Настраиваемые галочки и их метки; Логарифмическая шкала; Научная нотация; Номер оси и расстояние между метками оси; Регулировка положения оси; Осевая сетка; Двойные/двойные оси; свойства осевых шипов; 2D графики; заполнить_между; аннотировать текст; подзаговор2сетка; пространство сетки; добавить_оси; карты цветов; контур; Axes3D; каркасы; поверхностные графики, проекции.
Эта статья является частью серии книг Наука о данных с нуля — Могу ли я, чтобы я смог.
Нажмите здесь, чтобы перейти к предыдущей статье/лекции «A14: Основы Matplotlib.»
✅ Предложение:откройте новый блокнот Jupyter и введите код, читая эту статью. Делать — это учиться, и да, «ПОЖАЛУЙСТА, прочитайте комментарий, он очень полезен!»
Привет ребята,
На данный момент мы изучили наиболее важные и часто используемые концепции, которые специалисты по данным используют в своей повседневной работе. Matplotlib
предоставляет множество опций, которые мы не часто используем, но полезно знать некоторые из них. Имейте это в виду, вы всегда можете изучить официальную документацию для получения дополнительных ресурсов.
В этом разделе рассмотрим несколько дополнительных концепций построения графиков.
☞ Помните, вам не нужно запоминать код, мы этим не занимаемся!. Как только вы узнаете, какой тип графика вы ищете для построения ваших данных, вы всегда можете обратиться к этой записной книжке, чтобы скопировать код и внести изменения в соответствии с вашими требованиями.
Настраиваемые галочки и их метки
Мы хотим поставить галочки явно, мы можем сделать это с помощью set_xticks
и set_yticks
. Оба принимают список значений того, где на оси должны быть размещены галочки.
Методы set_xticklabels
и set_yticklabels
можно использовать для пользовательских меток для каждого положения галочки.
Давайте сгенерируем поддельные данные и получим график.
Существует несколько более продвинутых методов управления размещением основных и второстепенных тиков, таких как автоматическое размещение в соответствии с различными политиками. Нажмите здесь, чтобы увидеть больше вариантов.
Логарифмическая шкала
Мы можем установить логарифмическую шкалу для одной или обеих осей, используя методы set_xscale
и set_yscale
, которые принимают один параметр (в данном случае "log"
).
Научное обозначение
У вас могут быть очень большие числа в ваших данных для размещения на ваших осях. Лучше всего использовать научную нотацию. Давайте узнаем, как!
Модуль matplotlib.ticker поддерживает полностью настраиваемое расположение и форматирование тиков.
Номер оси и расстояние между метками оси
Корректировка положения оси
Это можно сделать с помощью subplots_adjust
, чтобы избежать ненужной обрезки при сохранении рисунков.
Сетка осей
Метод grid
можно использовать для включения и выключения линий сетки. Мы также можем настроить внешний вид линий сетки!
Двойные оси
Matplotlib поддерживает эту функцию с помощью функций twinx
и twiny
для совместного построения данных с разными единицами измерения.
Мы также можем изменить свойства осевых стержней, используя spines()
x и y через начало координат
x и y равны нулю
Некоторые полезные 2D-графики — scatter(), step(), bar(), fill_between()
Разместим их в ряд и в четыре столбца, используя subplots()
.
Чтобы просмотреть полный список доступных типов графиков, нажмите здесь.
Функция text
предоставляет способ аннотировать текст в рисунках matplotlib.
Рисунки с несколькими подграфиками и вставками с использованием subplots()
, subplot2grid()
и gridspec()
subplots()
subplot2grid()
Это потрясающая функция, обратите внимание на формирование и размер участков! Это простой и отличный способ представить свои данные!
gridspec
Еще один отличный набор возможных сюжетов!
add_axes()
полезен для добавления вставок к рисункам вручную.
Цветовые карты и контурные изображения очень полезны для построения графиков функций двух переменных. В большинстве этих функций мы кодируем одно измерение данных с помощью цветовой карты.
Давайте узнаем на простом примере:
3D-графика в matplotlib возможна
сначала создайте экземпляр класса Axes3D
. 3D-оси можно добавить на холст рисунка matplotlib так же, как 2D-оси; или, что более удобно, путем передачи аргумента ключевого слова projection='3d'
методам add_axes
или add_subplot
.
Нам нужно выполнить импорт, чтобы Axes3D мог использовать его функции!
Давайте создадим цветную карту трехмерной поверхности, используя метод plot_surface()
!
plot_wireframe()
: Это еще один способ построения поверхностного графика, иногда хочется быть другим!
Сюжеты Coutour с проекциями
Мне больше всего нравится этот сюжет, у вас 2-в-одном (это личное предпочтение!). Пожалуйста, посетите официальную документацию, чтобы узнать больше!
Продолжайте практиковаться, чтобы освежить знания и добавить новые навыки.
Отличная работа!
Ваши аплодисменты и публикации могут помочь нам связаться с теми, кто пытается усвоить эти понятия.
Удачи!
Увидимся на следующей лекции на тему "A16: Seaborn (Part-1): визуализация статистических данных (графики распределения)"
Примечание. Полный курс, включая видеолекции и блокноты Jupyter, доступен по следующим ссылкам:
- Книги на линпабе
- Ссылка на SkillShare (два месяца бесплатно для новых подписчиков)
- Бесплатно на YouTube
- Академия Науки
Доктор. Джунаид Кази — предметный специалист, консультант по науке о данных и машинному обучению, а также создатель команды. Он является тренером по профессиональному развитию, наставником, автором и приглашенным спикером. С ним можно связаться для консультационных проектов и/или обучения профессионального развития через LinkedIn.
Больше контента на plainenglish.io. Подпишитесь на нашу бесплатную еженедельную рассылку здесь.