Rysunki i osie
Część sekcji Dane i wykresy ścieżki Machine Learning w Coddy. Lekcja 24 z 60.
Prawdziwy kod nadaje nazwę wykresowi, który rysuje. plt.subplots() zwraca dwie rzeczy: figurę, czyli cały obraz, oraz osie, czyli wykres wewnątrz niej:
fig, ax = przechwytuje oba. Potem wszystko dzieje się na ax:
years = [2021, 2022, 2023, 2024]
members = [35, 48, 61, 59]
fig, ax = plt.subplots()
ax.plot(years, members)
ax.set_title("Club Members")
ax.set_xlabel("Year")
ax.set_ylabel("Members")
plt.show()Metody rysowania zachowują swoje nazwy: ax.plot, ax.scatter, ax.legend. Metody tekstowe zyskują set_.
Po co? Wkrótce na jednej figurze znajdzie się kilka wykresów, a ax wskazuje, o który z nich chodzi. Od tej pory każdy wykres zaczyna się w ten sposób.
Wyzwanie
ŚredniW kodzie początkowym wykres przedstawia siedem filii biblioteki za pomocą funkcji plt: jedną kropkę na filię. Przepisz go, używając formy ax:
- Zacznij od
fig, ax = plt.subplots(). - Narysuj kropki, tytuł i obie etykiety za pomocą metod
ax, używając tych samych tekstów. - Usuń stare wiersze
plt, pozostawiającplt.show().
Wykres pozostaje taki sam; zmienia się tylko kod. Raport kodu początkowego mówi Drawn with fig and ax: no. Twój powinien brzmieć:
Charts drawn: 1
Drawn with fig and ax: yes
Title: Library Branches
X label: Hours open per week
Y label: Loans per week
Lines: 0
Dots: 7
Across (x): [30, 45, 38, 52, 24, 60, 41]
Up (y): [410, 690, 520, 800, 300, 930, 610]Spróbuj swoich sił
import matplotlib.pyplot as plt
# Jedna wartość na każdą filię biblioteki miejskiej
hours = [30, 45, 38, 52, 24, 60, 41]
loans = [410, 690, 520, 800, 300, 930, 610]
# Przepisz ten wykres, używając fig, ax = plt.subplots() oraz metod ax
plt.scatter(hours, loans)
plt.title("Library Branches")
plt.xlabel("Hours open per week")
plt.ylabel("Loans per week")
plt.show()
Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Wszystkie lekcje w sekcji Dane i wykresy
4Przekształcanie danych
Zmiana kształtu tablicŁączenie tablicLiczby losowePodsumowanie: symulacja rzutu kostką2Tablice NumPy
Tworzenie tablicKształt i rozmiarZakresy liczbIndeksowanie i wycinaniePodsumowanie: siatka temperatur5Wykresy liniowe i punktowe
Etykiety i tytułyWykresy punktoweWiele linii i legendyKolory i znacznikiRysunki i osiePodsumowanie: tygodniowa liczba kroków8Filtrowanie i sortowanie
Wybieranie wierszyFiltrowanie wierszySortowanie wartościNowe kolumnyPodsumowanie: najlepsze produkty3Operacje matematyczne na tablicach
Operacje matematyczne na całych tablicachStatystyki podsumowująceStatystyki według osiRozgłaszanieMaski logicznePodsumowanie: wyniki egzaminów6Wykresy danych
Wykresy słupkoweHistogramyKilka wykresów na jednymObrazy jako tablicePodsumowanie: raport o opadach9Grupowanie i czyszczenie
Zliczanie wartościGrupowanie danychKilka podsumowańBrakujące wartościPowtórka: wyniki ankietyPoćwicz samodzielnie: Kompilator Python online