Matplotlib kommenterer

Matplotlib -biblioteket er et Python Graphing Library med en numpy utvidelse. Vi bruker denne modulen for å lage forskjellige visualiseringer for å støtte programmene våre. Det er veldig gunstig når det gjelder å generere datavitenskapsprogrammer. Annotat er en setning som refererer til handlingen med å merke ting. Som et resultat hjelper metoden oss med å identifisere plott opprettet ved hjelp av matplotlib.

Tekst- () -funksjonen kan brukes til å sette inn tekst i ethvert område bare på akser. Annotering av en grafteknikk er et typisk brukt scenario for en setning, og Annotate () -funksjonen gir flere funksjoner som skaper merknader enkle.

Det er to faktorer å ta i betraktning i en merknad: stedet som skal evalueres, som er indikert med variabelen XY, og plasseringen av den tekstlige “XyText”.

Vi har levert konseptet tilknyttet matplotlib. Nå skal vi utforske hvordan denne metoden fungerer og hvordan den kan oppnå vårt ønskede resultat i denne delen. Vi kommer til å starte med en enkel illustrasjon og komme oss opp til noen mer sammensatte.

Sinusbølgeform

Vårt formål er å produsere sinusbølgeformen i dette tilfellet. Det er forskjellige parametere koblet til Annotate () -funksjonen, inkludert tekst: teksten som vi har tenkt å kommentere er indikert med dette argumentet. XY: Dette argumentet inneholder de kommenterte punktene X og Y. XyText: Det er et tilleggsargument som spesifiserer hvor tittelen skal justeres på enten x- og y -akser. XYCOORDS: Strengdataene blir vurdert i dette argumentet. ArrowProps: Dette argumentet har formen "dikter" og er også en utfyllende verdi. Den er konfigurert til ingen som standard.

Importer matplotlib.Pyplot som Plt
Importer numpy som PP
fig, ppool = plt.underplott ()
t = pp.Arange (0.0, 3.0, 0.002)
s = pp.Sin (3 * pp.pi * t)
LINE = PPOOL.Plott (T, S, LW = 3)
PPOOL.Annotat ('toppverdi', xy = (.75, 1.2),
XyText = (1, 1), ArrowProps = Dict (FaceColor = 'Red',
krympe = 2.20), xycoords = "data",)
PPOOL.set_ylim (-2.5, 2.5)
plt.forestilling()

Vi måtte først integrere Numpy og Matplotlib -bibliotekene. Nå bruker vi Numpys ordningsmetode for å sortere dataene. Så metoden skaper effektivt en verdsettelse som faller innenfor det medfølgende området.

Derfor brukte vi 2*pi*t -formelen. I mellomtiden vil vi gå videre til merknadsdelen vår. Stedet som pilen krever å indikere er XY i dette tilfellet. Vi får også pilattributter, som inkluderer all informasjonen om hvordan pilespissen skal vises. Videre setter vi y-aksen-grensen. Vi har endelig funnet ut alt.

Kosinus signal til fullbølgeomformer

Vårt mål i dette tilfellet er å vise resultatet av en fullbølgeomformer for kosinusmottakeren. Topp-til-topp-forholdet er -0.9 til 0.9 I denne situasjonen. Det spesifiserte kosinusignalet har en båndbredde på 6 Hz. Bortsett fra de nevnte varene, har vi tatt med en PLT -tag her. Det det oppnår er at det gjør oss i stand til å identifisere de fire aksene også her.

Importer matplotlib.Pyplot som Plt
Importer numpy som PP
fig, ppool = plt.underplott ()
t = pp.Arange (0.0, 1.5, 0.002)
s = pp.cos (4 * pp.pi * 6 * t)
LINE = PPOOL.Plott (T, S, LW = 4)
PPOOL.Annotate ('Peak Values', XY = (2, 2),
XyText = (1, 1), ArrowProps = Dict (FaceColor = 'Red',
krympe = 0.2), xycoords = "data",)
plt.Xlabel ("Tid i SEC")
plt.ylabel ("spenning")
PPOOL.set_ylim (-0.9, 0.9)
plt.forestilling()

Sjekk ut utdataene i det festede skjermbildet.

Annotates spredningsgraf

La oss vurdere eksemplet på hvordan vi kan bruke denne tilnærmingen til å kommentere en spredningsgraf.

Importer matplotlib.Pyplot som Plt
y = [3.1. 3.4, 3.6, 3.8, 3.301]
x = [0.05, 0.2, 0.5, 0.43, 0.69]
n = [295, 123, 246, 165, 483]
Fig, AX = PLT.underplott ()
øks.spredning (x, y)
for i, txt i enumerate (n):
øks.Annotate (txt, (x [i], y [i]))
plt.forestilling()

For å visualisere spredningsgrafen, må vi følge prosedyren. Vi startet med å definere dimensjonene på x- og y -aksene. Den matematiske notasjonen er nå tildelt hvert punkt. For -loopen ble deretter brukt for å få merknadsdata for hvert punkt effektivt.

Transforms og tekstposisjon

Noen ganger er det bedre å legge teksten til et bestemt sted på aksen eller grafikken, uavhengig av innholdet. Det oppnås i matplotlib ved å justere transformasjonen. Enhver visuell presentasjonsramme krever en metode for å konvertere koordinater.

Et dataelement må vises noen ganger i veien i en spesifikk posisjon på grafen, som derfor må vises i piksler på bildet. Disse koordinatmodifikasjonene er ganske enkle, og matplotlib tilbyr et godt utvalg av teknologier for å utføre dem effektivt. La oss vurdere forekomsten av å bruke slike transformasjoner for å vise tekst på forskjellige steder:

Importer matplotlib.Pyplot som Plt
Importer matplotlib som MPL
plt.stil.bruk ('Seaborn-Whitegrid')
Importer numpy som NP
Fig, AX = PLT.Subplots (FaceColor = 'Red')
øks.Axis ([5, 20, 5, 20])
øks.Tekst (6, 8, ". Data: (6, 8) ", Transform = AX.transdata)
øks.tekst (0.6, 0.5, ". Axes: (0.6, 0.5) ", transform = øks.transakser)
øks.tekst (0.6, 0.6, ". Figur: (0.6, 0.6) ", transform = fig.transfigure);

Teksten er plassert til venstre og over de medfølgende dimensjonene som standard. “.”Bare i starten av hver linje representerer det estimerte koordinatpunktet. I dette tilfellet ser det ut til å være tre forhåndsdefinerte justeringer som vi kan ansette. Dataparametrene koblet til henholdsvis aksen, titler er gitt av transdata -parametrene.

Transakserparametrene er en brøkdel av aksenes område og indikerer posisjonen fra kanten av aksene. Transfigurparametrene er identiske, men de gir stedet som en betydelig del av den visuelle størrelsen, og starter fra enten venstre hjørne av rammen.

Konklusjon

Matplotlib -merknaden har blitt diskutert i denne artikkelen. Vi har også undersøkt de spesifiserte kravene og forklarte også noen få tilfeller for å gjøre oss i stand til å forstå dem fullt ut. For alle forekomster modifiserte vi syntaksen og evaluerte resultatene. Og til slutt kunne vi oppgi at Matplotlib Annotate Method blir brukt til å kommentere matplotlib -tomter.

Matplotlib -merknader vises ikke på grunn av en feil. Når vi opererer med denne metoden, kan vi finne feilen. Den mest kollektive årsaken er en feil som oppstod i koden. Blant de mest utbredte feilene er at merknadsteksten er plassert langt over koordinatene i uttalelsen. På grunn av størrelsesforskjellen, kan det hende at vi ikke kan se merknaden til tider.