text(0.5, 1.0, 'This is how your efforts earns')

png

# plt.plot(label='Etikette')でplotにEtiketteをつけ, plt.legend()Eine Legende geben
plt.plot(x, y, label='Earning with effort')
plt.legend()
# plt.xticks()Fügen Sie der x-Achse mit beliebige Häkchen hinzu
plt.xticks(np.arange(-3, 4, 0.5))
# plt.yticks()Befestigen Sie beliebige Häkchen an der y-Achse mit
plt.yticks([0, 5, 10, 20])
plt.show()

png

x = np.linspace(-3, 3, 10)
y1 = np.exp(x)
y2 = np.exp(x)*2
plt.plot(x, y1, label='first')
plt.plot(x, y2, label='second')
plt.legend()

<matplotlib.legend.Legend at 0x7f05182abc50>

png

plt.plot(x, y1, label='first')
plt.plot(x, y2, label='second')
plt.axis('off')
# plt.axis('off')Löschen Sie die Achse mit
plt.legend()

<matplotlib.legend.Legend at 0x7f05182f8e10>

png

21 ..

subplot

x = np.linspace(-3, 3, 10)
y1 = np.exp(x)
y2 = x*x

plt.subplot(1, 2, 1)
plt.plot(x, y1)

plt.subplot(1, 2, 2)
plt.plot(x, y2)

[<matplotlib.lines.Line2D at 0x7f0505d1d690>]

png

Objektorientierte Beschreibung

plt.figure Objekt

fig = plt.figure()
type(fig)

matplotlib.figure.Figure




<Figure size 432x288 with 0 Axes>

fig = plt.figure()
ax1 = fig.add_subplot(1,2,1)
ax2 = fig.add_subplot(1,2,2)

ax1.plot(x, y1)
ax2.plot(x, y2)

[<matplotlib.lines.Line2D at 0x7f0505aead10>]

png

#Erstellen eines 1-mal-2-Diagramms Jedes Achsenobjekt wird als Liste in Achsen zurückgegeben
fig, axes = plt.subplots(nrows=1, ncols=2)
axes

array([<matplotlib.axes._subplots.AxesSubplot object at 0x7f0505bd2650>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x7f0505a22a10>],
      dtype=object)

png

fig, axes = plt.subplots(nrows=1, ncols=2)
axes[0].plot(x, y1)
axes[1].plot(x, y2)

[<matplotlib.lines.Line2D at 0x7f0505894fd0>]

png

fig, axes = plt.subplots(nrows=3, ncols=3)
print(axes.shape)

(3, 3)

png

fig, axes = plt.subplots(nrows=3, ncols=3)
axes[1,2].plot(x,y2)

[<matplotlib.lines.Line2D at 0x7f05055cee90>]

png

fig, axes = plt.subplots(nrows=1, ncols=2)
axes[0].plot(x, y1, label='something')
axes[1].plot(x, y1)
axes[0].set_xlabel('xlabel1')
axes[0].set_ylabel('xlabel2')
axes[0].set_title('plot title')
axes[0].set_xticks([-3, -2, -1, 3])
axes[0].set_yticks([0, 10, 20])
axes[0].legend()
axes[1].axis('off')

(-3.3, 3.3, -0.9520004243731263, 21.08732441592866)

png

22 Passen Sie die Größe des Diagramms an

x = np.linspace(-3, 3, 10)
y1 = np.exp(x)
y2 = np.exp(x)*2
fig, axes = plt.subplots()
axes.plot(x, y1)

[<matplotlib.lines.Line2D at 0x7f0505c7cb10>]

png

#In diesem Fall wird auf dem Monitor ein Diagramm mit 100 x 100 Pixel angezeigt.
fig, axes = plt.subplots(figsize=(1,1), dpi=100)
axes.plot(x, y1)

[<matplotlib.lines.Line2D at 0x7f0505308750>]

png

fig, axes = plt.subplots(figsize=(10, 3))
axes.plot(x, y1)

[<matplotlib.lines.Line2D at 0x7f05056641d0>]

png

Als PNG speichern

fig, axes = plt.subplots(2, 1, figsize=(10, 3))
axes[0].plot(x, y1, label='something')
axes[1].plot(x, x*x)

axes[0].set_title('first')
axes[1].set_title('second')

axes[0].set_xlabel('x')
axes[0].set_ylabel('y')
axes[1].set_xlabel('x')
axes[1].set_ylabel('y')

fig.savefig('savefig_sample.png')

png

fig, axes = plt.subplots(2, 1, figsize=(10, 3))
axes[0].plot(x, y1, label='something')
axes[1].plot(x, x*x)

axes[0].set_title('first')
axes[1].set_title('second')

axes[0].set_xlabel('x')
axes[0].set_ylabel('y')
axes[1].set_xlabel('x')
axes[1].set_ylabel('y')

plt.tight_layout() #Passen Sie das Diagramm an, um es besser sehen zu können

fig.savefig('savefig_sample.png')

png

fig, axes = plt.subplots()
axes.plot(x, y1, label='first')
axes.plot(x, y2, label='second')
axes.plot(x, y1+y2, label='first+second')
axes.legend()

<matplotlib.legend.Legend at 0x7f0505664f50>

png

Als pdf speichern

from matplotlib.backends.backend_pdf import PdfPages

pdf = PdfPages('savefig_sample.pdf')

from matplotlib.backends.backend_pdf import PdfPages

pdf = PdfPages('savefig_sample.pdf')

#------Diagrammerstellung-------
fig, axes = plt.subplots()
axes.plot(x, y1, label='first')
axes.plot(x, y2, label='second')
axes.plot(x, y1+y2, label='first+second')
axes.legend(loc=0)
#---------------------

#Im PDF speichern
pdf.savefig(fig)
#enge Bearbeitung (ich werde es vorerst tun)
pdf.close()

png

Speichern Sie eine große Anzahl von Grafiken als PDF

pdf = PdfPages('savemultifig_sample.pdf')
for i in range(0, 10):
    #------Diagrammerstellung--------
    fig, axes = plt.subplots( )
    #Ich habe es so gestaltet, dass sich die Form des Diagramms allmählich ändert. (Angemessen.)
    axes.plot(x, y1 + x*i)
    #Gib ihm einen Titel. Stellen Sie sicher, dass Sie im PDF-Format nach Zeichen suchen können.
    axes.set_title('ID:#{}'.format(i))
    #-----------------------

    #In for-Schleife speichern
    pdf.savefig(fig)

#Nach Schleife schließen
pdf.close()

png

23 ..

So dekorieren Sie das Diagramm

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

x = np.linspace(-3, 3, 10)
y = np.exp(x)
plt.plot(x, y)

[<matplotlib.lines.Line2D at 0x7f050476fd90>]

png

Farbe: Farbe der Diagrammlinie ⇨ Geben Sie einen Farbnamen wie "Rot" oder "Grün" an. Initialen wie "r" und "g" sind in Ordnung.

lw (Linienbreite): Linienstärke ⇨ Anzahl. Bitte machen Sie es die Größe, die Sie mögen

ls (Linienstil): Linientyp ⇨ Geben Sie als "-" oder "-" an. Beides wird häufig verwendet.

marker: Markertyp ⇨ Geben Sie als "o" oder "x" an. Die Form des Markers ändert sich.

Markierungsgröße: Markierungsgröße ⇨ Anzahl. Bitte machen Sie es die Größe, die Sie mögen

markerfacecolor: Markierungsfarbe ⇨ Geben Sie den Namen der Farbe an, z. B. "Rot" oder "Grün". Initialen wie "r" und "g" sind in Ordnung.

markeredgecolor: Farbe im Markierungsrahmen ⇨ Geben Sie den Namen der Farbe an, z. B. „Rot“ oder „Grün“. Initialen wie "r" und "g" sind in Ordnung.

Markierungsstärke: Dicke des Markierungsrahmens ⇨ Anzahl. Bitte machen Sie es die Größe, die Sie mögen

Alpha: Plottransparenz ⇨ Geben Sie mit float zwischen 0 und 1 an. Je näher es an 0 liegt, desto höher ist die Transparenz.

plt.plot(x, y, color='red', lw=5, ls='--', marker='o', markersize=15, markerfacecolor='yellow', markeredgecolor='blue',
        markeredgewidth=4, alpha=0.5)

[<matplotlib.lines.Line2D at 0x7f05050fbd90>]

png

Streudiagramm: plt.scatter ()

import pandas as pd
df = pd.read_csv('train.csv')
plt.scatter(df['Age'], df['Fare'], alpha=0.3)

<matplotlib.collections.PathCollection at 0x7f04b99fbf50>

png

Histogramm: plt.hisgt ()

plt.hist(df['Age'])
plt.show()

/opt/anaconda3/lib/python3.7/site-packages/numpy/lib/histograms.py:829: RuntimeWarning: invalid value encountered in greater_equal
  keep = (tmp_a >= first_edge)
/opt/anaconda3/lib/python3.7/site-packages/numpy/lib/histograms.py:830: RuntimeWarning: invalid value encountered in less_equal
  keep &= (tmp_a <= last_edge)

png

plt.hist(df['Age'], bins=50)
plt.show()

png

Box Whisker: plt.boxplot ()

df = df.dropna(subset=['Age'])
plt.boxplot(df['Age'])
plt.show()