Méthode de visualisation de données utilisant matplotlib (1)
Divers présenté précédemment comment dessiner des diagrammes par matplotlib et pandas / ynakayama / items / 68eff3cb146181329b48) Mais je n'ai pas mentionné les paramètres spécifiques. A partir de ce moment, je suivrai le dessin avec matplotlib plusieurs fois.
Diagramme et sous-tracé
L'objet Figure matplotlib fournit des fonctionnalités de traçage. La méthode plt.figure () dessine une nouvelle fenêtre sans rien dessiné. La méthode add_subplot () crée un sous-tracé à l'intérieur.
import numpy as np
from pandas import *
from pylab import *
import matplotlib.pyplot as plt
from matplotlib import font_manager
from numpy.random import randn
#Obligatoire pour utiliser le japonais
fontprop = matplotlib.font_manager.FontProperties(fname="/usr/share/fonts/truetype/fonts-japanese-gothic.ttf")
#Dessinez une nouvelle fenêtre
fig = plt.figure()
#Ajouter un sous-tracé
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
plt.show()
plt.savefig("image.png ")
Dessiner des données vers un sous-tracé
Lorsque vous tracez, matplotlib dessine sur la dernière figure ou sous-tracé que vous avez utilisé.
ran = randn(50).cumsum()
#Noir(k)Dessinez avec la ligne brisée de
plt.plot(ran, 'k--')
plt.show()
plt.savefig("image2.png ")
Vous pouvez dessiner sur n'importe quel sous-tracé en appelant explicitement la méthode d'instance de sous-tracé.
ax1.hist(rand(100), bins=20, color='k', alpha=0.3)
ax2.scatter(np.arange(30), np.arange(30) + 3 * randn(30))
plt.show()
plt.savefig("image3.png ")
Ajuster l'espace
Utilisez la méthode subplots_adjust pour ajuster l'espace entre les sous-graphiques.
fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)
for i in range(2):
for j in range(2):
axes[i, j].hist(randn(500), bins=50, color='k', alpha=0.5)
#Essayez de remplir les espaces entre les sous-graphiques
plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=0, hspace=0)
plt.show()
plt.savefig("image4.png ")
référence
Introduction à l'analyse de données avec le traitement des données Python en utilisant NumPy et pandas http://www.oreilly.co.jp/books/9784873116556/
Recommended Posts