Matplotlib 는 Python 에서 강력한 데이터 시각화 라이브러리입니다. 데이터를 의미 있는 방식으로 시각화하기 위해 다양한 플롯과 차트를 제공합니다. 이 랩에서는 Matplotlib 의 fig.add_axes를 사용하여 메인 플롯 축 내에 삽입 축을 만드는 방법을 배웁니다.
VM 시작이 완료되면 왼쪽 상단을 클릭하여 Notebook 탭으로 전환하여 실습을 위해 Jupyter Notebook에 액세스하십시오.
때로는 Jupyter Notebook 이 로딩을 완료하는 데 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한 사항으로 인해 작업의 유효성 검사는 자동화할 수 없습니다.
학습 중에 문제가 발생하면 언제든지 Labby 에게 문의하십시오. 세션 후 피드백을 제공해주시면 문제를 즉시 해결해 드리겠습니다.
Matplotlib 와 NumPy 를 포함한 필요한 라이브러리를 가져오는 것으로 시작합니다.
import matplotlib.pyplot as plt
import numpy as np이 단계에서는 플롯에 사용할 데이터를 생성합니다. NumPy 의 convolve 함수를 사용하여 가우시안 컬러 노이즈를 생성하고 Matplotlib 를 사용하여 플롯합니다.
np.random.seed(19680801)
dt = 0.001
t = np.arange(0.0, 10.0, dt)
r = np.exp(-t[:1000] / 0.05)
x = np.random.randn(len(t))
s = np.convolve(x, r)[:len(x)] * dt
fig, main_ax = plt.subplots()
main_ax.plot(t, s)이 단계에서는 메인 플롯 축에 대한 제한과 레이블을 설정합니다.
main_ax.set_xlim(0, 1)
main_ax.set_ylim(1.1 * np.min(s), 2 * np.max(s))
main_ax.set_xlabel('time (s)')
main_ax.set_ylabel('current (nA)')
main_ax.set_title('Gaussian colored noise')이 단계에서는 fig.add_axes를 사용하여 메인 플롯 축 내에 두 개의 삽입 축을 생성합니다. 하나는 데이터의 히스토그램을 표시하고, 다른 하나는 임펄스 응답 (impulse response) 을 표시합니다.
## Create right inset axes
right_inset_ax = fig.add_axes([.65, .6, .2, .2], facecolor='k')
right_inset_ax.hist(s, 400, density=True)
right_inset_ax.set(title='Probability', xticks=[], yticks=[])
## Create left inset axes
left_inset_ax = fig.add_axes([.2, .6, .2, .2], facecolor='k')
left_inset_ax.plot(t[:len(r)], r)
left_inset_ax.set(title='Impulse response', xlim=(0, .2), xticks=[], yticks=[])이 단계에서는 plt.show() 함수를 사용하여 플롯을 표시합니다.
plt.show()이 랩에서는 Matplotlib 에서 fig.add_axes를 사용하여 메인 플롯 축 내에 삽입 축을 생성하는 방법을 배웠습니다. 데이터를 생성하고, 제한 및 레이블을 설정하고, 두 개의 삽입 축을 생성하고, 플롯을 표시했습니다. 이 기술은 플롯의 특정 영역을 확대하거나 데이터와 관련된 추가 정보를 표시하려는 경우 유용할 수 있습니다.