Auf einen Blick: Das Hinzufügen von Subplots in Matplotlib verbessert die Datenvisualisierung, indem mehrere Diagramme in einer einzigen Abbildung möglich sind. Wichtige Methoden umfassen die Verwendung von plt.subplots für verschiedene Anordnungen, um die Klarheit in der Datenpräsentation zu verbessern.
- Verwenden Sie plt.subplots(2) für das vertikale Stapeln von Diagrammen.
- Verwenden Sie plt.subplots(1,2) für horizontale Anordnungen von Figuren.
Beginnen Sie damit, ein Diagramm auf die Kartenoberfläche zu zeichnen.
- Verwenden Sie plt.axes(), ohne Argumente. Matplotlib passt das Diagramm dann automatisch an unsere Daten an.
- Die Funktion np.arange(0,25,0.1) erzeugt 250 Zahlen von 0 bis 25 in Schritten von 0,1.
- Die y-Achse liegt zwischen 1 und -1, da die Sinnebenfunktion np.sin(x) zwischen 1 und -1 liegt.
- Annotieren Sie das Diagramm, indem Sie jede Achse mit plt.ylabel('sin(x)') und plt.xlabel('x') beschriften.
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 25,0.1)
axis1 = plt.axes()
plt.ylabel('sin(x)')
plt.xlabel('x')
axis1.plot(np.sin(x))
Das ergibt dieses Diagramm:
Vertikal gestapelte Figuren
Jetzt zeichnen Sie zwei Diagramme auf, eines übereinander gestapelt. Verwenden Sie plt.subplots(2). Beachten Sie, dass wir sin(x) im oberen Diagramm und cos(x) unten darstellen, um zu vermeiden, dass dieselben Daten zweimal grafisch dargestellt werden.
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 25,0.1)
fig, axis = plt.subplots(2)
plt.ylabel('sin(x)')
plt.xlabel('x')
axis[0].plot(np.sin(x))
axis[1].plot(np.cos(x))
Das führt zu:
Horizontale Nebeneinander-Figuren
Hier fügen wir hinzu:
- Fig, Achse = Plt.Subplots(1,2,Figsize=(15,5)) bedeutet 1 Reihe und 2 Spalten. Fügen Sie Figsize entsprechend Breite und Höhe hinzu.
- Hinweis: Hier ist etwas nicht klar. In der Matplotlib-Dokumentation steht, dass dies in Zoll angegeben wird, aber das ist nicht der Fall, da die untenstehende Grafik unabhängig von der Größe Ihres Monitors die gleiche Größe zeigt – und warum sollte ein System, das weltweit verwendet wird, das metrische System nicht verwenden? Das scheint eine relative Größe zu sein. Deshalb müssen wir das vorerst vielleicht als Dokumentationsfehler bezeichnen. (Schreiben Sie uns auf blogs@bmc.com , wenn Sie die Antwort darauf kennen.)
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 25,0.1)
fig, axis = plt.subplots(1,2,figsize=(15,5))
plt.ylabel('sin(x)')
plt.xlabel('x')
axis[0].plot(np.sin(x))
axis[1].plot(np.cos(x))
Dadurch liegen die beiden Diagramme nebeneinander, aber weiter auseinander.
Leitfaden zur Datenvisualisierung
- Der Datenvisualisierungs-Anfängerleitfaden
- Einführung in Graphdatenbanken
- Anwendungsfälle für Graphdatenbanken
- Einführung in die Neo4j-Graphdatenbank
- Neo4j-Graphdatenbank-Abfragen
- Matplotlib-Streu- und Liniendiagramme erklärt
- Wie man Nebenhandlungen in Matplotlib hinzufügt
- Matplotlib-Logarithmische Skala
- Verwendung von Matplotlib zum Zeichnen von Diagrammen und Graphen
- Wie man 3D-Diagramme mit Matplotlib zeichnet
- Plotly Python Tutorial
- Ermöglichung der Bürgerdatenwissenschaftler
Diese Beiträge sind meine eigenen und spiegeln nicht unbedingt die Position, Strategien oder Meinung von BMC wider.