plt.plot 예제

색상, 마커 및 선 스타일의 전체 목록을 보려면 도움말(plt.plot) 명령을 확인하십시오. 산란() 함수는 (선택사항) 크기 및 색상 인수가 있는 분산형 플롯을 만듭니다. 이 예제에서는 Google 주가의 변화를 플롯하며, 마커 크기는 시간에 따라 달라진 거래량과 색상을 반영합니다. 여기서 알파 속성은 반투명 원 마커를 만드는 데 사용됩니다. 원형 차트는 원형 그래프를 말하며, 원형 그래프는 원형 조각( 즉, 원형 조각)으로 나뉩니다. 기본적으로 파이의 각 조각이 범주를 나타내는 백분율 또는 비례 데이터를 표시하는 데 사용됩니다. 아래 예제를 살펴 보겠습니다: 당신은 위의 예제에서 선 너비를 조정, 하지만 당신은 또한 그림 크기와 dpi, 선 너비, 색상 및 스타일, 축, 축, 축 및 그리드 속성, 텍스트 및 글꼴 속성을 변경할 수 있습니다. 팁: 예를 들어 plt.xlim이 표시되면 덮개 뒤에 ax.set_xlim()이라고 부릅니다. Axes 오브젝트의 모든 메서드는 파이플로모듈에 함수로 존재하며 그 반대의 경우도 마찬가지입니다. 그들은 훨씬 청소기 때문에 대부분, 당신은 pyplot 모듈의 기능을 사용합니다, 적어도 간단한 플롯에 대한! 난 그냥 plt.plot () 번호의 목록을 준 그것은 자동으로 선도차트를 그렸다. X축의 값이 0에서 데이터 항목까지 0으로 시작한다고 가정했습니다. 차이점은 plt.plot())는 다른 배열에 따라 점의 색상과 크기를 동적으로 변경하는 옵션을 제공하지 않는다는 것입니다. 그러나 plt.scatter ()는 당신이 그렇게 할 수 있습니다.

즉, 팬더 시리즈 및 DataFrame의 플롯() 메서드는 plt.plot()을 둘러싸는 래퍼입니다. 예를 들어 DataFrame의 인덱스가 날짜로 구성된 경우 gcf(.autofmt_xdate)를 팬더에 의해 내부적으로 호출하여 현재 그림을 얻고 x축을 멋지게 자동 포맷한다는 편리함이 제공됩니다. matplotlib목록 작업으로 제한되었다면 숫자 처리에는 상당히 쓸모가 없습니다. 일반적으로 numpy 배열을 사용합니다. 실제로 모든 시퀀스는 내부적으로 numpy 배열로 변환됩니다. 아래 예제에서는 배열을 사용하여 하나의 명령에서 서로 다른 형식 스타일을 가진 여러 줄을 플로팅하는 것을 보여 줍니다. 이 자습서의 첫 번째 예제에서는 암시적으로 수행되었습니다. 차례로 plt.plot() (상태 기반 접근 방식)은 현재 그림과 현재 축을 암시적으로 인식하므로 팬더는 확장에 의해 상태 기반 접근 방식을 따르고 있음을 기억하십시오. pyplot은 matplotlib의 객체 지향 인터페이스 주위에 실제로 래퍼인 함수 배치의 본거지입니다. 예를 들어 plt.title()를 사용하면 OO 접근 방식, ax.set_title() 및 ax.get_title() 내에 해당 세터 및 게터 메서드가 있습니다. (getters 및 setter의 사용은 Java와 같은 언어에서 더 많이 사용되는 경향이 있지만 matplotlib의 OO 접근 방식의 핵심 기능입니다.) 실제로, 당신은 plt.xticks() 방법의 코드를 보면 (입력하여?? plt.xticks jupyter 노트북에서 ax.set_xticks() 및 ax.set_xticklabels()를 호출합니다.