Bạn đang xem: Thư viện matplotlib
Tuy nhiên, tiêu giảm của Matplotlib là tạo thành những biểu đồ cặp khi đơn giản quá lại khó ưa nhìn và sử dụng rộng rãi.
Do đó, trong bài viết này, họ sẽ tò mò 4 tủ sách theme (giao diện) trên nền Matplotlib rất có thể dễ dàng biến các biểu vật Matplotlib của bạn từ nhàm chán biến hóa thú vị, hấp dẫn.
Việc sử dụng thư viện như thế nào tùy nằm trong vào mục tiêu sử dụng và đối tượng mục tiêu. Các bạn nên lưu ý đến để lựa chọn thư viện phù hợp cho tình huống thực tiễn của mình.
Cyberpunk Style là trong số những phong cách xây đắp đặc trưng của những năm 1980 và 1990, được lấy cảm giác từ khoa học viễn tưởng, mô tả sự kết hợp giữa công nghệ, tương lai và thế giới tội phạm. Vào Cyberpunk Style, color tươi sáng, sắc đẹp nét, color neon hay được thực hiện để tạo nên các hiệu ứng ánh nắng rực rỡ.
Một nhỏ đường sôi động của tp tương lai theo chủ thể khoa học tập viễn tưởng, bao hàm địa điểm có tương đối nhiều người bán hàng rong. Các shop và khu vực được phủ quanh bởi ánh đèn neon rực rỡ. Trời mưa và buổi tối (Hình hình ảnh được tạo vì Andy Mc
Donald sử dụng Midjourney)
Khi tạo các biểu đồ cho poster hoặc infographic, chúng ta có thể thêm Colormap để thu hút người đọc. Cyber
Punk theme sẽ giúp cho biểu đồ của người sử dụng độc đáo hơn vô cùng nhiều.
Bạn call hàm make_scatter_glow() để tạo các điểm phân phát sáng. Các bạn phải gọi lệnh này cho từng biểu đồ dùng scatter mà bạn có nhu cầu tạo những điểm phát sáng.
Bạn cũng có thể sử dụng Cyber
Punk theme cho các biểu thứ Line. Để tạo những line phạt sáng, chúng ta dùng lệnh mplcyberpunk.make_lines_glow()
Thư viện matplotx góp bạn thuận tiện để bí quyết điệu các matplotlib figures. Tủ sách chứa một trong những theme rất có thể truy cập và áp dụng cho bất kỳ biểu thứ matplotlib nào.
Khi thao tác với những biểu thứ trên Jupyter Notebooks hoặc VSCode cùng với dark-themed, những figures với hình ảnh sáng có thể gây chói mắt.
Để giảm ảnh hưởng tác động này, chúng ta cũng có thể tạo các figures bao gồm giao diện tối. Matplotx làm cho quy trình này dễ dãi hơn nhiều. Với rất nhiều giao diện khác biệt được tích hợp sẵn, bạn cũng có thể lựa lựa chọn và áp dụng giao diện phù hợp với đồ họa của Jupyter Notebooks hoặc VSCode của mình.
Bạn sử dụng câu lệnh with để hotline plt.style.context với truyền vào matplotx.styles. Trên đây, chúng ta có thể chọn một trong nhiều giao diện có sẵn.
Vì có tương đối nhiều giao diện phụ mang đến Pitaya Smoothie nên họ cần truy hỏi xuất chúng bằng phương pháp sử dụng cặp lốt ngoặc vuông. Trong lấy ví dụ này, chúng ta sử dụng bối cảnh “dark”.
Ngoài ra còn có rất nhiều giao diện “light”. Ví dụ: Pitaya Smoothie light được truy tìm xuất như sau:
Quantum
Black Labs là 1 công ty cung cấp dịch vụ phân tích tài liệu và tư vấn cho các doanh nghiệp. Họ áp dụng máy học với trí tuệ tự tạo để phân tích các tập dữ liệu phức hợp trong nhiều ngành như chăm lo sức khỏe, tài bao gồm và vận tải.
Thư viện này hỗ trợ nhiều tùy chọn cho theme style, bao gồm màu sắc, font chữ và kết cấu của những figures. Nó cũng có thể có thể tùy chỉnh cấu hình để tương xứng với nhu cầu ví dụ của dự án, giúp người tiêu dùng trực quan lại hóa tài liệu và tạo ra các report phân tích dữ liệu chất lượng cao.
Ví dụ về việc sử dụng thư viện Quantum đen Labs style cho những matplotlib figures. (Hình hình ảnh được tạo vì Quantum black Labs)
Khi viết những bài báo kỹ thuật hoặc hội nghị, việc tạo thành các figures rõ ràng, dễ dàng và đơn giản và dễ hiểu, tránh những biểu đồ cách điệu là điều cần thiết.
Một điều tuyệt đối với tủ sách này là nó làm cho các figures phù hợp để in ra trắng đen — phía trên vẫn là một trong những thông lệ thịnh hành của các nhà nghiên cứu. Với thư viện này, các line rất có thể dễ dàng minh bạch với nhau bằng cách thay thay đổi line style hoặc những điểm tất cả hình dạng không giống nhau trên biểu thiết bị scatter cho dữ liệu phân loại.
Để thực hiện thư viện Science
Plots, chúng ta phải thiết lập La
Te
X trên lắp thêm tính. đọc thêm cách thiết đặt La
Tex tại đây.
Science
Plots theme được áp dụng cho biểu thứ line, mang về khả năng hiển thị cao và cân xứng để chuyển vào các tạp chí khoa học.
Nó tương đối khác đối với biểu đồ vật ở bên trên và color đã vậy đổi, tuy nhiên vẫn là 1 biểu vật dụng tạp chí khoa học rất đẹp mắt.
Xem thêm: Tâm Và Kế Người Do Thái Đọc Sách Gì, Người Do Thái Và Truyền Thống Đọc Sách
Với những kỹ năng và kiến thức lập trình Python đã làm được trang bị trong khóa huấn luyện và đào tạo Data Manipulation và Visualization with Python trên Matplotlib, các bạn hoàn toàn có tác dụng sử dụng thêm các thư viện trên đây để tạo nên được các biểu đồ rất đẹp hơn, thú vị hơn.
Matplotlib
Để tiến hành các suy đoán thống kê nên thiết, rất cần phải trực quan hóa dữ liệu của bạn và Matplotlib là 1 trong trong những phương án như vậy cho người dùng Python. Nó là 1 trong thư viện vẽ đồ thị rất khỏe mạnh hữu ích cho những người làm việc với Python với Num
Py. Module được sử dụng nhiều tốt nhất của Matplotib là Pyplot cung cấp giao diện như MATLAB nhưng gắng vào đó, nó thực hiện Python với nó là mối cung cấp mở.
Để thiết đặt Matplotlib nếu bạn có Anaconda chỉ cần gõ conda install matplotlib hoặc sử dụng tools pip pip install matplotlib
Khái niệm chung
Một Matplotlib figure hoàn toàn có thể được phân một số loại thành đa số như dưới đây:
Figure: Như một chiếc cửa sổ chứa toàn bộ những gì các bạn sẽ vẽ trên đó.Axes: Thành phần chính của một figure là những axes (những khung nhỏ dại hơn để vẽ hình lên đó). Một figure hoàn toàn có thể chứa một hoặc nhiều axes. Nói phương pháp khác, figure chỉ nên khung chứa, chính những axes bắt đầu thật sự là nơi các hình vẽ được vẽ lên.Axis: Chúng là dòng số hệt như các đối tượng người sử dụng và phụ trách việc tạo những giới hạn biểu đồ.Artist: mọi thứ mà chúng ta cũng có thể nhìn thấy bên trên figure là 1 artist như Text objects, Line2D objects, collection objects. Hầu hết các Artists được đính thêm với Axes.Bắt đầu với Pyplot
Pyplot là một trong những module của Matplotlib cung ứng các hàm dễ dàng và đơn giản để thêm những thành phần plot như lines, images, text, v.v. Vào những axes trong figure.
Tạo một biểu đồ solo giản
import matplotlib.pyplot as pltimport numpy as np
Ở đây họ import Matplotlib’s Pyplot module cùng thư viện Numpy vì hầu như các dữ liệu mà ta sẽ thao tác làm việc sẽ chỉ làm việc dạng mảng.
Chúng ta gửi hai mảng có tác dụng đối số nguồn vào cho cách tiến hành plot() và áp dụng phương thức show() để gọi biểu vật được yêu thương cầu. Ở đây lưu ý rằng mảng đầu tiên xuất hiện trên trục x và mảng sản phẩm công nghệ hai lộ diện trên trục y của biểu đồ. Bây giờ, biểu đồ thứ nhất của chúng ta đã sẵn sàng, bọn họ hãy thêm tiêu đề với đặt thương hiệu trục x cùng trục y bằng cách sử dụng những phương thức title(), xlabel() cùng ylabel().
Chúng ta cũng rất có thể chỉ định size của hình bằng cách sử dụng cách tiến hành figure() và truyền những giá trị bên dưới dạng một tuple về độ dài của những hàng với cột mang lại đối số figsize
Với mỗi đối số X với Y, bạn có thể chuyển một đối số thứ bố tùy chọn dưới dạng một chuỗi cho thấy màu nhan sắc và nhiều loại đường của biểu đồ. Định dạng khoác định là b- tức là một đường greed color lam đặc. Trong hình bên dưới đây, mình áp dụng go có nghĩa là vòng tròn màu xanh lá cây lá cây. Giống như như vậy, bạn cũng có thể thực hiện tại nhiều phối kết hợp như vậy nhằm định dạng biểu thiết bị của mình.
Chúng ta cũng có thể vẽ nhiều cỗ dữ liệu bằng cách chuyển vào nhiều cỗ đối số của trục X với Y trong cách thức plot() như bên dưới.
Nhiều biểu đồ trong 1 figure
Chúng ta hoàn toàn có thể sử dụng phương thức subplot() nhằm thêm các plots trong một hình. Trong hình hình ảnh bên dưới, tôi đã sử dụng phương thức này để phân tách hai biểu đồ mà lại đã vẽ trên và một trục trong lấy ví dụ trước. Cách làm subplot() có tía đối số: nrows, ncols và index. Chúng chỉ ra con số hàng, số cột và số index của sub-plot. Ví dụ, bạn muốn tạo nhị sub-plot vào một hình làm thế nào để cho nó nằm tại một hàng và trên hai cột và vì vậy ta chuyển những đối số (1,2,1) với (1,2,2) trong thủ tục subplot(). Xem xét rằng ta đã áp dụng riêng phương thức title() cho tất cả các subplots. Ta sử dụng phương thức suptitle() để tạo thành một tiêu đề triệu tập cho hình.
Nếu ta muốn những sub-plots thành nhì hàng cùng một cột, chúng ta có thể truyền các đối số (2,1,1) với (2,1,2)
Cách tạo ra subplots trên phía trên trở nên hơi tẻ nhạt khi họ muốn có khá nhiều subplots vào hình. Một cách thuận lợi hơn là áp dụng phương thức subpltots(). để ý sự khác hoàn toàn của những giá trị vào cả nhị phương thức. Cách tiến hành này rước hai đối số nrows và ncols làm con số hàng và số cột tương ứng. Cách thức này tạo nên hai đối tượng: figure với axes mà bọn họ lưu trữ trong những biến fig và ax có thể được sử dụng để thay đổi các trực thuộc tính mức figure và axes tương ứng. để ý rằng các tên trở thành này được chọn tùy ý.
Tạo các loại biểu đồ không giống nhau với Pyplot
1. Biểu đồ thanh
Biểu trang bị thanh là một trong những loại biểu đồ phổ cập nhất với được sử dụng để hiển thị dữ liệu được link với những biến phân loại. Pyplot cung ứng một cách tiến hành bar() để tạo những biểu thứ thanh có các đối số: vươn lên là phân loại, quý hiếm và color của bọn chúng (nếu bạn muốn chỉ định bất kỳ)
Để tạo biểu thứ thanh ngang thực hiện phương thức barh() xung quanh ra, bạn cũng có thể truyền đối số (với quý giá của nó) xerr or yerr (trong trường phù hợp biểu thứ thanh dọc ở trên) để biểu đạt phương sai trong dữ liệu của bọn họ như sau:
Để tạo những biểu vật thanh xếp ông chồng theo chiều ngang, ta thực hiện phương thức bar() nhì lần với chuyển các đối số trong những số ấy ta đề cập cho index cùng width của biểu đồ thanh để xếp bọn chúng theo chiều ngang. Ngoại trừ ra, chăm chú việc sử dụng hai cách làm legend() được thực hiện để hiển thị chú giải của biểu đồ và xticks() để gắn nhãn trục x dựa trên vị trí của các thanh.
Tương tự, nhằm xếp theo hướng dọc những biểu đồ vật thanh cùng với nhau, bạn cũng có thể sử dụng đối số bottom với đề cập mang đến biểu thiết bị thanh mà bọn họ muốn xếp chồng dưới làm quý hiếm của nó.
2. Biểu đồ tròn
Một nhiều loại biểu đồ cơ bản nữa là biểu thứ Pie rất có thể được tạo bằng phương thức pie() họ cũng rất có thể chuyển những đối số để thiết lập biểu vật Pie của chính mình để hiển thị shadow, explode một trong những phần của nó, nghiêng nó theo một góc như sau:
3. HistogramHistogram là 1 loại biểu trang bị rất thông dụng khi bọn họ xem xét dữ liệu như chiều cao và cân nặng, giá bán cổ phiếu, thời gian mong chờ của một khách hàng hàng, v.v ... Liên tục trong từ nhiên. Histogram"s data được vẽ vào một phạm vi đối với tần số của nó. Histograms là các biểu đồ xuất hiện thêm rất thịnh hành trong tỷ lệ và thống kê lại và tạo ra cơ sở cho các distributions khác nhau như normal -distribution, t-distribution, v.v. Trong ví dụ như sau, họ tạo dữ liệu tiếp tục ngẫu nhiên gồm 1000 entries cùng vẽ biểu vật dụng theo tần số của chính nó với dữ liệu chia thành 10 tầng bởi nhau. Mình đã sử dụng thủ tục random.randn() của Num
Py"s nhằm tạo tài liệu với những thuộc tính của standard normal distribution, tức thị = 0 và độ lệch chuẩn chỉnh = 1 và cho nên biểu vật trông giống như một con đường cong normal distribution.
4. Sơ đồ vật phân tán với 3 chiều
Các biểu vật dụng phân tán là những biểu vật được thực hiện rộng rãi, nhất là chúng có ích trong việc tưởng tượng một vụ việc về hồi quy. Trong ví dụ như sau, cung cấp dữ liệu được tạo nên tùy ý về chiều cao và khối lượng và vẽ bọn chúng với nhau. Mình đã sử dụng các phương thức xlim() cùng ylim() để đặt giới hạn của trục X cùng trục Y tương ứng.
Sự phân tán ở trên cũng có thể được hình dung trong cha chiều. Để sử dụng tính năng này, trước tiên ta buộc phải import module mplot3d như sau:
from mpl_toolkits import mplot3d
Khi module được nhập, một trục bố chiều được tạo bằng cách chuyển trường đoản cú khóa projection="3d" sang cách làm axes()của module Pyplot. Khi đối tượng người dùng được tạo, chúng ta chuyển chiều cao và trọng số của đối số cho cách thức scatter3D().
Chúng ta cũng rất có thể tạo các biểu thứ 3 chiều của các loại khác như biểu vật dụng đường, bề mặt, khung lưới, mặt đường viền, v.v. Lấy một ví dụ trên sinh sống dạng biểu vật dụng đường đơn giản dễ dàng như sau: Ở đây thay vì chưng scatter3D() bọn họ sử dụng cách tiến hành plot3D()
Hy vọng nội dung bài viết này hữu dụng cho bạn. Trước khi mình kết thúc bài viết ở đó là danh sách tất cả các thủ tục mà bọn chúng đã xuất hiên.
plot(x-axis values, y-axis values) —đồ thị đường dễ dàng với các giá trị trục x so với cái giá trị trục y.show() - hiển thị biểu đồtitle(“string”) - để tiêu đềxlabel(“string”) - đặt nhãn mang đến trục xylabel(“string”) - đặt nhãn mang lại trục yfigure() - dùng làm control các thuộc tính của nút hìnhsubplot(nrows, ncols, index) - thêm một subplot vào figure hiện nay tạisuptitle(“string”) - thêm 1 tiêu đề phổ biến vào hìnhsubplots(nrows, ncols, figsize) - một cách thuận tiện để tạo các subplots. Nó trả về một tuple của figure và số lượng axesset_title(“string”) - dùng để đặt tiêu đề cho những ô conbar(categorical variables, values, color) - được thực hiện để chế tạo đồ thị thanh dọcbarh(categorical variables, values, color) - dùng để làm tạo biểu đồ gia dụng thanh nganglegend(loc) - dùng làm tạo chú thích của trang bị thịxticks(index, categorical variables) - get hoặc mix vị trí đánh dấu hiện tại cùng nhãn của trục xpie(value, categorical variables) - dùng để làm tạo biểu trang bị hình trònhist(values, number of bins) - được thực hiện để chế tạo ra histogramxlim(start value, end value) - được sử dụng để tại vị giới hạn giá trị của trục xylim(start value, kết thúc value) - được sử dụng để đặt giới hạn quý hiếm của trục yscatter(x-axis values, y-axis values) - vẽ sơ đồ gia dụng phân tán với các giá trị trục x so với giá trị trục yaxes() - thêm 1 axes vào hình hiện tại tạiset_xlabel(“string”) - được sử dụng đễ mix nhãn x mang lại plot được chỉ địnhset_ylabel(“string”) - được thực hiện đễ phối nhãn y cho plot được chỉ địnhscatter3D(x-axis values, y-axis values) - vẽ sơ thiết bị phân tán tía chiều với các giá trị trục x so với cái giá trị trục yplot3D(x-axis values, y-axis values) - vẽ vật thị đường bố chiều với các giá trị trục x so với mức giá trị trục yTài liệu tham khảo
