[PYTHON] J'ai écrit le fonctionnement de base de matplotlib dans Jupyter Lab

Cet article est un article dans lequel j'ai en fait codé le fonctionnement de base de matplotlib décrit dans le blog de Kame (@usdatascientist) (https://datawokagaku.com/python_for_ds_summary/) en utilisant Jupyter Lab.

Résumé des opérations de base de matplotlib

20e

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>]

Joindre les informations ci-jointes

Lorsque vous dessinez avec matplotlib, diverses informations jointes peuvent être ajoutées (ou supprimées). Ceux que j'utilise souvent sont les suivants.

Étiquetez l'axe des x avec plt.xlabel ()

Étiquetez l'axe y avec plt.ylabel ()

Donnez un titre à la figure avec plt.title ()

Étiqueter le tracé avec plt.plot (label = 'label') et la légende avec plt.legend ()

Ajoutez des graduations arbitraires à l'axe des x avec plt.xticks ()

Ajoutez des graduations arbitraires à l'axe y avec plt.yticks ()

Effacer l’axe avec l’axe plt.

plt.plot(x,y)
# plt.xlabel()Étiquetez l'axe des x avec
plt.xlabel('Efforts')
# plt.ylabel()Étiquetez l'axe y avec
plt.ylabel('Earning')
# plt.title()Donnez un titre à la figure avec
plt.title('This is how your efforts earns')

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

# plt.plot(label='étiquette')でplotにétiquetteをつけ, plt.legend()Pour donner une légende
plt.plot(x, y, label='Earning with effort')
plt.legend()
# plt.xticks()Ajoutez des graduations arbitraires à l'axe des x avec
plt.xticks(np.arange(-3, 4, 0.5))
# plt.yticks()Attachez des graduations arbitraires à l'axe y avec
plt.yticks([0, 5, 10, 20])
plt.show()

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>

plt.plot(x, y1, label='first')
plt.plot(x, y2, label='second')
plt.axis('off')
# plt.axis('off')Effacez l'axe avec
plt.legend()

<matplotlib.legend.Legend at 0x7f05182f8e10>

21e

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>]

Description orientée objet

objet plt.figure

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>]

#Créer un tracé 1 par 2 Chaque objet axes est renvoyé sous forme de liste en axes
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)

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

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

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

(3, 3)

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

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

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)

22e

Ajuster la taille du graphique

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>]

#Dans ce cas, un graphique de 100 pixels x 100 pixels est affiché sur le moniteur.
fig, axes = plt.subplots(figsize=(1,1), dpi=100)
axes.plot(x, y1)

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

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

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

Enregistrer au format 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')

fig.savefig('savefig_sample.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() #Ajustez le graphique pour le rendre plus facile à voir

fig.savefig('savefig_sample.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>

Enregistrer en pdf

from matplotlib.backends.backend_pdf import PdfPages

pdf = PdfPages('savefig_sample.pdf')

from matplotlib.backends.backend_pdf import PdfPages

pdf = PdfPages('savefig_sample.pdf')

#------Création de graphes-------
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)
#---------------------

#Enregistrer en pdf
pdf.savefig(fig)
#fermer le traitement (je le ferai pour le moment)
pdf.close()

Enregistrer un grand nombre de graphiques au format pdf

pdf = PdfPages('savemultifig_sample.pdf')
for i in range(0, 10):
    #------Création de graphes--------
    fig, axes = plt.subplots( )
    #Je l'ai conçu pour que la forme du graphique change progressivement. (Approprié.)
    axes.plot(x, y1 + x*i)
    #Donnez-lui un titre. Assurez-vous que vous pouvez rechercher des caractères en pdf.
    axes.set_title('ID:#{}'.format(i))
    #-----------------------

    #Enregistrer dans la boucle pour
    pdf.savefig(fig)

#Fermer après la boucle
pdf.close()

23e

Comment décorer le graphique

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>]

couleur: Couleur de la ligne du graphique ⇨ Spécifiez un nom de couleur tel que «rouge» ou «vert». Les initiales telles que «r» et «g» sont correctes.

lw (largeur de ligne): Epaisseur de ligne ⇨ Numéro. Veuillez lui donner la taille que vous aimez

ls (style de ligne): Type de ligne ⇨ Spécifiez «-» ou «-». L'un ou l'autre de ces deux est souvent utilisé.

marqueur: type de marqueur ⇨ Spécifiez «o» ou «x». La forme du marqueur change.

markersize: Taille du marqueur ⇨ Numéro. Veuillez lui donner la taille que vous aimez

markerfacecolor: Couleur du marqueur ⇨ Spécifiez un nom de couleur tel que «rouge» ou «vert». Les initiales telles que «r» et «g» sont correctes.

markeredgecolor: Couleur dans le cadre du marqueur ⇨ Spécifiez le nom de la couleur tel que «rouge» ou «vert». Les initiales telles que «r» et «g» sont correctes.

markeredgewidth: Épaisseur du cadre du marqueur ⇨ Numéro. Veuillez lui donner la taille que vous aimez

alpha: Tracer la transparence ⇨ Spécifiez entre 0 et 1 avec float. Plus il est proche de 0, plus la transparence est élevée.

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>]

Diagramme de dispersion: 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>

Histogramme: 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)

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

Moustaches de boîte: plt.boxplot ()

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