[PYTHON] Installer matplotlib et afficher le graphique dans Jupyter Notebook
Je veux voir les données d'une manière facile à comprendre avec Jupyter Notebook
J'apprenais TensorFlow et j'étudiais l'API, mais je pensais que ce serait pratique si je pouvais le voir dans un graphique, alors j'ai essayé d'utiliser matplotlib. C'est une méthode d'installation et un simple mémo d'utilisation.
Vous trouverez ci-dessous des liens vers des articles liés à l'environnement actuel et à TensorFlow.
- Installer TensorFlow sur Windows Easy pour les débutants Python
- [Explication pour les débutants] Syntaxe et concept de base de TensorFlow
- [Explication pour les débutants] Tutoriel TensorFlow MNIST (pour les débutants)
- TensorFlow Tutorial MNIST (pour les débutants) visualisé avec TensorBoard
- Mémo API TensorFlow
- [Introduction à TensorBoard] Visualisez le traitement TensorFlow pour approfondir la compréhension
Installez matplotlib avec pip d'Anaconda
1. Démarrez le terminal depuis Anaconda Navigator
Lancez Anaconda Navigator à partir du menu Windows. Sélectionnez Environnement dans le menu, sélectionnez l'environnement virtuel et démarrez le terminal avec "Ouvrir le terminal".
2. Installez matplotlib avec pip
Installez simplement avec pip.
pip install matplotlib
Essayez matplotlib
Essayez le contenu de Wikipedia tel quel.
Graphique linéaire
import matplotlib.pyplot as plt
import numpy as np
a = np.linspace(0,10,100)
b = np.exp(-a)
plt.plot(a,b)
plt.show()
histogramme
import matplotlib.pyplot as plt
from numpy.random import normal,rand
x = normal(size=200)
plt.hist(x,bins=30)
plt.show()
Nuage de points
import matplotlib.pyplot as plt
from numpy.random import rand
a = rand(100)
b = rand(100)
plt.scatter(a,b)
plt.show()
Graphique 3D
incroyable···
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.gca(projection='3d')
X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm)
plt.show()
Vérifiez l'API TensorFlow
La motivation initiale de l'utilisation de matplotlib était la confirmation de l'API TensorFlow. En prime, je vérifie la fonctionnalité de l'API de TensorFlow truncated_normal comme ceci.
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
x = sess.run(tf.truncated_normal([30000], stddev=0.1))
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.hist(x, bins=100)
ax.set_title('Histogram tf.truncated_normal')
ax.set_xlabel('x')
ax.set_ylabel('y')
plt.show()
Recommended Posts