Подзаголовки Matplotlib – Построение Нескольких Графиков С Использованием Matplotlib
В этой статье мы узнаем, как создавать подзаголовки Matplotlib.
В этой статье мы узнаем, как создавать подзаголовки Matplotlib.
На практике нам часто требуется более одного графика, чтобы визуализировать переменные, именно тогда в картину вступают подзаголовки. Метод подзаголовка Matplotlib – это удобная функция, предоставляемая для создания более одного графика на одном рисунке.
Создание базового графика С помощью Matplotlib
Создание графика в Matplotlib-простая задача, и ее можно выполнить с помощью одной строки кода вместе с некоторыми входными параметрами. В приведенном ниже коде показано, как сделать простой график с одной фигурой.
plt.plot() отображает линейный график входных данных.
Создание Подзаголовков Matplotlib
Теперь подумайте о ситуации, когда нам нужно иметь несколько графиков для объяснения наших данных. Например, у нас есть набор данных с температурой и количеством осадков в качестве переменных, и нам нужно визуализировать эти данные.
Одна вещь, которая приходит на ум, – это построить обе переменные на одном графике, но шкала измерения температуры (Кельвин) отличается от шкалы количества осадков(мм).
Здесь нам нужен отдельный сюжет для обоих, чтобы иметь визуальную интерпретацию. Подзаголовок Matplotlib-это то, что нам нужно для создания нескольких сюжетов, и мы собираемся подробно изучить это.
1. Использование метода subplots()
Давайте посмотрим на использование matplotlib.subplots|/.
Метод matplotlib subplots() требует в качестве входного аргумента несколько строк и несколько столбцов и возвращает объект figure и объект axes.
Доступ к каждому объекту оси можно получить с помощью простой индексации. И после выбора необходимых осей для построения графика процедура построения графика будет следовать своим обычным курсом, как мы это делали в приведенном выше коде.
Давайте создадим 4 подзаголовка, расположенных в виде сетки.
2. Доступ к подзаголовкам
Доступ к отдельным осям очень прост. Давайте построим несколько графиков на первом и последнем подзаголовке.
Думайте о каждой оси как о некоторых объектах, расположенных в 2D-массиве, доступ к каждому подзаголовку аналогичен доступу к элементам из 2D-массива.
3. Подзаголовки Matplotlib с общей осью
4. Использование метода add_subplot()
Давайте продемонстрируем это на примере кода.
В приведенном выше коде атрибут add_subplot объекта figure требует в качестве входного аргумента несколько строк и столбцов, а также индекс подзаголовка.
Но здесь вместо того, чтобы индексировать подзаголовки в виде 2D-массивов, нам просто нужно передать целое число, похожее на число рисунка.
рис.add_subplot(2, 2, 1) в приведенном выше коде сначала будет создана сетка подзаголовков 2×2 и возвращен объект 1-го подзаголовка, на котором мы можем построить наши данные.
Вывод
В этой статье мы рассмотрели, как мы можем визуализировать данные на нескольких графиках на одном рисунке, использование метода subplots и количество способов создания подзаголовков.
Как сделать несколько графиков на одной странице с помощью matplotlib?
Я написал код, который сразу открывает 16 цифр. В настоящее время все они открыты как отдельные графики. Я бы хотел, чтобы они открывали все на одной странице. Не тот же график. Я хочу 16 отдельных графиков на одной странице/окне. Также по какой-то причине формат numbins и defaultreallimits не проходит мимо цифры 1. Нужно ли использовать команду subplot? Я не понимаю, зачем мне нужно, но не могу понять, что еще я буду делать?
Чтобы ответить на ваш основной вопрос, вы хотите использовать команду subplot. Я думаю, что изменение plt.figure(i) до plt.subplot(4,4,i+1) должно работать.
Ответ от las3rjock, который каким-то образом является ответом, принятым OP, неверен – код не запускается и не является синтаксисом matplotlib; этот ответ не дает никакого исполняемого кода и не содержит никакой информации или предположений о том, что OP может оказаться полезным при написании собственного кода для решения проблемы в OP.
Учитывая, что это принятый ответ и уже получил несколько голосов, я полагаю, что небольшая деконструкция в порядке.
Во-первых, вызов подзаголовка не дает вам несколько графиков; subplot вызывается для создания отдельного сюжета, а также для создания нескольких графиков. Кроме того, “изменение plt.figure(i)” неверно.
plt.figure() (в котором plt или PLT обычно является библиотекой matplotlib pyplot, импортированной и возвращаемой как глобальная переменная plt или иногда PLT, например:
строка чуть выше создает экземпляр фигуры matplotlib; этот метод add_subplot объекта затем вызывается для каждого окна построения (неформально думать о оси x и y, содержащей один подзаговор). Вы создаете (будь то один или несколько на странице), например
этот синтаксис эквивалентен
выберите тот, который имеет смысл для вас.
Ниже я перечислил код для построения двух графиков на странице, один над другим. Форматирование выполняется с помощью аргумента, переданного в add_subplot. Обратите внимание, что аргумент равен (211) для первого графика и ( 212) для второго.
Каждый из этих двух аргументов является полной спецификацией для правильного размещения соответствующих окон графика на странице.
211 (который снова также может быть записан в 3-кортежной форме, так как (2,1,1) означает две строки и один столбец окон графика, а третья цифра указывает порядок конкретное окно подзаголовка по отношению к другим окнам подзаголовка – в этом случае это первый график (который помещает его в строку 1), следовательно, номер участка 1, строка 1 col 1.
Аргумент, переданный во второй вызов add_subplot, отличается от первого только конечной цифрой (вместо 2 вместо 1, поскольку этот график является вторым графиком (строка 2, col 1).
Пример с большим количеством графиков: если вместо этого вам потребовалось четыре графика на странице, в матричной конфигурации 2×2, вы бы четыре раза вызывали метод add_subplot, передавая эти четыре аргумента (221), (222), (223), и (224), чтобы создать четыре графика на странице в 10, 2, 8 и 4 часах соответственно и в этом порядке.
Обратите внимание, что каждый из четырех аргументов содержит две записи 2’s – которая кодирует конфигурацию 2 x 2, то есть две строки и два столбца.
Третья (самая правая) цифра в каждом из четырех аргументов кодирует упорядочение этого конкретного окна графика в матрице 2 x 2, то есть строку 1 col 1 (1), строку 1 col 2 (2), строка 2 col 1 (3), строка 2 col 2 (4).
Это также работает:
Он отображает 19 общих графиков на одной странице. Формат составляет 5 и 4 дюйма.
Типы графиков в matplotlib / plt 3
В прошлых материалах вы встречали примеры, демонстрирующие архитектуру библиотеки matplotlib. После знакомства с основными графическими элементами для графиков время рассмотреть примеры разных типов графиков, начиная с самых распространенных, таких как линейные графики, гистограммы и круговые диаграммы, и заканчивая более сложными, но все равно часто используемыми.
Поскольку визуализация — основная цель библиотеки, то этот раздел является очень важным. Умение выбрать правильный тип графика является фундаментальным навыком, ведь неправильная репрезентация может привести к тому, что данные, полученные в результате качественного анализа данных, будет интерпретированы неверно.
Для выполнения кода импортируйте pyplot и numpy
Линейные графики
Линейные графики являются самыми простыми из всех. Такой график — это последовательность точек данных на линии. Каждая точка состоит из пары значений (x, y), которые перенесены на график в соответствии с масштабами осей (x и y).
В качестве примера можно вывести точки, сгенерированные математической функцией. Возьмем такую: y = sin (3 * x) / x
Этот пример можно расширить для демонстрации семейства функций, например, такого (с разными значениями n ):
Как можно увидеть на изображении, каждой линии автоматически присваивается свой цвет. При этом все графики представлены в одном масштабе. Это значит, что точки данных связаны с одними и теми же осями x и y. Вот почему каждый вызов функции plot() учитывает предыдущие вызовы, так что объект Figure применяет изменения с учетом прошлых команд еще до вывода (для вывода используется show() ).
Как уже говорилось в прошлых в разделах, вне зависимости от настроек по умолчанию можно выбрать тип начертания, цвет и так далее. Третьим аргументом функции plot() можно указать коды цветов, типы линий и все этой в одной строке. Также можно использовать два именованных аргумента отдельно: color — для цвета и linestyle — для типа линии.
| Код | Цвет |
|---|---|
| b | голубой |
| g | зеленый |
| r | красный |
| c | сине-зеленый |
| m | пурпурный |
| y | желтый |
| k | черный |
| w | белый |
Пока что на всех рассмотренных графиках оси x и y изображались на краях объекта Figure (по границе рамки). Но их же можно провести так, чтобы они пересекались — то есть, получит декартову система координат.
Теперь график будет состоять из двух пересекающихся в центре осей, который представляет собой начало декартовой системы координат.
В итоге этот код сгенерирует график с математической формулой предела, представленной точкой, на которую указывает стрелка.
Линейные графики с pandas
Рассмотрим более практический и приближенный к анализу данных пример. С ним будет видно, насколько просто использовать библиотеку matplotlib для объектов Dataframe из библиотеки pandas. Визуализация данных в виде линейного графика — максимально простая задача. Достаточно передать объект в качестве аргумента функции plot() для получения графика с несколькими линиями.
Гистограммы
Столбчатые диаграммы
Всего нескольких строк кода достаточно для получения такой столбчатой диаграммы.
Результат — следующая столбчатая диаграмма с колонками погрешностей.
Горизонтальные столбчатые диаграммы
Многорядные столбчатые диаграммы
Как и линейные графики, столбчатые диаграммы широко используются для одновременного отображения больших наборов данных. Но в случае с многорядными работает особая структура. До сих пор во всех примерах определялись последовательности индексов, каждый из которых соответствует столбцу, относящемуся к оси x. Индексы представляют собой и категории. В таком случае столбцов, которые относятся к одной и той же категории, даже больше.
Один из способов решения этой проблемы — разделение пространства индекса (для удобства его ширина равна 1) на то количество столбцов, которые к нему относятся. Также рекомендуется добавлять пустое пространство, которое будет выступать пропусками между категориями.
Многорядные столбчатые диаграммы с Dataframe из pandas
Но для еще большего контроля (или просто при необходимости) можно брать части Dataframe в виде массивов NumPy и описывать их так, как в предыдущем примере. Для этого каждый нужно передать в качестве аргумента функциям matplotlib.
Многорядные сложенные столбчатые графики
Еще один способ представления многорядного столбчатого графика — сложенная форма, где каждый столбец установлен поверх другого. Это особенно полезно в том случае, когда нужно показать общее значение суммы всех столбцов.
Сложенные столбчатые графики с Dataframe из padans
Другие представления столбчатых графиков
Круговая диаграмма
Даже для нее нужно передать основной аргумент, представляющий собой список значений. Пусть это будут проценты (где максимально значение — 100), но это может быть любое значение. А уже сама функция определит, сколько будет занимать каждое значение.
А чтобы диаграмма была идеально круглой, необходимо в конце добавить функцию axix() со строкой equal в качестве аргумента. Результатом будет такая диаграмма.
Круговые диаграммы с Dataframe из pandas
Matplotlib. Урок 2. Работа с инструментом pyplot
Основы работы с pyplot
Построение графиков
В результате будет выведено пустое поле:
Если в качестве параметра функции plot() передать список, то значения из этого списка будут отложены по оси ординат (ось y ), а по оси абсцисс (ось x ) будут отложены индексы элементов массива:
Для того, чтобы задать значения по осям x и y необходимо в plot() передать два списка:
Текстовые надписи на графике
Наиболее часто используемые текстовые надписи на графике это:
Рассмотрим кратко данные элементы, более подробный рассказ о них будет в одном из ближайших уроков.
Наименование осей
Для функций xlabel()/ylabel() основными являются следующие аргументы:
Аргументов у этих функций довольно много и они позволяют достаточно тонко настроить внешний вид надписей. В рамках этого урока мы только начинаем знакомиться с инструментом pyplot поэтому не будем приводить весь список.
Заголовок графика
Для задания заголовка графика используется функция title() :
Из параметров отметим следующие:
Текстовое примечание
Легенда
Разместим на уже знакомом нам графике необходимый набор подписей.
Работа с линейным графиком
В этом параграфе мы рассмотрим основные параметры и способы их задания для изменения внешнего вида линейного графика. Matplotlib предоставляет огромное количество инструментов для построения различных видов графиков. Так как наиболее часто встречающийся вид графика – это линейный, ему и уделим внимание. Необходимо помнить, что настройка графиков других видов, будет осуществляться сходным образом.
Параметры, которые отвечают за отображение графика можно задать непосредственно в самой функции plot() :
Стиль линии графика
| Значение параметра | Описание |
| ‘-‘ или ‘solid’ | Непрерывная линия |
| ‘–‘ или ‘dashed’ | Штриховая линия |
| ‘-.’ или ‘dashdot’ | Штрихпунктирная линия |
| ‘:’ или ‘dotted’ | Пунктирная линия |
| ‘None’ или ‘ ‘ или ” | Не отображать линию |
Либо можно воспользоваться функцией setp() :
Результат будет тот же, что на рисунке выше.
Тот же результат можно получить, вызвав plot() для построения каждого графика по отдельности. Если вы хотите представить каждый график отдельно на своем поле, то используйте для этого subplot() (см. Размещение графиков на разных полях)
Цвет линии
Например штриховая красная линия будет задаваться так: ‘–r’, а штрих пунктирная зеленая так ‘-.g’
Тип графика
До этого момента мы работали только с линейными графиками, функция plot() позволяет задать тип графика: линейный либо точечный, при этом для точечного графика можно указать соответствующий маркер. Приведем пару примеров:
Размер маркера можно менять, об этом более подробно будет рассмотрено в уроке, посвященном точечным графикам.
Размещение графиков на разных полях
Существуют три основных подхода к размещению нескольких графиков на разных полях:
В этом уроке будут рассмотрены первые два подхода.
Работа с функцией subplot()
После задания размера, указывается местоположение, куда будет установлено поле с графиком с помощью функции subplot(). Чаще всего используют следующие варианты вызова subplot:
subplot(nrows, ncols, index)
Рассмотрим на примере работу с данными функциями:
Второй вариант использования subplot():
Работа с функцией subplots()
Решим задачу вывода четырех графиков с помощью функции subplots() :
Результат будет аналогичный тому, что приведен в разделе “Работа с функцией subplot() ”.
P.S.
jenyay.net
Софт, исходники и фото
Использование библиотеки Matplotlib. Как нарисовать несколько графиков в одном окне
Часто бывает удобно отобразить несколько независимых графиков в одном окне. Для этого предназначена функция subplot() из пакета «‘pylab».
У этой функции есть несколько вариантов ее использования, которые отличаются только лишь способом передачи параметров. Мы рассмотрим только один из них.
Функция subplot() ожидает три параметра:
Проще всего сразу рассмотреть пример. В этом примере для простоты будут выводиться одинаковые графики в разные ячейки. Чтобы было более наглядно, в заголовок каждого графика будет добавлена цифра, обозначающая порядковый номер ячейки.
# Импортируем один из пакетов Matplotlib
import pylab
# Импортируем пакет со вспомогательными функциями
from matplotlib import mlab
# Шаг между точками
dx = 0.01
# Вычислим значение функции в заданных точках
ylist = [ func ( x ) for x in xlist ]
# Покажем окно с нарисованным графиком
pylab. show ( )
Все эти ячейки чисто условные, поэтому для каждого вызова subplot() разбиение может быть свое, что позволяет сделать, например, следующее расположение графиков (обратите внимание на нумерацию ячеек):
# Импортируем один из пакетов Matplotlib
import pylab
# Импортируем пакет со вспомогательными функциями
from matplotlib import mlab
# Шаг между точками
dx = 0.01
# Вычислим значение функции в заданных точках
ylist = [ func ( x ) for x in xlist ]
# Покажем окно с нарисованным графиком
pylab. show ( )
Вы можете подписаться на новости сайта через RSS, Группу Вконтакте или Канал в Telegram.
