Biểu đồ thanh là biểu diễn đồ họa cho thấy mối quan hệ giữa biến phân loại và biến số. Nói chung, có hai loại phổ biến được sử dụng để trực quan hóa dữ liệu, đó là biểu đồ thanh né tránh và biểu đồ thanh xếp chồng lên nhau
Biểu đồ thanh né tránh được sử dụng để so sánh một biến nhóm, trong đó các nhóm được vẽ cạnh nhau. Nó có thể được sử dụng để so sánh số lượng phân loại hoặc tỷ lệ tương đối và nói chung được sử dụng để so sánh các số liệu thống kê số như trung bình/trung bình
Trong bài viết hiện tại, chúng ta sẽ xử lý các biểu đồ thanh dựa trên số đếm trong đó chúng ta so sánh các tỷ lệ tương ứng với một biến nhóm
dàn ý bài viết
Bài viết hiện tại sẽ bao gồm những điều sau đây
Đang tải thư viện
Bước đầu tiên là tải các thư viện cần thiết
import numpy as np # array manipulation
import pandas as pd # Data Manipulation
import matplotlib.pyplot as plt # Visualisation
import seaborn as sns # VisualisationKiến thức cơ bản về các ô con của matplotlib
Nếu bạn có kiến thức cơ bản về phương thức subplots[ ] của matplotlib, bạn có thể tiếp tục với bài viết, nếu không, tôi thực sự khuyên bạn nên đọc blog đầu tiên về loạt hướng dẫn trực quan hóa này
Giới thiệu về Line Plot—Matplotlib, Pandas và Seaborn Visualization Guide [Phần 1]
Tìm hiểu trực quan hóa dữ liệu bằng Python từ đầu
vừa phải. com
Barplot cơ bản sử dụng phương pháp Rectangle
Trong bài viết này, chúng ta sẽ tìm hiểu cách tạo các ô né tránh. Nhưng trước khi tiếp tục với biểu đồ thống kê nâng cao như vậy, trước tiên chúng ta cần làm quen với cách matplotlib xây dựng biểu đồ thanh từng bước
Để xây dựng một biểu đồ thanh, chúng ta cần trải qua các bước sau
Bước 1. Từ matplotlib. các bản vá lỗi nhập Hình chữ nhật.
Bước 2. Sử dụng plt. subplots[] khởi tạo các đối tượng hình [fig] và trục [ax].
Bước 3. Sử dụng phương thức Rectangle[] để tạo đối tượng vá/hình chữ nhật. Phương thức Rectangle[] lấy x và y làm bộ, sau đó là chiều rộng và chiều cao của thanh.
Bước 4. Chúng tôi tạo ra hai đối tượng Rectangle\patch [rec1 và rec2] mà chúng tôi sẽ thêm\impose của đối tượng trục [ax].
Bước 5. Bây giờ thêm các đối tượng vá/hình chữ nhật này trên các trục [ax] bằng phương thức add_patch[].
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
biểu đồ thanh đầu tiên
Trợ giúp về các phương pháp
Bạn có thể nhận trợ giúp bằng cách sử dụng phương thức help[] sẵn có của python, nơi bạn có thể cung cấp bất kỳ tên đối tượng nào [ví dụ: Hình chữ nhật] để nhận thông tin về các thuộc tính và phương thức được liên kết
help[Rectangle]Kiểm tra các bản vá lỗi
Hãy kiểm tra xem đối tượng trục [ax] có chứa các ô vuông/hình chữ nhật không. Chúng ta có thể kiểm tra điều đó bằng cách áp dụng các bản vá thuộc tính trên đối tượng trục [ax]. Đầu ra cho thấy rõ ràng rằng đối tượng trục chứa hai bản vá
ax.patchesThay đổi hình chữ nhật/màu vá
Chúng tôi có thể tùy chỉnh các thuộc tính bản vá. Hãy thay đổi thuộc tính patch của hình chữ nhật thứ 2 bằng cách truy cập đối tượng qua ax. các bản vá lỗi [1] và áp dụng set_color[“red”] để thay đổi màu thành màu đỏ
ax.patches[1].set_color["red"]fig
Thay đổi màu vá
Bây giờ bạn đã có một ý tưởng cơ bản về cách matplotlib tạo ra các hình chữ nhật của biểu đồ thanh. Cách tiếp cận này là tốt, nhưng khó sử dụng khi chúng ta có nhiều thanh để vẽ. Vì vậy, để khắc phục vấn đề này, chúng ta có thể sử dụng một phương thức thuận tiện hơn được cung cấp bởi đối tượng trục [ax] được gọi là bar[]
Hãy tiếp tục với phương pháp từng bước
Bước 1. Khởi tạo đối tượng hình [fig] và trục [ax].
Bước 2. Tạo danh sách các giá trị trục x và trục y.
Bước 3. sử dụng phương thức thanh[] của đối tượng trục [ax] và chuyển danh sách x và y.
Bằng cách này, bạn có thể tạo biểu đồ thanh cơ bản
# Adding bars using defined valuesfig, ax = plt.subplots[]x = [0, 1, 2, 3, 4]
y = [1, 3, 5, 2, 7]# Use ax.bar[]
ax.bar[x, y]
Biểu đồ thanh cơ bản
Một lần nữa, hãy kiểm tra các bản vá của đối tượng trục [ax] bằng thuộc tính bản vá. Bây giờ bạn có thể quan sát thấy nó chứa 5 miếng vá/hình chữ nhật
# Check number of patches
ax.patchesGiống như lần trước, ở đây chúng ta cũng có thể thay đổi màu sắc của các đối tượng hình chữ nhật/vá. Hãy thay đổi màu của bản vá thứ 4 thành màu đỏ. Nó sử dụng cùng một phương thức set_color[ ] nhưng ở đây chúng ta cần áp dụng điều này trên bản vá thứ 4 bằng cách sử dụng các bản vá[3]. Chúng tôi đã cung cấp 3 vì Python là ngôn ngữ không dựa trên chỉ mục
# Changing 4th patch color to "red"# Cahnge patch 1 to red
ax.patches[3].set_color["red"]
fig
Thay đổi màu vá
Bây giờ chúng ta đã quen thuộc với biểu đồ thanh và cách tạo chúng từ đầu. Bây giờ, hãy tiếp tục với một dạng biểu đồ mới có tên là “biểu đồ thanh né tránh”
Barplot né tránh [kiểu matplotlib]
Biểu đồ thanh né tránh được sử dụng để trình bày số lượng/tỷ lệ/số liệu thống kê [trung bình/trung vị] cho hai hoặc nhiều biến cạnh nhau. Nó giúp so sánh giữa các biến
Đối với cốt truyện hiện tại, chúng tôi sẽ sử dụng bộ dữ liệu mẹo
Nguồn.
Bryant, P. g. và Smith, M. Một. [1995], Phân tích dữ liệu thực tế. Nghiên cứu điển hình trong thống kê kinh doanh, Richard D. Nhà xuất bản Irwin, Homewood, IL.
Bộ dữ liệu Mẹo chứa 244 quan sát và 7 biến [không bao gồm chỉ mục]. Các mô tả biến như sau
hóa đơn. Tổng hóa đơn [chi phí bữa ăn], bao gồm thuế, bằng đô la Mỹ
tiền boa. Tiền boa [tiền thưởng] bằng đô la Mỹ
giới tính. Giới tính của người trả tiền cho bữa ăn [Nam, Nữ]
người hút thuốc. Sự hiện diện của người hút thuốc trong một bữa tiệc? . ngày trong tuần [thứ bảy, chủ nhật, thứ năm và thứ sáu]
weekday: day of the week [Saturday, Sunday, Thursday and Friday]
thời gian. thời gian trong ngày [Bữa tối/Trưa]
kích thước. quy mô của bữa tiệc
Hãy tải tập dữ liệu mẹo bằng phương thức pandas read_csv[] và in 4 quan sát đầu tiên bằng phương thức head[]
________số 8Bốn quan sát đầu tiên
Mục đích của cốt truyện
Mục đích của cốt truyện là tính toán và áp đặt tỷ lệ người hút thuốc thông minh theo giới tính bằng cách sử dụng biểu đồ thanh né tránh. Xem hình bên dưới biểu thị cốt truyện cuối cùng mà chúng ta sẽ vẽ bằng nhiều cách tiếp cận khác nhau [matplotlib, pandas và seaborn]. Trong biểu đồ, chúng tôi sẽ trình bày loại giới tính trong trục x và tỷ lệ của chúng tương ứng với loại người hút thuốc trong trục y. Hơn nữa, chúng tôi sẽ thêm nhãn trên đầu thanh và tùy chỉnh chú giải
Chế độ xem cốt truyện cuối cùng
Ước tính tỷ lệ phần trăm người hút thuốc theo giới tính/giới tính
Để tạo ra âm mưu né tránh này, chúng ta cần tính tỷ lệ người hút thuốc và người không hút thuốc theo giới tính. Để đạt được điều này, chúng ta phải trải qua các bước sau
Bước 1. áp dụng phương pháp groupby[ ] và nhóm dữ liệu dựa trên 'giới tính' và chọn cột 'người hút thuốc' từ mỗi nhóm
Bước 2. Sau đó áp dụng phương thức value_counts[] và cung cấp normalize = True để tính tỷ lệ
Bước 3. Tiếp theo, nhân nó với 100, sử dụng. mul[100] và làm tròn đến 2 chữ số thập phân
Bước 4. Áp dụng phương pháp unstack[ ] để các nhãn giới tính được trình bày trong chỉ mục và trạng thái người hút thuốc được trình bày trong các cột và các giá trị phần trăm được trình bày trong các ô
Bước 5. Lưu đầu ra vào biến df
df = [tips
.groupby["sex"]["smoker"]
.value_counts[normalize=True]
.mul[100]
.round[2]
.unstack[]]
dfBỏ ngăn xếp đầu ra
Tiếp theo, chúng tôi sẽ lấy chỉ mục Khung dữ liệu bằng cách sử dụng df. lập chỉ mục và lưu vào nhãn và tạo số lượng phạm vi bằng np. phạm vi [ ] phương pháp. Chúng tôi sẽ cần hai đối tượng này để tùy chỉnh các ô. Nếu chúng ta in các đối tượng này, chúng ta có thể quan sát thấy nhãn chứa các nhãn giới tính [Nữ và Nam] và biến x chứa 0 và 1 dưới dạng danh sách
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle0
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
Index[[‘Nữ’, ‘Nam’], dtype=’đối tượng’, tên=’giới tính’]
[0 1]
Hiểu cơ chế vẽ đồ thị
Điều đầu tiên chúng ta cần làm là sử dụng phương thức subplots[] từ matplotlib và tạo các đối tượng trục [ax] và hình [fig]. Kích thước hình được đặt thành 8 x 6 inch
Tiếp theo, đặt chiều rộng thanh thành 0. 2 và sử dụng phương thức thanh [ ] và áp dụng nó cho đối tượng trục [ax], trên đó chúng ta sẽ áp đặt các thanh
Trong phương thức bar[] chúng ta cần cung cấp riêng các cột của đối tượng df. Ở đây, trong phần đầu tiên, chúng tôi đã cung cấp x [đối tượng được tạo trước đó] và cột 'Không' ở vị trí x và y. Sau đó, giá trị chiều rộng, nhãn [để đánh dấu thanh] và màu đường viền thanh bằng đối số edgecolor. Sau đó lưu đối tượng thanh vào rect1
Tương tự, đối với cột ‘Yes’, chúng ta đã tạo một đối tượng khác và lưu nó vào rect2
Bây giờ, nếu chúng ta nhìn thấy đối tượng được vẽ, chúng ta có thể quan sát thấy thanh màu xanh lam và màu cam nằm trong một cột duy nhất khác xa với biểu đồ đã tránh mong muốn. Điều này là do các thanh từ mỗi nhóm [Không/Có] được đặt chồng lên nhau
Để khắc phục tình trạng này, chúng ta cần di chuyển các thanh màu xanh sang trái 0. 1 và các thanh màu cam ở bên phải bằng 0. 1
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle1
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
Thanh áp đặt [kiểu dáng xấu]
Bây giờ, nếu chúng ta trừ 0. 1 từ vị trí trục x của thanh màu xanh lam [x - width/2] và thêm 0. 1 vào các thanh màu cam [x + width/2] và vẽ lại, chúng ta có thể thấy rằng các thanh bây giờ trông giống như các thanh bị né tránh
Có một vấn đề là các nhãn trục x không khớp với biểu đồ cuối cùng mà chúng tôi thực sự muốn. Chúng ta cần phải sửa nó
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle2
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
Hãy đặt lại các nhãn đánh dấu trục x bằng cách sử dụng set_xticks[x] sẽ đặt nó thành các giá trị danh sách được lưu trữ trong x. Nhưng chúng ta cần dán nhãn nó theo giới tính
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle3
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
Đặt nhãn thành giá trị x
Tiếp theo, đặt nhãn x-tick bằng phương thức set_xticklabels[ ] bằng cách cung cấp đối tượng nhãn [được tạo ban đầu]. Bây giờ chúng tôi đã có nhãn x-tick mong muốn
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle4
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
Đặt nhãn x-tick
Khái niệm đối tượng Patch [nhóm]
Bây giờ, hãy chuyển sang một trong những chủ đề quan trọng trong biểu đồ thanh có tên là bản vá. Mỗi hình chữ nhật bạn nhìn thấy trong barplot được gọi là đối tượng vá chứa nhiều thông tin như chiều cao của thanh, chiều rộng, vị trí x và y của chúng, màu sắc, v.v. Hãy hỏi về các bản vá từ đối tượng trục [ax] của chúng tôi. Nếu chúng ta áp dụng. thuộc tính patch trên các trục [ax] thì nó sẽ hiện ra nó chứa 4 đối tượng patch tương ứng với 4 thanh
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle5
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
Để lấy thông tin và sử dụng nó, chúng ta cần biết thứ tự của các bản vá
- Các mảng màu xanh chứa thông tin liên quan đến cột “Không” và các mảng màu cam chứa thông tin liên quan đến cột “Có”
- Thứ tự sẽ là Vạch nữ màu xanh [vá 0], Vạch nam xanh [vá 1], Vạch nữ màu cam [vá 2], Vạch nam màu cam [vá 3]
Hãy lấy chiều cao từ bản vá đầu tiên. Để làm như vậy, bạn cần chọn đối tượng vá lỗi đầu tiên bằng cách sử dụng. các bản vá [0] và áp dụng phương thức get_height[], cho biết chiều cao, tôi. e. , 62. 07
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle6
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
62. 07
thanh ghi nhãn
Bây giờ chúng ta đã biết khái niệm về các bản vá, chúng ta có thể thêm nhãn vào mỗi thanh bằng cách truy xuất thông tin chiều cao từ mỗi đối tượng bản vá bằng vòng lặp for. Để đạt được điều này, hãy làm theo các bước sau
Bước 1. Lặp qua từng đối tượng vá lỗi [ax. bản vá lỗi] và lưu nó vào một biến tạm thời 'p'
Bước 2. sử dụng rìu. phương thức annotate[] để chú thích các nhãn. Nó lấy giá trị chiều cao, vị trí x và y. Chúng ta có thể truy xuất chiều cao bằng cách sử dụng get_height[] và chuyển đổi nó thành một đối tượng chuỗi bằng cách sử dụng str[] để thêm ký hiệu phần trăm [%]. Hơn nữa, vị trí x và y có thể được truy xuất bằng phương thức get_x[] và get_height[]. Để cải thiện phần đệm ở đầu các thanh, chúng tôi thêm một số phần đệm bằng 0. 03 [theo hướng x] và 1 [theo hướng y]. Tiếp theo, lưu nó vào một biến 't'
Bước 3. sử dụng phương thức set[] để thay đổi các thuộc tính của văn bản được chú thích
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle7
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
Thêm nhãn thanh
Tùy chỉnh biểu đồ thanh
Bước đầu tiên của việc tùy chỉnh nó để loại bỏ một số spline [vẽ đường viền]. Tôi thường thích tắt gai trên và gai phải. Để đạt được điều này, hãy sử dụng vòng lặp for và sử dụng ax. gai [vị trí] và áp dụng set_visible[] cho Sai
Chúng ta cũng có thể thay đổi các tham số đánh dấu [sử dụng tick_params[]] và nhãn trục [sử dụng set_xlabel[] và set_ylabel[]] để làm cho biểu đồ có nhiều thông tin và đẹp mắt về mặt thẩm mỹ
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle8
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
Tùy chỉnh thuộc tính
Cuối cùng nhưng không kém phần quan trọng, hãy tùy chỉnh chú giải. Ở đây, sử dụng rìu. legend[ ], tôi đã sửa đổi các nhãn hiện có thành “N” và “Y”
Như chúng ta biết rằng mỗi ô nằm trong khoảng từ 0 đến 1 theo hướng x và y. Chúng tôi có thể sử dụng thông tin này để định vị chú thích cốt truyện của mình ở giữa cốt truyện. Chúng ta có thể truy cập huyền thoại bằng rìu. legend_ và đặt vị trí bằng cách sử dụng. set_bbox_to_anchor[ ] và cung cấp vị trí x và y bằng danh sách
Bây giờ cốt truyện của chúng tôi đã được hoàn thiện và sẵn sàng để sử dụng
from matplotlib.patches import Rectanglefig, ax = plt.subplots[]# Define rectangle9
# Rectangle[[x, y], width, height]
rec1 = Rectangle[[0.1, 0], 0.2, 0.9]
rec2 = Rectangle[[0.5, 0], 0.2, 0.5]# Adding patch object/ rectangles
ax.add_patch[rec1]
ax.add_patch[rec2]
Lưu cốt truyện
Để lưu một biểu đồ, chúng ta có thể sử dụng đối tượng hình [fig] và áp dụng phương thức savefig[], trong đó chúng ta cần cung cấp đường dẫn [hình ảnh/] và tên đối tượng biểu đồ [dodged_barplot. png] và độ phân giải [dpi=300]
________ 20 Biểu đồ thanh né tránh sử dụng phương thức pandas DataFrame plot[ ]Bước tiếp theo là tạo cùng một biểu đồ đã né tránh, nhưng sử dụng phương thức biểu đồ [ ] dựa trên DataFrame của gấu trúc
Bước đầu tiên là chuẩn bị dữ liệu, giống như chúng ta đã làm trong cốt truyện trước
help[Rectangle]1Chuẩn bị dữ liệu
Phương pháp biểu đồ gấu trúc [ ]
Hãy tạo biểu đồ né tránh bằng cách sử dụng cách tiếp cận dựa trên phương thức pandas plot[]. Để đạt được điều này, chúng ta cần làm theo các bước sau
Bước 1. Sử dụng phương thức subplots[ ] từ matplotlib và tạo đối tượng trục [ax] và hình [fig]. Đặt kích thước hình thành 8 x 6 inch
Bước 2. áp dụng phương thức plot[] trên đối tượng DataFrame [df]. Chỉ định loại = “bar” và ax = ax và edgecolor = “black”
bam. Khung cốt truyện của bạn gần như đã sẵn sàng
help[Rectangle]2khung cốt truyện thanh
Phần tiếp theo là gắn nhãn và tùy chỉnh cốt truyện, hoàn toàn giống như chúng ta đã làm trong cách tiếp cận dựa trên matplotlib thô. Ở đây, tôi không thay đổi nhãn chú giải [“No”, “Yes”]
help[Rectangle]3Cách vẽ đồ thị của gấu trúc [dựa trên df] Đã tránh barplot với DataFrame của gấu trúc [kiểu seaborn]
Tiếp theo, chúng tôi sẽ tạo cùng một biểu đồ, nhưng sử dụng kiểu biểu đồ seaborn. Ở seaborn, chúng tôi cần dữ liệu đầu vào là pandas DataFrame
Quá trình tính toán tỷ lệ theo nhóm tương tự với sự khác biệt nhỏ. Ở đây, sử dụng phương thức reset_index[] thay vì untack[] để chuyển đổi chỉ mục thành cột. Bây giờ, đầu ra là loại DataFrame của gấu trúc bao gồm tất cả các cột dưới dạng đối tượng Sê-ri xếp chồng lên nhau
help[Rectangle]4khung dữ liệu gấu trúc
Lập một âm mưu né tránh [phương pháp seaborn]
Ở đây, chúng ta sẽ sử dụng phương thức catplot[] từ thư viện seaborn. Chúng ta cần cung cấp biến x là “giới tính”, biến y là “phần trăm”, tô màu, i. e. , hue = “người hút thuốc”, đối tượng DataFrame [df] và legend = False
Vì catplot không lấy đối tượng trục [ax];
Chúng ta có thể truy xuất đối tượng trục [ax] bằng lệnh plt. đối tượng gca[ ] và hình [fig] sử dụng lệnh plt. gcf[ ]. Gca đề cập đến `lấy trục hiện tại` và gcf đề cập đến `lấy số liệu hiện tại`
help[Rectangle]5Âm mưu né tránh [phong cách seaborn]
Bước tiếp theo là tùy chỉnh cốt truyện, tôi. e. , thêm nhãn dữ liệu, sửa đổi dấu tick và nhãn trục
Cuối cùng, chúng tôi sẽ sửa kích thước của ô bằng cách sử dụng hình. set_size_inches[ ]
help[Rectangle]6Âm mưu né tránh cuối cùng [đường đi biển]
Khi bạn tìm hiểu cơ sở matplotlib, bạn có thể tùy chỉnh các ô theo nhiều cách khác nhau. Tôi hy vọng bây giờ bạn biết nhiều cách khác nhau để tạo ra một âm mưu né tránh. Áp dụng các khái niệm đã học vào bộ dữ liệu của bạn
Người giới thiệu
[1] J. Đ. Thợ săn, “Matplotlib. Môi trường đồ họa 2D”, Điện toán trong Khoa học & Kỹ thuật, tập. 9, không. 3, trang. 90–95, 2007
Bấm vào đây để xem dữ liệu và mã
Tôi hy vọng bạn đã học được một cái gì đó mới
Nếu bạn đã học được điều gì đó mới và thích bài viết này, hãy chia sẻ nó với bạn bè và đồng nghiệp của bạn. Nếu bạn có bất cứ đề nghị, thả một bình luận