Biểu đồ phân tán trong python
Python được ứng dụng nhiều nhất trong lĩnh vực phân tích dữ liệu, mà trong khoa học dữ liệu, công việc trực tiếp hóa thông tin qua các đồ thị, biểu đồ giúp chúng tôi hiểu được các mối quan hệ trong dữ liệu dễ dàng hơn . Matplotlib là một thư viện được sử dụng để vẽ các đồ thị trong Python Matplotlib là thư viện trực quan hóa dữ liệu kết hợp trong Python. Nó được tạo ra bởi John Hunter. Đây là một thư viện đồ họa 2D và 3D tuyệt vời để tạo ra các số liệu khoa học Bạn có thể tham khảo thêm tại đây. http. // matplotlib. tổ chức/ No. Giờ chúng ta đã sẵn sàng để học rồi chứ, trước khi bắt đầu, bạn hãy mở google colab và nhập thư viện này vào nhé import matplotlib.pyplot as plt Trong google colab mặc định thư viện này đã được cài đặt sẵn, nếu bạn sử dụng trên Mã VS hoặc trên pycharm thì nhớ cài đặt bằng nhé pip install matplotlib Nếu bạn đang sử dụng sổ ghi chép Jupyter, hãy thêm dòng lệnh này vào để hiển thị trong đầu ra ô %matplotlib inline Nếu bạn đang sử dụng một trình soạn thảo khác, bạn sẽ sử dụng. plt. show () ở cuối tất cả các lệnh vẽ biểu đồ của mình để hiển thị Rồi, bây giờ chúng ta đang tìm hiểu về nó Đầu tiên để vẽ biểu đồ, ta cần dữ liệu, ta tạo 2 mảng numpy để lấy dữ liệu thực thi nhé import numpy as np x = np.linspace(0, 5, 11) y = x ** 2 Vẽ biểu tượng đơn giản bằng Matplotlib Chúng ta có thể tạo một biểu đồ dòng rất đơn giản bằng cách sử dụng theo cách sau plt.plot(x, y, 'r') # 'r' là màu đỏ plt.xlabel('X Axis Title Here') plt.ylabel('Y Axis Title Here') plt.title('String Title Here') đầu ra Tạo nhiều đồ thị trên cùng một biểu tượng Để tạo như vậy ta sử dụng hàm subplot(), với đối số đầu tiên là số dòng, đối số thứ 2 là số cột, và đối số thứ 3 là vị trí biểu đồ, bắt đầu từ vị trí 1 plt.subplot(1,2,1) plt.plot(x, y, 'r--') # More on color options later plt.subplot(1,2,2) plt.plot(y, x, 'g*-'); đầu ra Vẽ theo phương pháp hướng đối tượng Matplotlib Điều này có nghĩa là chúng ta sẽ khởi tạo các đối tượng biểu đồ và sau đó gọi các phương thức hoặc thuộc tính từ các đối tượng đó Cách tiếp cận này sẽ đẹp hơn khi xử lý một biểu đồ có nhiều đồ thị trên đó. Để bắt đầu, chúng ta tạo một ví dụ biểu đồ. Sau đó, chúng ta có thể thêm các chức năng vào biểu tượng đó # Tạo một đối tượng figure(biểu đồ trống) fig = plt.figure() axes = fig.add_axes([0.1, 0.1, 0.8, 0.8])# left, bottom, width, height (khoảng từ 0 đến 1) print(axes) đầu ra. ta có một khung cho biểu tượng trống Sau đó ta vẽ biểu tượng vào đối tượng vừa tạo axes.plot(x, y, 'b') axes.set_xlabel('Set X Label') # Notice the use of set_ to begin methods axes.set_ylabel('Set y Label') axes.set_title('Set Title') đầu ra Giờ phức tạp hơn một chút nhé, nhưng ưu điểm là giờ đây chúng ta có toàn quyền kiểm tra giám sát vị trí đặt các hệ thống của khung biểu đồ và chúng ta có thể dễ dàng thêm nhiều hệ thống vào hệ thống ________số 8_______đầu ra Subplot đối tượng() Plt object. subplots () sẽ hoạt động như một trình quản lý hệ thống tự động hơn. Ta may be khai báo luôn luôn các trục đối tượng ngay trong subplot fig, axes = plt.subplots()# Khai báo một đối tượng subplot # Bây giờ ta có thể sử dụng đối tượng axes để vẽ đồ thị axes.plot(x, y, 'r') axes.set_xlabel('x') axes.set_ylabel('y') axes.set_title('title'); đầu ra Ta có thể chỉ định số hàng và cột khi tạo đối tượng subplots () pip install matplotlib0 đầu ra Ta có thể lặp qua các trục để vẽ pip install matplotlib1 đầu ra Một vấn đề phổ biến với matplotlib là các ô hoặc số liệu chồng chéo lên nhau. Chúng ta có thể sử dụng phương thức fig. chặt_layout () hoặc plt. chặt_layout(), tự động điều chỉnh vị trí của các trục trên canvas hình để không có chồng chéo nội dung pip install matplotlib2 đầu ra Bạn thấy biểu đồ bên dưới đã được tự động nới lỏng ra, không chồng chéo chữ “y” lên biểu tượng đầu tiên Kích thước biểu tượng và độ nét biểu tượng ảnh (DPI) Matplotlib cho phép xác định kích thước hình ảnh, DPI khi các đối tượng biểu tượng được tạo. Bạn có thể sử dụng các đối số từ khóa figsize và dpi. DPI càng cao, hình ảnh càng nét và dung lượng cũng tăng theo, thông thường ta nên để dpi mặc định hoặc trong khoảng từ 100 đến 200 dpi Chiều rộng và chiều cao figsize được tính bằng inch pip install matplotlib3 đầu ra Ta see large size icon Save icon ta dùng lệnh savefig để lưu lại biểu đồ đã vẽ, với đường dẫn và tên tệp ảnh pip install matplotlib4 Tại đây, chúng ta cũng có thể tùy chọn chỉ định dạng DPI và chọn giữa các định dạng đầu khác nhau pip install matplotlib5 Nhãn và tiêu đề biểu tượng đồ Một tiêu đề có thể được thêm vào mỗi trường hợp thành trong một cấu hình. Để đặt tiêu đề, hãy sử dụng phương thức set_title pip install matplotlib6 Tương tự, với các phương thức set_xlabel và set_ylabel, chúng ta có thể đặt nhãn của trục X và Y pip install matplotlib7 Hàm truyền thuyết Phương thức này sẽ hiển thị chú giải trong biểu đồ pip install matplotlib8 đầu ra Màu sắc, kiểu vẽ và chiều rộng đường vẽcolor color Với matplotlib, chúng ta có thể xác định màu sắc của đường thẳng và các yếu tố đồ họa khác nhau theo một số cách. Trước hết, chúng ta có thể sử dụng cú pháp giống MATLAB trong đó ‘b’ có nghĩa là màu xanh lam, ‘g’ có nghĩa là màu xanh lá cây, v. v. API MATLAB to select the line type is also supports. ví dụ. trong đó, 'b. -‘ has mean is a blue lam blue lines with các dấu chấm pip install matplotlib9 đầu ra Chúng ta có thể thêm màu sắc theo các cách sau %matplotlib inline0 Độ rộng và kiểu dòng Để thay đổi độ rộng của dòng, chúng ta có thể sử dụng đối số từ khóa line width hoặc lw. Kiểu dòng có thể được chọn bằng cách sử dụng các đối số từ khóa linestyle hoặc ls Chúng ta sẽ tham khảo các lệnh vẽ dưới đây để thuận tiện khi sử dụng %matplotlib inline1 đầu ra Phóng to biểu đồ Chúng ta có thể cấu hình phạm vi của các thành phần bằng cách sử dụng phương thức set_ylim và set_xlim trong các đối tượng thành phần. Xem qua ví dụ ba đồ thị bên dưới đây bạn sẽ dễ hiểu hơn %matplotlib inline2 đầu ra Các dạng biểu tượng trong matplotlibNgoài biểu đồ dòng mà ta đã học về phía trên, ta còn có các dạng biểu đồ như biểu đồ vạch, biểu đồ, biểu đồ phân tán… biểu đồ dạng này ta nên vẽ trong seaborn, nhưng ta cũng xem qua cho biết. |