Introducción
En este laboratorio, aprenderemos a usar el módulo floating_axes de Matplotlib para crear gráficos personalizados con formas no rectangulares. Este módulo es útil cuando necesitamos representar datos en sistemas de coordenadas no cartesianas, como gráficos polares o logarítmicos. Demonstraremos cómo crear un gráfico de dispersión, un gráfico de barras y un gráfico sectorial usando diferentes sistemas de coordenadas.
Consejos sobre la VM
Una vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar.
A veces, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook.
Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje sus comentarios después de la sesión y lo resolveremos rápidamente para usted.
Importando las bibliotecas necesarias
Primero, necesitamos importar las bibliotecas necesarias. Usaremos Matplotlib, NumPy y algunos módulos de mpl_toolkits.axisartist y mpl_toolkits.axisartist.grid_finder.
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.projections import PolarAxes
from matplotlib.transforms import Affine2D
import mpl_toolkits.axisartist.angle_helper as angle_helper
import mpl_toolkits.axisartist.floating_axes as floating_axes
from mpl_toolkits.axisartist.grid_finder import (DictFormatter, FixedLocator,
MaxNLocator)
Creando un gráfico simple con ejes flotantes
En este paso, crearemos un gráfico simple con ejes flotantes usando GridHelperCurveLinear. Crearemos un gráfico de dispersión y un gráfico de barras con una forma no rectangular.
def setup_axes1(fig, rect):
tr = Affine2D().scale(2, 1).rotate_deg(30)
grid_helper = floating_axes.GridHelperCurveLinear(
tr, extremes=(-0.5, 3.5, 0, 4),
grid_locator1=MaxNLocator(nbins=4),
grid_locator2=MaxNLocator(nbins=4))
ax1 = fig.add_subplot(
rect, axes_class=floating_axes.FloatingAxes, grid_helper=grid_helper)
ax1.grid()
aux_ax = ax1.get_aux_axes(tr)
return ax1, aux_ax
fig = plt.figure(figsize=(8, 4))
fig.subplots_adjust(wspace=0.3, left=0.05, right=0.95)
ax1, aux_ax1 = setup_axes1(fig, 131)
aux_ax1.bar([0, 1, 2, 3], [3, 2, 1, 3])
Creando un gráfico polar
En este paso, crearemos un gráfico polar usando GridHelperCurveLinear. Crearemos un gráfico de dispersión con una forma no rectangular.
def setup_axes2(fig, rect):
tr = PolarAxes.PolarTransform()
pi = np.pi
angle_ticks = [(0, r"$0$"),
(.25*pi, r"$\frac{1}{4}\pi$"),
(.5*pi, r"$\frac{1}{2}\pi$")]
grid_locator1 = FixedLocator([v for v, s in angle_ticks])
tick_formatter1 = DictFormatter(dict(angle_ticks))
grid_locator2 = MaxNLocator(2)
grid_helper = floating_axes.GridHelperCurveLinear(
tr, extremes=(.5*pi, 0, 2, 1),
grid_locator1=grid_locator1,
grid_locator2=grid_locator2,
tick_formatter1=tick_formatter1,
tick_formatter2=None)
ax1 = fig.add_subplot(
rect, axes_class=floating_axes.FloatingAxes, grid_helper=grid_helper)
ax1.grid()
aux_ax = ax1.get_aux_axes(tr)
aux_ax.patch = ax1.patch
ax1.patch.zorder = 0.9
return ax1, aux_ax
ax2, aux_ax2 = setup_axes2(fig, 132)
theta = np.random.rand(10)*.5*np.pi
radius = np.random.rand(10) + 1.
aux_ax2.scatter(theta, radius)
Creando un gráfico sectorial
En este paso, crearemos un gráfico sectorial usando GridHelperCurveLinear. Crearemos un gráfico de dispersión con una forma no rectangular.
def setup_axes3(fig, rect):
tr_rotate = Affine2D().translate(-95, 0)
tr_scale = Affine2D().scale(np.pi/180., 1.)
tr = tr_rotate + tr_scale + PolarAxes.PolarTransform()
grid_locator1 = angle_helper.LocatorHMS(4)
tick_formatter1 = angle_helper.FormatterHMS()
grid_locator2 = MaxNLocator(3)
ra0, ra1 = 8.*15, 14.*15
cz0, cz1 = 0, 14000
grid_helper = floating_axes.GridHelperCurveLinear(
tr, extremes=(ra0, ra1, cz0, cz1),
grid_locator1=grid_locator1,
grid_locator2=grid_locator2,
tick_formatter1=tick_formatter1,
tick_formatter2=None)
ax1 = fig.add_subplot(
rect, axes_class=floating_axes.FloatingAxes, grid_helper=grid_helper)
ax1.axis["left"].set_axis_direction("bottom")
ax1.axis["right"].set_axis_direction("top")
ax1.axis["bottom"].set_visible(False)
ax1.axis["top"].set_axis_direction("bottom")
ax1.axis["top"].toggle(ticklabels=True, label=True)
ax1.axis["top"].major_ticklabels.set_axis_direction("top")
ax1.axis["top"].label.set_axis_direction("top")
ax1.axis["left"].label.set_text(r"cz [km$^{-1}$]")
ax1.axis["top"].label.set_text(r"$\alpha_{1950}$")
ax1.grid()
aux_ax = ax1.get_aux_axes(tr)
aux_ax.patch = ax1.patch
ax1.patch.zorder = 0.9
return ax1, aux_ax
ax3, aux_ax3 = setup_axes3(fig, 133)
theta = (8 + np.random.rand(10)*(14 - 8))*15.
radius = np.random.rand(10)*14000.
aux_ax3.scatter(theta, radius)
Mostrando el gráfico
Finalmente, necesitamos mostrar el gráfico usando la función show() de Matplotlib.
plt.show()
Resumen
En este laboratorio, aprendimos cómo usar el módulo floating_axes de Matplotlib para crear gráficos personalizados con formas no rectangulares. Creamos un gráfico de dispersión, un gráfico de barras y un gráfico sectorial usando diferentes sistemas de coordenadas. Usamos GridHelperCurveLinear para crear las transformaciones necesarias, FixedLocator y MaxNLocator para establecer las líneas de cuadrícula y DictFormatter y FormatterHMS para formatear las etiquetas de los ticks.