Введение
Matplotlib - это мощная библиотека визуализации данных на Python. Она позволяет создавать различные виды графиков, такие как диаграммы рассеяния, гистограммы, столбчатые диаграммы и многие другие. Скрипт по ссылкам на стили оформления демонстрирует разные доступные стили оформления на наборе общих примеров графиков. В этом практическом занятии вы научитесь использовать стили оформления Matplotlib для настройки внешнего вида своих графиков.
Советы по работе с ВМ
После запуска ВМ нажмите в левом верхнем углу, чтобы переключиться на вкладку Notebook и получить доступ к Jupyter Notebook для практики.
Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook загрузится полностью. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.
Если вы сталкиваетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.
Импортировать библиотеки
Прежде чем начать, вам нужно импортировать необходимые библиотеки. В этом практическом занятии вы будете использовать Matplotlib и NumPy.
import matplotlib.pyplot as plt
import numpy as np
Определить функции для построения графиков
Далее вам нужно определить функции для построения графиков, которые будут использоваться для создания примерных графиков. В этом шаге вы определите следующие функции для построения графиков:
plot_scatter(): создает диаграмму рассеянияplot_colored_lines(): строит линии с цветами в соответствии с циклом стилей цветовplot_bar_graphs(): создает столбчатую диаграммуplot_colored_circles(): рисует круговые участкиplot_image_and_patch(): рисует изображение с круговым участкомplot_histograms(): создает гистограммы
def plot_scatter(ax, prng, nb_samples=100):
"""Диаграмма рассеяния."""
for mu, sigma, marker in [(-.5, 0.75, 'o'), (0.75, 1.,'s')]:
x, y = prng.normal(loc=mu, scale=sigma, size=(2, nb_samples))
ax.plot(x, y, ls='none', marker=marker)
ax.set_xlabel('X-метка')
ax.set_title('Заголовок осей')
return ax
def plot_colored_lines(ax):
"""Строит линии с цветами в соответствии с циклом стилей цветов."""
t = np.linspace(-10, 10, 100)
def sigmoid(t, t0):
return 1 / (1 + np.exp(-(t - t0)))
nb_colors = len(plt.rcParams['axes.prop_cycle'])
shifts = np.linspace(-5, 5, nb_colors)
amplitudes = np.linspace(1, 1.5, nb_colors)
for t0, a in zip(shifts, amplitudes):
ax.plot(t, a * sigmoid(t, t0), '-')
ax.set_xlim(-10, 10)
return ax
def plot_bar_graphs(ax, prng, min_value=5, max_value=25, nb_samples=5):
"""Строит две столбчатые диаграммы рядом, с буквами в качестве меток по оси x."""
x = np.arange(nb_samples)
ya, yb = prng.randint(min_value, max_value, size=(2, nb_samples))
width = 0.25
ax.bar(x, ya, width)
ax.bar(x + width, yb, width, color='C2')
ax.set_xticks(x + width, labels=['a', 'b', 'c', 'd', 'e'])
return ax
def plot_colored_circles(ax, prng, nb_samples=15):
"""
Рисует круговые участки.
NB: рисует фиксированное количество образцов, а не использует длину
цикла цветов, так как разные стили могут иметь разные количества
цветов.
"""
for sty_dict, j in zip(plt.rcParams['axes.prop_cycle'](),
range(nb_samples)):
ax.add_patch(plt.Circle(prng.normal(scale=3, size=2),
radius=1.0, color=sty_dict['color']))
ax.grid(visible=True)
## Добавить заголовок для включения сетки
plt.title('ax.grid(True)', family='monospace', fontsize='small')
ax.set_xlim([-4, 8])
ax.set_ylim([-5, 6])
ax.set_aspect('equal', adjustable='box') ## чтобы рисовать круги как круги
return ax
def plot_image_and_patch(ax, prng, size=(20, 20)):
"""Рисует изображение со случайными значениями и накладывает на него круговой участок."""
values = prng.random_sample(size=size)
ax.imshow(values, interpolation='none')
c = plt.Circle((5, 5), radius=5, label='patch')
ax.add_patch(c)
## Удалить деления
ax.set_xticks([])
ax.set_yticks([])
def plot_histograms(ax, prng, nb_samples=10000):
"""Строит 4 гистограммы и текстовую аннотацию."""
params = ((10, 10), (4, 12), (50, 12), (6, 55))
for a, b in params:
values = prng.beta(a, b, size=nb_samples)
ax.hist(values, histtype="stepfilled", bins=30,
alpha=0.8, density=True)
## Добавить небольшую аннотацию.
ax.annotate('Аннотация', xy=(0.25, 4.25),
xytext=(0.9, 0.9), textcoords=ax.transAxes,
va="top", ha="right",
bbox=dict(boxstyle="round", alpha=0.2),
arrowprops=dict(
arrowstyle="->",
connectionstyle="angle,angleA=-95,angleB=35,rad=10"),
)
return ax
Определить функцию для построения рисунка
Теперь вам нужно определить функцию plot_figure(), которая будет настраивать и рисовать демонстрационный рисунок в заданном стиле. Эта функция вызовет каждую из функций для построения графиков, определенных на шаге 2.
def plot_figure(style_label=""):
"""Настраивает и рисует демонстрационный рисунок в заданном стиле."""
## Используйте отдельный экземпляр RandomState для рисования одинаковых "случайных" значений
## на различных рисунках.
prng = np.random.RandomState(96917002)
fig, axs = plt.subplots(ncols=6, nrows=1, num=style_label,
figsize=(14.8, 2.8), layout='constrained')
## создайте общий заголовок, в одном стиле для всех подрисунков,
## кроме тех, у которых темный фон, которым присваивается более светлый цвет:
background_color = mcolors.rgb_to_hsv(
mcolors.to_rgb(plt.rcParams['figure.facecolor']))[2]
if background_color < 0.5:
title_color = [0.8, 0.8, 1]
else:
title_color = np.array([19, 6, 84]) / 256
fig.suptitle(style_label, x=0.01, ha='left', color=title_color,
fontsize=14, fontfamily='DejaVu Sans', fontweight='normal')
plot_scatter(axs[0], prng)
plot_image_and_patch(axs[1], prng)
plot_bar_graphs(axs[2], prng)
plot_colored_lines(axs[3])
plot_histograms(axs[4], prng)
plot_colored_circles(axs[5], prng)
## добавьте разделитель
rec = Rectangle((1 + 0.025, -2), 0.05, 16,
clip_on=False, color='gray')
axs[4].add_artist(rec)
Построить демонстрационный рисунок для каждого стиля оформления
Наконец, вам нужно построить демонстрационный рисунок для каждого доступного стиля оформления. Вы можете сделать это, пройдя в цикле по style_list и вызвав функцию plot_figure() для каждого стиля оформления.
if __name__ == "__main__":
## Создайте список всех доступных стилей, в алфавитном порядке, но
## `default` и `classic` будут располагаться соответственно в
## первой и второй позиции.
## Стили с ведущими подчеркиваниями предназначены для внутреннего использования, таких как тестирование
## и галерея типов графиков. Они здесь исключаются.
style_list = ['default', 'classic'] + sorted(
style for style in plt.style.available
if style!= 'classic' and not style.startswith('_'))
## Постройте демонстрационный рисунок для каждого доступного стиля оформления.
for style_label in style_list:
with plt.rc_context({"figure.max_open_warning": len(style_list)}):
with plt.style.context(style_label):
plot_figure(style_label=style_label)
plt.show()
Резюме
В этом практическом занятии вы узнали, как использовать стили оформления Matplotlib для настройки внешнего вида ваших графиков. Вы узнали, как определить функции для построения графиков и использовать их для создания демонстрационного рисунка в заданном стиле оформления. Следуя шагам, описанным в этом практическом занятии, вы можете применить стили оформления Matplotlib к своим собственным графикам, чтобы создать профессионально выглядящие визуализации данных.