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. Matplotlibпредоставляет 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:

О докторе Джунаиде Кази:

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.