luzzattigramsci.it

  

Bästa artiklarna:

  
Main / Hur man ritar diagram med python-tomgång

Hur man plottar diagram med python inaktiv

Människor är mycket visuella varelser: Men steget att presentera analyser, resultat eller insikter kan vara en flaskhals: Vid första anblicken verkar det som om det finns en del komponenter att tänka på när du börjar plotta med detta Python-datavisualiseringsbibliotek.

Lyckligtvis är det här biblioteket mycket flexibelt och har många praktiska, inbyggda standardvärden som hjälper dig enormt. Observera att du importerar pyplot-modulen i matplotlib-biblioteket under alias plt.

Grattis, du har nu framgångsrikt skapat din första plot! Eller med andra ord, hur anatomin hos en matplotlib-plot ser ut :. Alla metoder för ett Axes-objekt finns som en funktion i pyplot-modulen och vice versa. Jämför till exempel denna kod :.

I sådana fall vill du använda Axes-objektyxan. Allt ritat med Matplotlib är en del av Artist-modulen. Behållarna som du kommer att använda för att plotta dina data, som Axis, Axes and Figure, och andra grafiska objekt som text, korrigeringar etc. För de som redan har en viss kodupplevelse kan det vara bra att kolla in och studera kodexemplen som du hittar i Matplotlib-galleriet.

Detta borde inte komma till dig som en stor överraskning: för det andra är pyplot en modul i matplotlib-paketet. Modulen tillhandahåller ett gränssnitt som låter dig implicit och automatiskt skapa figurer och axlar för att uppnå önskad plot.

Detta är särskilt användbart när du snabbt vill plotta något utan att omedelbart skapa några figurer eller axlar, som du såg i exemplet i den första delen av denna handledning. Standardinställningarna initialiseras och alla anpassningar du gör görs med den aktuella figuren och axlarna i åtanke.

Slutligen är pylab en annan modul, men den installeras bredvid matplotlib-paketet. Det importerar pyplot och numpy-biblioteket bulk och rekommenderades vanligtvis när du arbetade med matriser, gjorde matematik interaktivt och ville ha tillgång till plottningsfunktioner. Du kan läsa mer om detta här. För det mesta vill du använda inline, eftersom detta ser till att tomterna är inbäddade i anteckningsboken.

Detta ämne ligger dock utanför denna handledning; Istället antar självstudien att du kommer att använda Matplotlib för att spara dina bilder till ditt lokala filsystem. Som du har läst i ett av föregående avsnitt används Matplotlib ofta för att visualisera analyser eller beräkningar. Om du vill veta mer om Python-listor kan du överväga att kolla in vår Python-lista-handledning eller den kostnadsfria kursen Intro to Python for Data Science.

Som du har läst i ett av föregående avsnitt är figuren det första steget och nyckeln till att låsa upp kraften i detta paket. Därefter ser du att du initialiserar axlarna i figuren i kodbiten ovan med fig.

Du använder delplottar för att ställa in och placera dina axlar på ett vanligt rutnät. Så det betyder att axlar och delplott i de flesta fall är synonyma, de kommer att beteckna samma sak. De tre argumenten anger antalet rader 1, antalet kolumner 1 och plotnumret 1. Så du skapar faktiskt en delplott. Tänk på följande kommandon och försök att föreställa dig hur plottet kommer att se ut och hur många axlar din figur kommer att ha: Med den kodrad som du har övervägt säger du att den variabla axeln är den första av de fyra axlarna som du vill ha att börja plotta.

Skillnaden mellan fig. Men de skiljer sig åt i den mekanism som används för att lägga till axlarna: Detta betyder att axelobjektet är placerat i absoluta koordinater. Alternativt kan du också använda delplottar om du vill få en eller flera delplottar samtidigt.

Nu när du har sett hur du initialiserar en figur och axlar från början, vill du också veta hur du kan ändra vissa små detaljer som paketet ställer in för dig, till exempel figurstorlek. Hur ställer du in storleken på dina siffror manuellt? Lägg till ett argument figsize till din plt.

Observera att du också kan skicka figsstorlek till plt. Dessa funktioner är bara de grundläggande grunderna. Du behöver några andra funktioner för att se till att dina tomter ser fantastiska ut :. Observera att variablerna x och y redan har laddats in för dig :. De flesta funktioner talar för sig själva eftersom namnen är ganska tydliga. Observera att det helt enkelt inte räcker med att skicka data för att skapa bra tomter.

Se till att du manipulerar dina data på ett sådant sätt att visualiseringen är meningsfull: När du går vidare och börjar arbeta med vektorfält eller datafördelningar kanske du vill kolla in följande funktioner :. Å andra sidan, när du arbetar med 2-D eller n-D-data, kan du också behöva några mer avancerade plottningsrutiner, som dessa :.

Observera att konturdiagram används för att utforska det potentiella förhållandet mellan tre variabler. Precis som konturplottar kan även pseudofärgplottor användas för detta ändamål, eftersom de är ytplott sett ovanifrån.

Naturligtvis är det inte nästan alla funktioner som du kan använda för att plotta dina data. Exemplen i handledningen klargör också att detta datavisualiseringsbibliotek verkligen är körsbäret på cirkeln i datavetenskapens arbetsflöde: Om du känner för att se över dessa begrepp, överväg att ta en gratis introduktion till Python för datavetenskapskurs. Många frågor om det här paketet kommer från det faktum att det finns många saker du kan göra för att anpassa dina tomter och se till att de är unika: Bra tips som du bör ha bakom dig är inte bara galleri, som innehåller många verkliga exempel som redan är kodade för dig och som du kan använda, men också dokumentationen som kan berätta mer om argumenten som du kan skicka till vissa funktioner för att justera visuella funktioner.

Om du någonsin vill ta bort en axel från din plot kan du använda delaxes för att ta bort och uppdatera de aktuella axlarna :. Observera att du kan återställa raderade axlar genom att lägga till fig. Det finns ett antal sätt att ta itu med den här frågan, men oftast kommer alla tillbaka till argumenten som du kan ge till legenden :. För att ändra plottitel och axelmärkning kan du följa en av följande metoder, beroende på vilken behållare du vill använda :.

När du har gjort alla nödvändiga anpassningar vill du visa din tomt eftersom du, som du har märkt av att arbeta i terminalen, bara får se att ett objekt görs, men du ser aldrig den trevliga tomten varje gång du göra justeringar.

Linjen plt. Men det är här dina frågor börjar. Följande korta avsnitt kommer att täcka dessa frågor. Du kan enkelt spara en siffra i till exempel en png-fil genom att använda plt. Det enda argumentet du behöver skicka till den här funktionen är filnamnet, precis som i det här exemplet :. Om du vill spara flera tomter i en pdf-fil vill du använda pdf-backend, som du enkelt kan importera :.

Men tänk om de anpassningar som du vill göra placeras mer på biblioteksnivå istället för på tomtnivå? Matplotlib erbjuder dig flera alternativ för att justera några av de interna funktionerna. Detta avsnitt kommer bara att täcka två alternativ, nämligen stilark och RC-inställningar. Om du vill veta mer, kolla definitivt den här sidan. För R-entusiasterna bland er erbjuder Matplotlib dig också möjligheten att ställa in tomtens stil till ggplot. Du kan enkelt göra detta genom att köra följande kod :.

Det kommer från praxis att ha konfigurationer som körbara filer: Du kan läsa mer om det här. Matplotlib har en sådan rc-fil som du kan göra justeringar dynamiskt och statiskt. Du justerade bara linjens bredd i exemplet ovan, men du kan också ändra figurstorlek och dpi, linjebredd, färg och stil, axlar, axel- och rutnätegenskaper, text- och teckensnittsegenskaper,…. Om du vill arbeta mer statiskt bör du antagligen också veta att du har en matplotlibrc-konfigurationsfil, som du kan använda för att anpassa alla typer av egenskaper precis som du gjorde ovan med parametern för radbredd.

Om du vill hitta den här specifika filen kan du bara köra följande :. Logga in. Denna Matplotlib-handledning tar dig igenom grunderna Python-datavisualisering: Anatomi för en Matplotlib-plot: Vad är axlarna? Vad är en siffra exakt? Plottskapande, vilket kan väcka frågor om vilken modul du exakt behöver för att importera pylab eller pyplot?

Plottningsrutiner, från enkla sätt att plotta dina data till mer avancerade sätt att visualisera dina data. Grundläggande anpassningar av plot, med fokus på plotlegender och text, titlar, axelmärken och plotlayout. Spara, visa, rensa, ... dina tomter: Titta på det här exemplet för att se hur enkelt det verkligen är: Matplotlib, pyplot och pylab: Data för Matplotlib-tomter Som du har läst i ett av de föregående avsnitten, används Matplotlib ofta för att visualisera analyser eller beräkningar.

Vad är en delplot? Tänk på följande exempel: Ta bort en axel Om du någonsin vill ta bort en axel från din plot, kan du använda delax för att ta bort och uppdatera de aktuella axlarna: Så här sätter du förklaringen ur tomten Det finns ett antal sätt att ta itu med detta fråga, men oftast kommer alla tillbaka till argumenten som du kan ge till legend: Du kan ange loc- eller platsargumentet till något som centrum till vänster eller övre högra, vilket säkerställer att din legend inte faller i axlarna eller delplottområdet.

I det här fallet placeras rutan i det övre högra hörnet av planeringsområdet: Så här ställer du in plottitel och axeltiketter För att ändra plottitel och axelmärkning kan du följa en av följande metoder, beroende på vilken behållare av vilken du vill använda: Det enklaste sättet att rätta till dessa saker är att använda ax.

(с) 2019 luzzattigramsci.it