Для получения более подробной информации и информации, пожалуйста, обратитесь к видео на YouTube.
URL видео: https://youtu.be/UrroNzXshNw
Введение
В этом руководстве мы узнаем больше о библиотеке MatplotLib и о том, как настроить MatplotLib, ее конфигурации и таблицы стилей.
MatplotLib — это мультиплатформенная библиотека визуализации данных, построенная на массивах Numpy. Мы импортируем matplotlib.pyplot и NumPy для операции.
Затем мы воспользуемся директивой plt.style, чтобы выбрать соответствующие эстетические стили для графиков. Здесь мы установим классический стиль, который гарантирует, что графики, которые мы создаем, используют классический стиль Matplotlib.
Любая команда plt plot будет использовать окно рисунка для открытия, но %matplotlib inline будет рисовать только статические изображения и устанавливает бэкенд matplotlib на встроенный бэкенд.
Теперь мы собираемся импортировать циклировщик, и объект цикла с одним входом можно использовать для простого цикла по одному стилю. Мы должны использовать функцию cycler(), чтобы связать ключ с серией значений, и ключ должен быть хэшируемым. Это ценности. Эти цветовые коды представляют соответствующие цвета.
Мы делаем это потому, что при каждой загрузке MatplotLib определяет конфигурацию времени выполнения (rc), содержащую стили по умолчанию для каждого создаваемого вами элемента графика. Эта группа «оси» определяет общий дизайн осей вашего графика. Он имеет список или кортеж имен групп, xtick и ytick, который дает дизайн оси x и оси y для каждой. Эта группа «заплатка» показывает, как выглядят края графика. И эта группа «линий» задает соответствующее расширение в области сюжета. Все это можно использовать для настройки стиля прорисовки.
Здесь мы инициализируем переменную «x», и эта функция возвращает выборки из нормального распределения со средним значением 0 и дисперсией 1, где вы в конечном итоге получите верхний или нижний предел. И мы строим гистограмму, используя функцию hist(). И мы строим гистограмму, используя функцию hist(). Первый цвет, определенный в функции cycler(). И общий макет графика — это то, что мы настроили ранее с помощью метода plt.rc().
Далее мы напечатаем линейный график, используя эту функцию. Он возвращает случайные числа, выбранные из равномерного распределения в интервалах [0,1], где распределение не имеет верхнего или нижнего пределов. Мы видим 5 разных линий с разными цветами, которые были определены в функции cycler().
Эти цвета являются первыми 5 цветами, которые были определены в функции.
Теперь мы инициализируем переменную «y» функцией np.linspace(), которая принимает 3 параметра: начальный номер, конечный номер и количество выборок. Это нарисует волну красным цветом, а это нарисует волну синим цветом.
Как вы видите, эти два цвета являются первыми двумя цветами, определенными в функции cycler(), и макет также одинаков.
Далее мы построим простую гистограмму с простыми данными. Переменная «axes_part» получит равноудаленные столбцы по оси X. Это устанавливает высоты по оси Y, и это устанавливает полосы по оси X. Мы видим фигуру, похожую на гистограмму.
На следующем рисунке будет построена круговая диаграмма. Мы будем использовать те же простые данные, что и при построении гистограммы.
Мы также инициализируем переменную «explode». Это позволит нам построить круговую диаграмму. Следующая функция принимает 6 параметров. Высота даст значение переменной «высота», взрыв позволит нам иметь выступ на этом конкретном фрагменте круговой диаграммы, метка предоставит разные метки для разных частей разных значений столбцов, autopct автоматически преобразует значения высоты в проценты, autopct автоматически преобразует значения высоты в проценты, а startangle будет начинать вычисление другого угла с 90`. Метод функции axe.axis() позволит нам иметь равное соотношение сторон, которое гарантирует, что круговая диаграмма будет нарисована в виде круга. На рисунке видно, что разные части круговой диаграммы окрашены в разные цвета. Вот как мы можем настроить стиль различных графиков, используя параметры конфигурации времени выполнения (rc).
Теперь мы собираемся определить функцию, которая создает гистограмму и линейный график. Это устанавливает случайное начальное число в 0, поэтому псевдослучайные числа, которые вы получаете от случайного, начинаются с одной и той же точки.
Это создаст график с длиной 4 и шириной 11. Это инициализирует гистограмму и сгенерирует выборки из нормального распределения. Что касается этого, он инициализирует линейный график с 4 линиями разных цветов.
Поэтому, когда мы вызываем эту функцию, мы получаем два разных графика, гистограмму и линейный график. Теперь мы знаем, что можем настроить стили по своему усмотрению. Но даже если вы не создаете свой собственный стиль, таблицы стилей по умолчанию содержат очень полезные стили.
Теперь мы собираемся показать некоторые из доступных стилей и то, как их использовать. Во-первых, у нас есть стиль FiveThirtyEight. Он имитирует графику, найденную на популярном веб-сайте FiveThirtyEight.
Во-вторых, у нас есть ggplot. Стиль ggplot Matplotlib имитирует стили по умолчанию из пакета ggplot на языке R, который является очень популярным инструментом визуализации.
Вот как это выглядит.
В-третьих, у нас есть стиль байесовских методов для хакеров, также известный как bmh. В нем представлены фигуры, созданные в великолепном последовательном и визуально привлекательном стиле.
И вот как это выглядит.
Затем у нас есть темный стиль фона. Полезно создавать рисунки, которые используются в презентации.
Этот стиль обеспечивает это мировоззрение.
Кроме того, у нас есть стиль в оттенках серого. Если вам нужны рисунки для печатного издания, которое не принимает цветные рисунки, это может оказаться очень полезным.
Вот как это выглядит.
Существует также стиль Seaborn, вдохновленный библиотекой Seaborn. Эти стили загружаются автоматически при импорте Seaborn.
Вот так выглядит сюжет.
Со всеми этими встроенными опциями для различных стилей графиков MatplotLib становится гораздо более полезным как для интерактивной визуализации, так и для понимания данных.
