Matplotlib Log Scale

Aksene i alle matplotlib -grafer er som standard som standard, og det samme er Yscale () og Xscale () -funksjonene. Pyplot-modulen vil bli brukt til å endre den visuelle skaleringen av y-aksen eller x-aksen til en eksponentiell funksjon. Funksjonen Yscale () eller Xscale () krever bare ett argument, noe som vil være den typen spektrummodifisering. For å endre dimensjoner til en logaritmisk skala, bare bruk "log" -begrepet eller matplotlib.skala.

For både Yscale- og Xscale -funksjonene, spesifiser logskala -modulen. Den logaritmiske skalaen er effektiv for å visualisere datasett med ekstremt små og noen ganger veldig enorme tall siden den presenterer datasettene på en slik måte at vi effektivt kan få de fleste av tallene selv uten at forskjellige sett blir klemt for intimt.

Vi kommer til å diskutere Matplotlib Log Scale i Python i denne artikkelen. Matplotlib-loggskalering er en 10-strømskala. Vi bruker kanskje hvilken som helst verdi for basen, for eksempel 3, eller vi kunne ha brukt tallet E for å representere verdien av den naturlige loggen. Polstring av de avbildede komponentene kan begrenses eller utvides ved å bruke forskjellige opprinnelser, noe som muliggjør visualisering klarere.

Matlplotlib -loggskalaen vil bli brukt til å tegne akser, spredningsgrafer, 3D -grafer og mer. La oss undersøke noen alternative logeskalaprøver og utførelsen av dem.

Justere omfanget av y-aksen til matplotlib loggskala

Å spesifisere logaritmiske akser er identisk med grafering av konvensjonelle akser, bortsett fra en enkelt kodelinje som indikerer hva slags koordinater som 'logg.'

fra matplotlib import pyplot
Pyplot.underplott (1, 1, 1)
x = [30 ** i for i i rekkevidde (30)]
Pyplot.plot (x, farge = 'rød', lw = 10)
Pyplot.Yscale ('log')
Pyplot.forestilling()

I foregående tilfelle integrerer vi matplotlib.Pyplot Library. Matplotlib er en pakke i Python som brukes til å tegne forskjellige diagrammer og grafer. Deretter lager vi opprinnelig delplottet som vil bli brukt til å visualisere kartet. Vi bruker til loop her for å oppgi verdien av x-aksen.

Videre bruker vi plot () -metoden for å tegne linjen på grafen. Vi kan stille inn linjens farge og bredde ved å gi verdiene til 'fargen' og 'LW' parametere. Kreftene på ti vil da vises sammen med deres eksponentielle funksjon. Verdiene som presenteres vil ytterligere indikere en eksponentiell økning for den logaritmiske skalaen.

Som et resultat må vi spesifisere 'logg' som en parameter til Pyplot.Yscale () -funksjon for å få y-aksen i logaritmisk skala. På samme måte kunne vi også bruke Pyplot.Xscale ('log') for å endre skaleringen av x-aksen til en logaritmisk skala.

Loggskala i matplotlib ved bruk av metodene semilogx () og semilogy ():

En annen måte å lage en graf ved hjelp av en logaritmisk skala et sted langs X-Axis er å bruke Semilogx () -metoden. Semilogy () -metoden gir derimot en figur som har en logaritmisk skala langs Y-aksen.

Importer pandaer som PD
Importer matplotlib.Pyplot som Plt
X = [200, 2000, 20000, 200000, 2000000]
y = [10, 12, 14, 16, 18]
Fig = plt.Figur (FigSize = (6,4))
plt.spredning (x, y)
plt.plot (x, y)
plt.Nett()
plt.Semilogx ()
plt.Semilogy (basey = 3)
plt.xlabel ("X-Axis", FontSize = 15)
plt.Ylabel ("Y-Axis", FontSize = 15)
plt.forestilling()

Heretter importerte vi bibliotekene, initialiserte vi to matriser som inneholder tilfeldige verdier for x- og y -aksene. Deretter justerer vi størrelsen på figuren. For å tegne spredningsgrafen, vil vi bruke PLT.spredning () funksjon. I mellomtiden bruker vi plott () -funksjonen for å tegne linjen. Logaritmens standardverdi på basen er 10. Basen kan spesifiseres med både Basex og Basey Arguments to SemilogX () og Semilogy () -metoder, følgelig.

Plt.SemilogX () -metoden har standard base 10 og den brukes til å konvertere x-aksen til en logskala i dette scenariet. Plt.Semilogy () -metode, derimot, transformerer y-aksen fra en verdi av base 3 logaritmisk skala. I tillegg til dette spesifiserer vi etikettene til aksene som 'X-Axis' og 'Y-Axis' ved å bruke PLT.etikett () funksjoner. Tilsvarende er skriftstørrelsen på disse etikettene også definert her. Nå bruker vi show () -funksjonen for å presentere grafen.

Bruke Loglog () -funksjonen

I dette trinnet vil Loglog () -metoden bli brukt til å lage loggskalering på enten x-aksen eller y-aksen.

Importer pandaer som PD
Importer matplotlib.Pyplot som Plt
x = [30, 300, 3000, 30000, 300000]
y = [22, 24, 28, 26, 32]
Fig = plt.Figur (FigSize = (4, 4))
plt.spredning (x, y)
plt.plot (x, y)
plt.Loglog (Basex = 20, Basey = 4)
plt.forestilling()

For det første inkluderer vi biblioteker som kreves for grafiske visualiseringer. Deretter tar vi to variabler for lagring av matriser. Disse matriser inneholder verdiene til datasett for x- og y -aksene. Størrelsen på grafen er oppgitt ved bruk av FigSize () -funksjonen. Her ønsker vi å plotte spredningsgrafen slik at vi bruker spredning () -funksjonen.

I mellomtiden tegner vi linjen ved å bruke plot () -metoden. Nå bruker vi Loglog () -metoden her. Verdien av basen på loggen for både x-aksen og y-aksen bestemmes mest av Basex og basey argumenter. Basex = 20 og basey = 4 innganger er gitt til PLT.Loglog () -metode, som produserer basen 20 loger opp x-aksen i dette tilfellet.

På y-aksen brukes base 4 logaritmisk skala. Videre, PLT.Show () -metoden brukes til å representere grafen.

Vis negative tall på matplotlib loggskala

Datasettene inkluderer blandet positivt og negativt tall noen ganger. Den logaritmiske skaleringen vil ikke bli implementert i disse situasjonene fordi negative verdier ikke har noen logaritmiske verdier.

Konklusjon

I denne artikkelen undersøkte vi hvordan vi bruker matplotlib -loggskalaen i Python. Bruken av logaritmisk skalering er en effektiv datavisualiseringsmetode. Vi har vist en rekke metoder for å bruke logaritmisk skala på dimensjoner. Disse metodene inkluderer Semilogx () og Semilogy (), samt Loglog (). Vi forklarte videre hvordan du lager spredningsgrafer og histogrammer ved bruk av matplotlib -loggskalaen.