Matplotlib: 극좌표축 오차 막대 렌더링

Beginner

This tutorial is from open-source community. Access the source code

소개

데이터 시각화에서 오차 막대 (error bar) 는 데이터 포인트의 불확실성 또는 변동성을 나타내는 데 사용됩니다. Matplotlib 은 Python 에서 널리 사용되는 데이터 시각화 라이브러리이며, 오차 막대를 위한 내장 지원을 제공합니다. 이 랩에서는 Matplotlib 을 사용하여 극좌표계에서 오차 막대 플롯을 만드는 방법을 배웁니다.

VM 팁

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 신속하게 해결해 드리겠습니다.

필요한 라이브러리 가져오기

이 단계에서는 극좌표 축에서 오차 막대 플롯을 생성하는 데 필요한 라이브러리를 가져오겠습니다.

import matplotlib.pyplot as plt
import numpy as np

데이터 생성

이 단계에서는 오차 막대 플롯에 사용할 데이터를 생성합니다. NumPy 를 사용하여 세타 (theta) 값의 배열과 해당 반경 (radius) 값의 배열을 생성합니다.

theta = np.arange(0, 2 * np.pi, np.pi / 4)
r = theta / np.pi / 2 + 0.5

Figure 및 Subplot 생성

이 단계에서는 오차 막대 플롯을 위한 figure 와 subplot 을 생성합니다.

fig = plt.figure(figsize=(10, 10))
ax = fig.add_subplot(projection='polar')

오차 막대 생성

이 단계에서는 극 좌표축 (polar axis) 에 오차 막대를 생성합니다. errorbar() 함수를 사용하여 반경 (radius) 및 세타 (theta) 오차 막대를 모두 생성합니다.

ax.errorbar(theta, r, xerr=0.25, yerr=0.1, capsize=7, fmt="o", c="seagreen")

제목 설정 및 플롯 표시

이 단계에서는 플롯의 제목을 설정하고 show() 함수를 사용하여 표시합니다.

ax.set_title("Pretty Polar Error Bars")
plt.show()

겹치는 세타 오차 막대 생성

이 단계에서는 출력 플롯의 가독성을 어떻게 감소시킬 수 있는지 보여주기 위해 겹치는 세타 오차 막대를 생성합니다.

fig = plt.figure(figsize=(10, 10))
ax = fig.add_subplot(projection='polar')
ax.errorbar(theta, r, xerr=5.25, yerr=0.1, capsize=7, fmt="o", c="darkred")
ax.set_title("Overlapping Theta Error Bars")
plt.show()

큰 반경 오차 막대 생성

이 단계에서는 데이터의 원치 않는 스케일로 이어져 표시 범위를 줄이는 방법을 보여주기 위해 큰 반경 오차 막대를 생성합니다.

fig = plt.figure(figsize=(10, 10))
ax = fig.add_subplot(projection='polar')
ax.errorbar(theta, r, xerr=0.25, yerr=10.1, capsize=7, fmt="o", c="orangered")
ax.set_title("Large Radius Error Bars")
plt.show()

요약

이 랩에서는 Matplotlib 을 사용하여 극좌표계에서 오차 막대 플롯을 만드는 방법을 배웠습니다. 그림과 서브플롯을 생성하고 errorbar() 함수를 사용하여 반경 및 세타 오차 막대를 만들었습니다. 또한 겹치는 세타 오차 막대가 가독성을 어떻게 감소시키는지, 그리고 큰 반경 오차 막대가 데이터에서 원치 않는 스케일로 이어질 수 있는지를 보여주었습니다.