Méthode de visualisation de données utilisant matplotlib (2)

Dans la continuité de Hier, je vais vous expliquer les fonctions de matplotlib.

Couleur, marqueur, type de ligne

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

prop = matplotlib.font_manager.FontProperties(fname="/usr/share/fonts/truetype/fonts-japanese-gothic.ttf")

r = randn(30).cumsum()

#Spécifiez la couleur, le type de ligne, le marqueur
#Noir, ligne brisée, le marqueur est o
plt.plot(r, color='k', linestyle='dashed', marker='o')

plt.show()
plt.savefig("image.png ")

Par défaut, les lignes de pliage sont reliées par une ligne droite. Vous pouvez changer cela avec l'option Drawstyle.

#Valeur RVB explicite
plt.plot(r, color='#ff0000', linestyle='dashed', marker='o', label='dashed')
#Changer le style de dessin
plt.plot(r, color='#0000ff', drawstyle='steps-post', label='steps-post')
#Ajouter une légende
plt.legend(loc='best')

plt.show()
plt.savefig("image2.png ")

Échelle, étiquette

plt.xlim () et plt.xticks () renvoient la valeur actuelle lorsqu'ils sont appelés sans arguments. Vous pouvez définir des paramètres en spécifiant une valeur pour cela comme argument.

#Vérifiez la valeur actuelle sans donner d'argument
print( plt.xlim() )
# => (0.0, 30.0)
print( plt.xticks() )
# => (array([  0.,   5.,  10.,  15.,  20.,  25.,  30.]), <a list of 7 Text xticklabel objects>)

#Définir une nouvelle valeur
plt.xlim([0, 40])
plt.xticks([0,4,8,12,16,20,24,28,32,36,40])

print( plt.ylim() )
# => (-7.0, 3.0)
print( plt.yticks() )
# => (array([-8., -6., -4., -2.,  0.,  2.,  4.]), <a list of 7 Text yticklabel objects>)

plt.ylim([-10, 10])
plt.yticks([-10,-8,-6,-4,-2,0,2,4,6,8,10])

plt.show()
plt.savefig("image3.png ")

Personnalisation de l'axe

Considérez le diagramme de marche aléatoire suivant.

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

r = randn(1000).cumsum()
ax.plot(r)

plt.show()
plt.savefig("image4.png ")

Personnalisons l'échelle et le libellé de ceci. Par exemple, l'axe X est classé par 250, les caractères sont inclinés de 30 degrés et ils sont affichés en japonais.

ax.set_xticks([0, 250, 500, 750, 1000])
ax.set_xticklabels(['A', 'B', 'C', 'D', 'E'], rotation=30, fontsize='small')
ax.set_title('Tester le tracé matplotlib', fontproperties=prop)
ax.set_xlabel('Rang', fontproperties=prop)

plt.show()
plt.savefig("image5.png ")

Ajouter une légende

Un moyen simple d'identifier les données tracées consiste à spécifier une étiquette et à l'afficher dans une légende. Il sera plus facile à comprendre si vous séparez les couleurs et les types de lignes pour chaque donnée.

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

def randn1000():
    return randn(1000).cumsum()

ax.plot(randn1000(), 'k', label='one')
ax.plot(randn1000(), 'b--', label='two')
ax.plot(randn1000(), 'r.', label='three')
ax.plot(randn1000(), 'g+', label='four')
ax.plot(randn1000(), 'b*', label='five')

plt.ylim([-100, 100])

ax.legend(loc='best')

plt.show()
plt.savefig("image6.png ")

Options lors de l'enregistrement d'un fichier

Vous pouvez spécifier les options de fichier image avec plt.savefig ().

Cette fois, les pandas ne sont pas encore apparus, jusqu'à présent, nous ne parlons que de matplotlib. À partir de la prochaine fois, je tracerai en combinaison avec des pandas.

référence

Notes d'utilisation de Matplotlib http://www.geocities.jp/showa_yojyo/note/python-matplotlib.html

Introduction à l'analyse de données avec le traitement des données Python avec NumPy et pandas http://www.oreilly.co.jp/books/9784873116556/