Matplotlib tutorials

Remarks

본 포스팅은 https://datascienceschool.net/view-notebook/d0b1637803754bb083b5722c9f2209d0/을 기반으로 작성되었습니다.

0. Import libraries

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline

I. Line plot

plt.title("Line plot")
plt.plot([1, 4, 9, 16])
plt.show()

png

1. Tick of x-axis

plt.title('Tick of x-axis')
plt.plot([10, 20, 30, 40], [1, 4, 9, 16])
plt.show()

png

2. Styles

plt.title("'rs--' style plot")
plt.plot([10, 20, 30, 40], [1, 4, 9, 16], 'rs--')
plt.show()

png

style string: color (r) → marker (s) → line style (–)

Example

plt.plot([10, 20, 30, 40], [1, 4, 9, 16], c='b',
        lw=5, ls='--', marker='o', ms=15, mec='g', mew=5, mfc='r')
plt.title("Styles applied")
plt.show()

png

1) Colors

Option	Color	–	–	–	–	–	–
`b`	blue	`g`	green	`r`	red	`w`	white
`c`	cyan	`m`	magenta	`y`	yellow	`k`	black

2) Markers

Option	Marker	–	–	–	–
`.`	int marker	`1`	tri_down marker	`s`	square marker
`,`	pixel marker	`2`	tri_up marker	`p`	pentagon marker
`o`	circle marker	`3`	tri_left marker	`*`	star marker
`v`	triangle_down marker	`4`	tri_right marker	`h`	hexagon1 marker
`^`	triangle_up marker	`D`	diamond marker	`H`	hexagon2 marker
`<`	triangle_left marker	`d`	thin_diamond marker	`+`	plus marker
`>`	triangle_right marker	`x`	x marker

3) Line styles

Option	Line styles	–	–
`-`	solid line style	`--`	dashed line style
`-.`	dash-dot line style	`:`	dotted line style

4) Other styles

Style	Option	–	–
color	`c`	marker size	`ms`
line width	`lw`	marker edge color	`mec`
line style	`ls`	marker edge width	`mew`
marker	`marker`	marker face color	`mfc`

3. Axis range

plt.title("Styles applied")
plt.plot([10, 20, 30, 40], [1, 4, 9, 16], c='b',
        lw=5, ls='--', marker='o', ms=15, mec='g', mew=5, mfc='r')
plt.xlim(0, 50);  plt.ylim(-10, 30)  # plt.axis([0, 50, -10, 30])
plt.show()

png

4. Tick setting

Tick: Plot이나 chart에서 axis상의 위치 표시 지점
Tick label: Tick에 써진 숫자 혹은 글자

II. Bar chart

bar의 첫 번째 인수는 bar의 중간지점을 나타낸다

y = [2, 3, 1]
x_pos = np.arange(len(y))

plt.figure(figsize=(12, 4))
plt.subplot(121)
xlabel = ['A', 'B', 'C']
plt.title("Bar Chart")
plt.bar(x_pos, y)
# plt.xticks(x, xlabel);  plt.yticks(sorted(y))
plt.xlabel('ABC');      plt.ylabel('Freq')
plt.grid()

plt.subplot(122)
xlabel = ['A', 'B', 'C']
plt.title("Bar Chart")
plt.bar(x_pos, y)
plt.xticks(x, xlabel);  plt.yticks(sorted(y))
plt.xlabel('ABC');      plt.ylabel('Freq')
plt.grid()

plt.show()

png

xerr or yerr를 지정하면 error bar를 추가할 수 있다.

people = ['A', 'B', 'C', 'D']
y_pos = np.arange(len(people))
performance = 3 + 10 * np.random.rand(len(people))
error = np.random.rand(len(people))

plt.title('Barh Chart')
plt.barh(y_pos, performance, xerr=error, alpha=0.4)
plt.yticks(y_pos, people)
plt.xlabel('x label')
plt.show()

png

III. Stem plot

Bar chart와 유사하지만 width가 없다. 주로 이산 확률 함수나 자기상관관계(auto-correlation)를 묘사할 때 사용된다.

x = np.linspace(0.1, 2 * np.pi, 10)

plt.title("Stem Plot")
plt.stem(x, np.cos(x), '-.')
plt.show()

png

VI. Pie chart

Category 별 값의 상대적인 비교를 할 때 사용된다.

labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']
explode = (0, 0.1, 0, 0)

plt.title('Pie Chart')
plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True, startangle=90)
plt.axis('equal')
plt.show()

png

V. Histogram

x = np.random.randn(1000)

plt.title('Histogram')
arrays, bins, patches = plt.hist(x, bins=10)
plt.show()

png

VI. Scatter plot

2차원 실수 데이터의 상관관계를 살펴볼 수 있다.

X = np.random.normal(0, 1, 100)
Y = np.random.normal(0, 1, 100)

plt.title('Scatter Plot')
plt.scatter(X, Y)
plt.show()

png

Bubble chart

3차원, 4차원의 경우 점 하나의 크기와 색깔을 통해 다른 데이터 값을 나타낼 수 있다.
이런 차트를 bubble chart라고 한다.

N = 100
x = np.random.rand(N)
y1, y2, y3 = np.random.rand(N), np.random.rand(N), np.pi * (15 * np.random.rand(N))**2

plt.title("Bubble Chart")
plt.scatter(x, y1, c=y2, s=y3)
plt.show()

png

VII. Box plot

Box plot은 histogram과 비슷하지만 많은 자료 집합의 특성을 동시에 정확하게 나타낼 수 있다. 여러 개의 변수의 분포나 outlier를 판별할 때에도 도움이 된다.

import numpy as np

x = np.random.rand(1000, 2)

fig, ax = plt.subplots(figsize=(20, 5))
plt.boxplot(x)

plt.grid();  plt.setp(ax, xticklabels=['1st', '2nd'])
plt.xlabel('data set')
plt.ylabel('standard normal')
plt.title('Box Plot');

png

VIII. Imshow

Image와 같이 행과 열을 가진 행렬 형태의 2차원 데이터는 imshow 명령으로 2차원 데이터의 크기를 색깔로 표시할 수 있다.

from sklearn.datasets import load_digits

digits = load_digits()
X = digits.images[0]
X

array([[ 0.,  0.,  5., 13.,  9.,  1.,  0.,  0.],
       [ 0.,  0., 13., 15., 10., 15.,  5.,  0.],
       [ 0.,  3., 15.,  2.,  0., 11.,  8.,  0.],
       [ 0.,  4., 12.,  0.,  0.,  8.,  8.,  0.],
       [ 0.,  5.,  8.,  0.,  0.,  9.,  8.,  0.],
       [ 0.,  4., 11.,  0.,  1., 12.,  7.,  0.],
       [ 0.,  2., 14.,  5., 10., 12.,  0.,  0.],
       [ 0.,  0.,  6., 13., 10.,  0.,  0.,  0.]])

plt.title('mnist digits; 0')
plt.imshow(X, interpolation='nearest', cmap=plt.cm.bone_r)
plt.xticks([]);  plt.yticks([])
plt.subplots_adjust(left=0.35, right=0.65, bottom=0.35, top=0.65)
plt.show()

png

Color map

데이터 수치를 색으로 바꾸는 함수를 color map이라고 한다. cmap 인수를 통해 사용이 가능하며, 굉장히 다양한 함수들이 있다.

dir(plt.cm)[:10]

['Accent',
 'Accent_r',
 'Blues',
 'Blues_r',
 'BrBG',
 'BrBG_r',
 'BuGn',
 'BuGn_r',
 'BuPu',
 'BuPu_r']

IX. Contour plot

3차원 자료를 시각화하기 위해서 등고선(contour)을 사용할 수 있다.

f = lambda x, y: (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 - y**2)

n = 256
x, y = np.linspace(-3, 3, n), np.linspace(-3, 3, n)
XX, YY = np.meshgrid(x, y)
ZZ = f(XX, YY)

plt.figure(figsize=(15, 5))
plt.subplot(131)
plt.title('Contour plots (contourf)')
plt.contourf(XX, YY, ZZ, alpha=.75, cmap='jet')
# plt.contour(XX, YY, ZZ, colors='black')

plt.subplot(132)
plt.title('Contour plots (contour)')
# plt.contourf(XX, YY, ZZ, alpha=.75, cmap='jet')
plt.contour(XX, YY, ZZ, colors='black')

plt.subplot(133)
plt.title('Contour plots (contourf + contour)')
plt.contourf(XX, YY, ZZ, alpha=.75, cmap='jet')
plt.contour(XX, YY, ZZ, colors='black')

plt.show()

png

X. 3D surface plot

from mpl_toolkits.mplot3d import Axes3D

X, Y = np.arange(-4, 4, 0.25), np.arange(-4, 4, 0.25)
XX, YY = np.meshgrid(X, Y)
RR = np.sqrt(XX**2 + YY**2)
ZZ = np.sin(RR)

fig = plt.figure()
ax = Axes3D(fig)
ax.set_title('3D Surface Plot')
ax.plot_surface(XX, YY, ZZ, rstride=1, cstride=1, cmap='hot')
plt.show()

png

PREVIOUSEtc