可視化の基本 matplotlibです。
貼っておきます。
matplotlib_taxt_for_data_science.html
matplotlib_taxt_for_data_science.ipynb
スクリプト
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 |
# matplotlib import matplotlib.pyplot as plt import matplotlib.style #ggplotを使用する matplotlib.style.use('ggplot') # MATLABスタイル matplotlib.style.use('ggplot') x = [0,1,2,3,4] y = [0,1,2,4,8] plt.plot(x,y) plt.title('MATLAB-STYLE') Text(0.5,1,'MATLAB-STYLE') # オブジェクト指向スタイル x = [0,1,2,3,4] y = [0,1,2,4,8] #スタイルの指定は matplotlib.style.available で確認できる matplotlib.style.use('ggplot') # ２行２列のプロットを用意する fig, axes = plt.subplots(nrows=2,ncols=2) # １行１列にプロットする axes[0,0].plot(x, y, label='legend_001') axes[0,0].legend(loc='best') # 凡例 外配置は loc='bbox_to_anchor' # 個別のグラフ axes を装飾する axes[0,0].set_title('axes[0,0].set_title') # タイトル axes[0,0].set_xlabel('axes[0,0].set_xlabel') # x軸ラベル axes[0,0].set_ylabel('axes[0,0].set_ylabel') # y軸ラベル # 全体 fig を装飾する fig.suptitle('fig.suptitle') # グラフを保存する fig.savefig('data/savefig.png') # グラフを表示する plt.show() # 縦棒グラフ ax.bar fig, axes = plt.subplots(1,2) matplotlib.style.use('ggplot') x = [0,1,2] y = [2,4,5] # x軸ラベルを任意のラベルにする labels = ['label_0','label_1','label_2'] axes[0].bar(x, y, tick_label=labels) plt.show() # 横棒グラフ ax.barh fig, axes = plt.subplots(1,2) matplotlib.style.use('ggplot') x = [0,1,2] y = [2,4,5] # x軸ラベルを任意のラベルにする labels = ['label_0','label_1','label_2'] axes[0].barh(x, y, tick_label=labels) plt.show() # 縦棒グラフ ２本並べる ax.bar fig, axes = plt.subplots(1,2) matplotlib.style.use('ggplot') x1 = [0,1,2] y1 = [2,4,5] y2 = [3,5,7] # x軸ラベルを任意のラベルにする labels = ['label_0','label_1','label_2'] # 棒の幅を決める y1 width = 0.4 axes[0].bar(x1, y1, tick_label=labels, width=width, label='y1') axes[0].legend(loc='best') # 棒の幅の分をx軸の正方向にずれた位置に y2 の棒グラフを書く x2 = [i + width for i in x1] axes[0].bar(x2, y2, tick_label=labels, width=width, label='y2') axes[0].legend(loc='best') plt.show() # 積み上げ棒グラフ fig, axes = plt.subplots(1,2) matplotlib.style.use('ggplot') x = [0,1,2] y1 = [2,4,5] y2 = [3,5,7] # x軸ラベルを任意のラベルにする labels = ['label_0','label_1','label_2'] # y1とy2 を足した y_total = y1 + y2 を作成する y_total = [i + j for i, j in zip(y1, y2)] # y_total の上に y2 で塗りつぶし、残りの部分を y1 と見立てる axes[0].bar(x,y_total, tick_label=labels, label='y1') axes[0].legend(loc='best') axes[0].bar(x,y2, tick_label=labels, label='y2') axes[0].legend(loc='best') plt.show() # 散布図 fig, ax = plt.subplots() # ランダム値を生成 import numpy as np np.random.seed(0) x = np.random.randn(1000) y = np.random.randn(1000) # 各種マーカーを使用してみる ax.scatter(x[0:100], y[0:100], marker='v', label='triangle down', color='red') ax.scatter(x[100:200], y[100:200], marker='^', label='triangle up', color='blue') ax.scatter(x[200:300], y[200:300], marker='s', label='square', color='green') ax.scatter(x[300:400], y[300:400], marker='*', label='star', color='yellow') ax.scatter(x[400:500], y[400:500], marker='x', label='x', color='black') ax.scatter(x[500:600], y[500:600], marker='+', label='+', color='cyan') plt.legend(loc='best') <matplotlib.legend.Legend at 0x176cffce710> # ヒストグラム np.random.seed(1) ave = 100 std = 15 x = np.random.normal(ave, std, 1000) fig, ax = plt.subplots() n, bins, patches = ax.hist(x, bins=20) plt.show() n # 各棒の度数 bins # 各棒の境界値 patches # 各棒の描画情報 <a list of 20 Patch objects> # ヒストグラム 横棒 np.random.seed(1) ave = 100 std = 15 x = np.random.normal(ave, std, 1000) fig, ax = plt.subplots() n, bins, patches = ax.hist(x, bins=20, orientation='horizontal') plt.show() # ヒストグラムを並べる np.random.seed(2) # 正規分布に従うデータを３つ用意する x0 = np.random.normal(10,10,1000) x1 = np.random.normal(10,20,1000) x2 = np.random.normal(10,30,1000) # ヒストグラムを書く fig, ax = plt.subplots() labels = ['x0', 'x1', 'x2'] ax.hist([x0,x1,x2],label=labels) plt.legend(loc='best') <matplotlib.legend.Legend at 0x176bad74470> # ヒストグラムを積み上げる np.random.seed(2) # 正規分布に従うデータを３つ用意する x0 = np.random.normal(10,10,1000) x1 = np.random.normal(10,20,1000) x2 = np.random.normal(10,30,1000) # ヒストグラムを書く fig, ax = plt.subplots() labels = ['x0', 'x1', 'x2'] ax.hist([x0,x1,x2],label=labels, stacked=True) plt.legend(loc='best') <matplotlib.legend.Legend at 0x176cfeeeef0> # 箱ひげ図 .boxplot # 正規分布に従うデータを３つ用意する np.random.seed(0) x0 = np.random.normal(10,10,1000) x1 = np.random.normal(10,20,1000) x2 = np.random.normal(10,30,1000) fig, ax = plt.subplots() labels = ['x0', 'x1', 'x2'] ax.boxplot([x0,x1,x2], labels=labels) plt.show() # 箱ひげ図.boxplot（横向き vert=False） # 正規分布に従うデータを３つ用意する np.random.seed(0) x0 = np.random.normal(10,10,1000) x1 = np.random.normal(10,20,1000) x2 = np.random.normal(10,30,1000) fig, ax = plt.subplots() labels = ['x0', 'x1', 'x2'] ax.boxplot([x0,x1,x2], labels=labels, vert=False) plt.show() # 円グラフ ちょっと斜め上から x = [3,5,7] labels = labels = ['x0', 'x1', 'x2'] fig, ax = plt.subplots() ax.pie(x, labels=labels) plt.show() # 円グラフ 真上から ax.axis('equal') x = [3,5,7] labels = labels = ['x0', 'x1', 'x2'] fig, ax = plt.subplots() ax.pie(x, labels=labels ) ax.axis('equal') # 真上から plt.show() # 円グラフ 真上から ax.axis('equal') # 12時(startangle=90) から 時計回り(counterclock=False) で # 影をつける shadow=True # %を入れる autopct='%1.2f%%' # 一部を切り離す explode x = [3,5,7] labels = labels = ['x0', 'x1', 'x2'] fig, ax = plt.subplots() explode =[0,0.1,0] # ２番めのデータだけ切り離す ax.pie(x, labels=labels, startangle=90, counterclock=False, shadow=True, autopct='%1.2f%%', explode=explode) ax.axis('equal') plt.show() # グラフを組み合わせる 棒グラフ-折れ線グラフ fig, ax = plt.subplots() x1 = [0,1,2,3] y1 = [1,3,5,7] x2 = [0,1,2,3] y2 = [10,8,20,10] ax.bar(x1, y1, label='y1') # 棒グラフ ax.bar() ax.plot(x2, y2, label='y2') # 折れ線グラフ ax.plot() ax.legend(loc='best') plt.show() # グラフを組み合わせる ヒストグラム-折れ線グラフ fig, ax = plt.subplots() # サンプルデータを生成する np.random.seed(0) x = np.random.randn(1000) # ヒストグラムを描く counts, edges, patches = ax.hist(x, bins=30) #中点を求める(何故かこれで求まるらしい) x_fit = (edges[:-1] + edges[1:])/ 2 y=1000 * np.diff(edges) *np.exp(-x_fit**2 / 2) np.sqrt(2 * np.pi) ax.plot(x_fit, y) plt.show() counts # array([ 9., 20., 70., 146., 217., 239., 160., 86., 38., 15.]) edges # array([-3.04614305, -2.46559324, -1.88504342, -1.3044936 , -0.72394379, # -0.14339397, 0.43715585, 1.01770566, 1.59825548, 2.1788053 , # 2.75935511]) array([-3.04614305, -2.46559324, -1.88504342, -1.3044936 , -0.72394379, -0.14339397, 0.43715585, 1.01770566, 1.59825548, 2.1788053 , 2.75935511]) edges[1:] array([-2.46559324, -1.88504342, -1.3044936 , -0.72394379, -0.14339397, 0.43715585, 1.01770566, 1.59825548, 2.1788053 , 2.75935511]) edges[:-1] array([-3.04614305, -2.46559324, -1.88504342, -1.3044936 , -0.72394379, -0.14339397, 0.43715585, 1.01770566, 1.59825548, 2.1788053 ]) # スタイル fig, ax = plt.subplots() # 色 color=名称'red' １６進数RGB'#0000FF' RGBAをfloatで ax.plot([0,1], [1,1], color='red') ax.plot([0,1], [2,2], color='#0000FF') ax.plot([0,1], [3,3], color=[0.2, 1.0, 0.2, 1.0]) plt.show() # 色 color=名称'red' １６進数RGB'#0000FF' RGBAをfloatで fig, ax = plt.subplots() # 棒グラフは color と edgecolor を設定できる ax.bar([1], [3], color='red') ax.bar([2], [4], color='cyan' , edgecolor='black') plt.show() # 線のスタイル 幅linewidth ラインスタイルlinestyle fig, ax = plt.subplots() ax.plot([0,1], [0,0]) ax.plot([0,1], [1,1], linewidth=1 ,linestyle='--') ax.plot([0,1], [2,2], linewidth=5 ,linestyle='-.') ax.plot([0,1], [3,3], linewidth=10 ,linestyle=':') plt.show() # フォント family, size, weght fig, ax = plt.subplots() ax.set_title('set_title', family='fantasy', size=20, weight='bold') ax.set_xlabel('set_xlabel', family='DejaVu Sans', size=30, weight='light') ax.set_ylabel('set_ylabel', family='monospace', size=25, weight='heavy') plt.show() # フォントはまとめてディクショナリにできる fig, ax = plt.subplots() fontdict = { 'family': 'fantasy', 'size': 20, 'weight': 'normal', } ax.set_title('set_title', fontdict=fontdict, size=40) ax.set_xlabel('set_xlabel', fontdict=fontdict) ax.set_ylabel('set_ylabel', fontdict=fontdict) plt.show() # グラフにテキストを描く fig, ax = plt.subplots() ax.text( 0, 0, 'text', size=10) ax.text(0.2, 0.2, 'text', size=20) ax.text(0.5, 0.5, 'text', size=30) ax.text(1.0, 1.0, 'text', size=40) plt.show() # ---- end of scripts ---- |
The following two tabs change content below.
Keita N
最新記事 by Keita N (全て見る)
- 2024/1/13 ビットコインETFの取引開始：新たな時代の幕開け - 2024年1月13日
- 2024/1/5 日本ビジネスにおける変革の必要性とその方向性 - 2024年1月6日
- 2024/1/3 アメリカ債権ETFの見通しと最新動向 - 2024年1月3日