از طریق منوی جستجو مطلب مورد نظر خود در وبلاگ را به سرعت پیدا کنید
چرخاندن برچسب های محور در Matplotlib
سرفصلهای مطلب
معرفی
Matplotlib یکی از پرکاربردترین کتابخانه های تجسم داده در پایتون است. بیشتر محبوبیت Matplotlib از گزینه های سفارشی سازی آن ناشی می شود – می توانید تقریباً هر عنصری را از آن تغییر دهید. سلسله مراتب اشیاء.
در این آموزش نگاهی به این خواهیم داشت روش چرخاندن تیک متن/برچسب ها در نمودار Matplotlib.
ایجاد یک پلات
بیایید ابتدا یک طرح ساده ایجاد کنیم:
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y = np.sin(x)
plt.plot(x, y)
plt.show()
برچسبهای تیک محور X را در Matplotlib بچرخانید
اکنون، بیایید نگاهی به روش چرخش برچسب های X-Axis در اینجا بیاندازیم. دو راه برای انجام آن وجود دارد – آن را تغییر دهید روی با استفاده از سطح شکل plt.xticks()
یا آن را تغییر دهید روی یک سطح محور با استفاده از tick.set_rotation()
به صورت جداگانه یا حتی با استفاده از ax.set_xticklabels()
و ax.xtick_params()
.
بیایید با اولین گزینه شروع کنیم:
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y = np.sin(x)
plt.plot(x, y)
plt.xticks(rotation = 45)
plt.show()
در اینجا، ما را تنظیم کرده ایم rotation
از xticks
به 45، نشان دهنده یک شیب 45 درجه، در خلاف جهت عقربه های ساعت:
توجه داشته باشید: این تابع، مانند سایر تابع ها در اینجا، باید فراخوانی شود بعد از plt.plot()
، مبادا کنه ها به طور بالقوه بریده شوند یا در جای خود قرار نگیرند.
گزینه دیگر دریافت جریان است Axes
اعتراض و تماس بگیرید ax.set_xticklabels()
روی آی تی. در اینجا می توانیم برچسب ها و همچنین چرخش آنها را تنظیم کنیم:
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y = np.sin(x)
plt.plot(x, y)
ax = plt.gca()
plt.draw()
ax.set_xticklabels(ax.get_xticks(), rotation = 45)
plt.show()
توجه داشته باشید: برای اینکه این روش کار کند، باید تماس بگیرید plt.draw()
قبل از دسترسی یا تنظیم برچسب های تیک X. این به این دلیل است که برچسب ها پس از ترسیم نمودار پر می شوند، در غیر این صورت، مقادیر متن خالی را برمی گردانند.
از طرف دیگر، میتوانستیم روی آن تکرار کنیم tick
در ax.get_xticklabels()
فهرست سپس، می توانیم تماس بگیریم tick.set_rotation()
روی هر یک از آنها:
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y = np.sin(x)
plt.plot(x, y)
ax = plt.gca()
plt.draw()
for tick in ax.get_xticklabels():
tick.set_rotation(45)
plt.show()
این نیز منجر به:
و در نهایت می توانید از ax.tick_params()
عملکرد و چرخش برچسب را در آنجا تنظیم کنید:
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y = np.sin(x)
plt.plot(x, y)
ax = plt.gca()
ax.tick_params(axis='x', labelrotation = 45)
plt.show()
این نیز منجر به:
برچسب های تیک محور Y را در Matplotlib بچرخانید
دقیقاً همان مراحل را می توان برای برچسب های تیک Y-Axis اعمال کرد.
ابتدا می توانید آن را تغییر دهید روی سطح شکل با plt.yticks()
، یا روی سطح محورها با استفاده از tick.set_rotation()
یا با دستکاری در ax.set_yticklabels()
و ax.tick_params()
.
بیایید با اولین گزینه شروع کنیم:
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y = np.sin(x)
plt.plot(x, y)
plt.yticks(rotation = 45)
plt.show()
مانند دفعه قبل، این مجموعه را تنظیم می کند rotation
از yticks
با 45 درجه:
حالا بیایید مستقیماً با آن کار کنیم Axes
هدف – شی:
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y = np.sin(x)
plt.plot(x, y)
ax = plt.gca()
plt.draw()
ax.set_yticklabels(ax.get_yticks(), rotation = 45)
plt.show()
اینجا هم همین یادداشت صدق می کند، باید تماس بگیرید plt.draw()
قبل از این تماس تا به درستی کار کند.
حالا بیایید فهرستی را تکرار کنیم tick
شن set_rotation()
روی هر یک از آنها:
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y = np.sin(x)
plt.plot(x, y)
ax = plt.gca()
plt.draw()
for tick in ax.get_yticklabels():
tick.set_rotation(45)
plt.show()
این نیز منجر به:
و در نهایت می توانید از ax.tick_params()
عملکرد و چرخش برچسب را در آنجا تنظیم کنید:
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y = np.sin(x)
plt.plot(x, y)
ax = plt.gca()
ax.tick_params(axis='y', labelrotation = 45)
plt.show()
این نیز منجر به:
تاریخ ها را به تناسب در Matplotlib بچرخانید
بیشتر اوقات، دلیل اینکه مردم کنه ها را در کرت های خود می چرخانند این است که آنها حاوی خرما هستند. تاریخ ها می توانند طولانی شوند، و حتی با مجموعه داده های کوچک، شروع به همپوشانی می کنند و به سرعت غیرقابل خواندن می شوند.
البته، شما می توانید آنها را مانند قبل بچرخانید، معمولاً شیب 45 درجه بیشتر مشکلات را حل می کند، در حالی که شیب 90 درجه حتی بیشتر آزاد می کند.
اگرچه، گزینه دیگری برای چرخش و تثبیت تاریخ ها در Matplotlib وجود دارد که حتی از روش های قبلی ساده تر است – fig.autofmt__date()
.
این تابع را می توان به دو صورت استفاده کرد fig.autofmt_xdate()
یا fig.autofmt_ydate()
برای دو محور مختلف
بیایید نگاهی به روش استفاده از آن بیندازیم روی را مجموعه داده های آب و هوای سیاتل:
import pandas as pd
import matplotlib.pyplot as plt
weather_data = pd.read_csv("seattleWeather.csv")
fig = plt.figure()
plt.plot(weather_data('DATE'), weather_data('PRCP'))
fig.autofmt_xdate()
plt.show()
این نتیجه در:
نتیجه
در این آموزش، ما چندین روش را برای چرخاندن متن/برچسبهای محور در نمودار Matplotlib بررسی کردهایم، از جمله روش خاصی برای قالببندی و تناسب تاریخها.
اگر به تجسم دادهها علاقه دارید و نمیدانید از کجا شروع کنید، حتماً ما را بررسی کنید بسته کتاب روی تجسم داده ها در پایتون:
تجسم داده ها در پایتون با Matplotlib و Pandas کتابی است که طراحی شده است تا مبتدیان مطلق را با دانش پایه پایتون به Pandas و Matplotlib ببرد و به آنها اجازه دهد پایه ای قوی برای کار پیشرفته با این کتابخانه ها بسازند – از طرح های ساده گرفته تا طرح های سه بعدی متحرک با دکمه های تعاملی.
این به عنوان یک راهنمای عمیق عمل می کند که همه چیزهایی را که باید در مورد پانداها و Matplotlib بدانید، از جمله روش ساخت انواع طرح هایی که در خود کتابخانه تعبیه نشده اند را به شما آموزش می دهد.
تجسم داده ها در پایتون، کتابی برای توسعه دهندگان پایتون مبتدی تا متوسط، شما را در دستکاری ساده داده ها با پانداها راهنمایی می کند، کتابخانه های ترسیم هسته ای مانند Matplotlib و Seaborn را پوشش می دهد و به شما نشان می دهد که چگونه از کتابخانه های اعلامی و تجربی مانند Altair استفاده کنید. به طور خاص، در طول ۱۱ فصل، این کتاب ۹ کتابخانه پایتون را پوشش میدهد: Pandas، Matplotlib، Seaborn، Bokeh، Altair، Plotly، GGPlot، GeoPandas و VisPy.
این به عنوان یک راهنمای عملی و منحصر به فرد برای تجسم داده ها، در مجموعه ای از ابزارهایی که ممکن است در حرفه خود استفاده کنید، عمل می کند.
(برچسبها به ترجمه)# python
منتشر شده در 1403-01-14 16:24:04