Python Plotting

Este arranjo irá familiarizá-lo com Python Plotting com Matplotlib, que é ostensivamente a mais proeminente biblioteca de plotagem e percepção de informação para Python.

Estabelecimento

Uma abordagem menos exigente para introduzir o matplotlib é utilizar pip. Digite seguindo o endereço no terminal:

pip install matplotlib

Or, pode descarregá-lo a partir daqui e instalá-lo manualmente.

Iniciar (traçar uma linha)

filtro_nenhum

editar

play_arrow

brillo_4

# Importar o módulo requerido

importar matplotlib.pyplot como plt

# valores do eixo x

x =

# valores do eixo y correspondentes

y =

# traçando os pontos

plt.plot(x, y)

# nomeando o eixo x

plt.xlabel(‘x – eixo’)

# nomeando o eixo y

plt.ylabel(‘y – eixo’)

# dando ao meu plot um título

plt.title(‘O meu primeiro plot!”)

# Função para mostrar a parcela

plt.show()

O código parece ser cristalino. Os seguintes passos foram seguidos:

Caracterizar o cubo x e as estimativas de y-pivot relacionadas como registos.

Plotá-los na tela usando o .plot() job.

Nome x-pivot e y-hub usando as capacidades .xlabel() e .ylabel().

Title o seu plot usando o .title().

Finalmente, para ver a sua parcela, usamos .appear() work.

traçar duas ou mais linhas na mesma parcela

filter_none

edit

play_arrow

brillo_4

importar matplotlib.pyplot como plt

# linha 1 pontos

x1 =

y1 =

#plot linha 1 pontos

plt.plot(x1, y1, etiqueta = “linha 1”)

# linha 2 pontos

x2 =

y2 =

# plotting line 2 points

plt.plot(x2, y2, etiqueta = “linha 2”)

# nomeando o eixo x

plt.xlabel(‘x – eixo’)

# nomeando o eixo y

plt.ylabel(‘y – eixo’)

# dando um título à minha parcela

plt.title(‘Duas linhas na mesma parcela!’)

# mostrando uma legenda na parcela

plt.legend()

# Função para mostrar a parcela

plt.show()

Aqui, traçamos duas linhas na mesma parcela. Separamo-nos entre eles dando-lhes um nome (etiqueta) que é passado como contenção do trabalho .plot().

A pequena caixa rectangular que dá dados sobre o tipo de linha e o seu sombreado é chamada uma lenda. Podemos adicionar uma legenda ao nosso enredo usando o .legend() job.

P>Aqui, examinamos algumas personalizações rudimentares relevantes para praticamente qualquer enredo.

importar matplotlib.pyplot como plt

# valores do eixo x

x =

# valores do eixo y correspondentes

y =

# traçando os pontos

plt.plot(x, y, color=’green’, linestyle=’tracejado’, linewidth = 3,

marker=’o’, markerfacecolor=’blue’, marker size=12)

# definindo o intervalo dos eixos x e y

plt.ylim(1,8)

plt.xlim(1,8)

# nomeando o eixo x

plt.xlabel(‘x – eixo’)

# nomeando o eixo y

plt.ylabel(‘y – eixo’)

# dando um título à minha parcela

plt.title(‘Algumas personalizações fixes!’)

# Função para mostrar a parcela

plt.show()

Aqui estão várias personalizações como:

largura de linha, estilo de linha, sombreamento de linha.

…a configuração do marcador, sombreamento da face do marcador, tamanho do marcador…

abrogar o curso dos eixos X e Y. Caso a substituição não seja feita, o módulo pyplot utiliza o destaque automático da escala para definir o alcance e a escala do pivot.

importar matplotlib.pyplot como plt

# x-coordenadas dos lados esquerdos das barras

esquerda =

# altura das barras

altura =

# etiquetas para as barras

tick_label =

# traçando um gráfico de barras

plt.bar(esquerda, altura, tick_label = tick_label,

largura = 0,8, cor = )

# nomeando o eixo x

plt.xlabel(‘x – eixo’)

# nomeando o eixo y

plt.ylabel(‘y – eixo’)

# Título do lote

plt.title(‘Meu gráfico de barras!’)

# Função para mostrar o lote

plt.show()

Aqui, usamos a capacidade de plt.bar() para traçar o esboço de uma barra.

As direcções x da metade esquerda das barras são passadas junto às estrias das barras.

P>P>Pode também nomear as instalações do cubo x, caracterizando as etiquetas das marcas

Aqui, usamos a capacidade plt.hist() para desenhar um histograma do contorno de uma barra.

Aqui, usamos a plt.hist() para traçar um histograma.

As frequências são passadas como a lista de idades.

A gama poderia ser definida caracterizando um tuple contendo a estima mínima e máxima.

A fase seguinte é “contentorizar” o âmbito das qualidades – isto é, dividir todo o âmbito das qualidades numa progressão de intermediários – e depois contar o número de qualidades que caem em cada intermediário. Aqui caracterizamos caixas = 10. Assim, há um total de 100/10 = 10 intermediários.

Histograma

filtro_nenhum

edit

p>play_arrow

brillo_4

importar matplotlib.pyplot como plt

# Frequências

páginas =

# intervalos de definição e número de intervalos

alcance = (0, 100)

buckets = 10

# traçando um histograma

plt.hist(idades, baldes, alcance, cor = ‘verde’,

histtipo = ‘bar’, largura r = 0.8)

# etiqueta do eixo x

plt.xlabel(‘age’)

# etiqueta de frequência

plt.ylabel(‘No. de pessoas’)

# Título do lote

plt.title(‘My histogram’)

# Função para mostrar o lote

plt.show()

Output:

<

p>p parcela de dispersão

filtro_nenhum

edit

p>play_arrow

brillo_4

importar matplotlib.pyplot como plt

# valores do eixo x

x =

# valores do eixo y

y =

# pontos de plotagem como um gráfico de dispersão

plt.scatter(x, y, label= “stars”, color= “green”,

marker= “*”, s=30)

# x-axis label

plt.xlabel(‘x – eixo’)

# etiqueta de frequência

plt.ylabel(‘y – eixo’)

# título do lote

plt.title(‘My scatter plot’)

# exibindo a legenda

plt.legend()

# Função para mostrar o gráfico

plt.show()

Aqui, usamos a capacidade de plt.scatter() para traçar um gráfico de dissipação.

Como uma linha, caracterizamos o x e relacionamos aqui também o y – a estima central.

Contenção de marcador é usada para definir o carácter a usar como marcador. O seu tamanho pode ser caracterizado utilizando o parâmetro s.

Lote de círculo

filtro_nenhum

edit

play_arrow

brillo_4

importar matplotlib.pyplot como plt

# definindo etiquetas

actividades =

# porção coberta por cada etiqueta

slices =

# cor para cada etiqueta

cores =

# traçando o gráfico da tarte

plt.pie(fatias, etiquetas = actividades, cores= cores,

ângulo de partida = 90, sombra = Verdadeiro, explodir = (0, 0, 0, 0,1, 0),

radius = 1,2, auto-estrada = ‘%1,1f%%%’)

# legenda da parcela

plt.legenda()

# mostrando o gráfico

plt.show()

p>A saída do programa acima descrito parece assim:

aqui, traçamos um gráfico de tartes usando a estratégia plt.foot().

Como questão de primeira importância, caracterizamos os nomes utilizando um degradado chamado exercícios.

Nesse ponto, o segmento de cada nome pode ser caracterizado utilizando outro degradado chamado cortes.

O degradado de cada marca é caracterizado utilizando um gradiente chamado sombras.

Sombra = O genuíno mostrará uma sombra sob cada nome no gráfico da torta.

Angulo de arranque roda o início do gráfico da tarte em graus determinados no sentido contrário ao dos ponteiros do relógio a partir do pivot X.

Detonação é utilizada para definir a parte do intervalo com que se contrapõe cada cunha.

Autovia é utilizada para organizar a estimativa de cada marca. Aqui, definimo-lo para exibir a taxa de estimativa apenas até 1 casa decimal.

Traçar as curvas da equação dada

filter_none

edit

play_arrow

brillo_4

# Importar os módulos requeridos

importar matplotlib.pyplot como plt

importar numpy como np

# definindo as coordenadas x –

x = np.arange(0, 2*(np.pi), 0.1)

# definindo as coordenadas y correspondentes

y = np.sin(x)

# encapsulando os pontos

plt.plot(x, y)

# Função para exibir a parcela

plt.show()

<

Aqui, utilizamos o NumPy que é uma exibição universalmente útil para preparar um pacote em python.

Para definir as estimativas do eixo x, utilizamos a técnica np.arange() onde as duas contenções iniciais são para o alcance e a terceira é para a adição por etapas. O resultado é um agrupamento numpy.

Para comparar as estimativas do y-hub, usamos basicamente uma estratégia pré-definida de np.sin() na exibição numpy.

Finalmente, plotamos os focos passando as exibições x e y para o trabalho plt.plot().

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *