Làm thế nào để bạn hiển thị hai biểu đồ trong python?

Trong bài học này, chúng ta sẽ sử dụng lập trình để cố gắng giải câu đố Matplotlib Plot Two Graphs Side By Side. Điều này được thể hiện bằng đoạn mã dưới đây

import matplotlib.pyplot as plt
import numpy as np

# Simple data to display 
x = np.linspace[0, 2 * np.pi, 400]
y = np.sin[x ** 2]

# the container holding the two Axes have already been unpacked
# useful if just few Axes have been created
f, [ax1, ax2] = plt.subplots[1, 2] 
ax1.plot[x, y]
ax1.set_title['Left plot']

ax2.scatter[x, y]
ax2.set_title['Right plot']

plt.tight_layout[]
plt.show[]

Có rất nhiều ví dụ thực tế cho thấy cách khắc phục sự cố Matplotlib Plot Two Graphs Side By Side

Làm cách nào để bạn vẽ hai biểu đồ cạnh nhau trong Python?

bước

• Tạo các điểm x, y1, y2 bằng cách sử dụng numpy
• Với nrows = 1, ncols = 2, index = 1, thêm biểu đồ con vào hình hiện tại, sử dụng phương thức subplot[]
• Vẽ đường bằng các điểm x và y1, sử dụng phương thức plot[]
• Đặt tiêu đề, nhãn cho trục X, Y cho Hình 1, sử dụng plt

Làm thế nào để bạn vẽ hai đồ thị cạnh nhau?

Để tạo nhiều ô ta sử dụng hàm subplot của module pyplot trong Matplotlib. Thông số. nrows dành cho số lượng hàng có nghĩa là nếu hàng là 1 thì các ô nằm ngang. ncolumns là viết tắt của cột có nghĩa là nếu cột là 1 thì cốt truyện nằm theo chiều dọc. 09-Aug-2022

Làm cách nào để vẽ hai biểu đồ trong Python matplotlib?

bước

• Tạo các điểm dữ liệu x, y1 và y2 bằng cách sử dụng numpy
• Thêm một ô con vào hình hiện tại ở chỉ mục 1
• Vẽ đường cong 1 sử dụng x và y1
• Thêm một ô con vào hình hiện tại ở chỉ số 2
• Vẽ đường cong 2 sử dụng x và y2
• Để hiển thị hình, sử dụng phương thức show[]

Làm cách nào để bạn vẽ hai biểu đồ trên cùng một biểu đồ trong Python?

Cách tạo nhiều ô trên cùng một hình trong Matplotlib trong

• x1 = [1, 2, 3] Dữ liệu cho dòng đầu tiên
• y1 = [4, 5, 6]
• x2 = [1, 3, 5] Dữ liệu cho dòng thứ hai
• y2 = [6, 5, 4]
• plt. legend[["Dataset 1", "Dataset 2"]] Tạo chú thích cho biểu đồ

Làm cách nào để hiển thị nhiều hình ảnh trong Matplotlib?

MatPlotLib với Python Thêm một ô con vào hình hiện tại, nrows=1, ncols=4 và tại index=2. Hiển thị dữ liệu dưới dạng hình ảnh, tôi. e. , trên raster 2D thông thường, sử dụng phương thức imshow[] với cmap="Accent_r". Thêm một ô con vào hình hiện tại, nrows=1, ncols=4 và tại index=3. 08-May-2021

rìu hình trong Matplotlib là gì?

quả sung. matplotlib. pyplot. đối tượng hình được sử dụng làm vùng chứa cho tất cả các ô con. cây rìu. Một đối tượng duy nhất của các trục. Đối tượng trục nếu chỉ có một ô hoặc một mảng các trục

Làm cách nào để bạn vẽ hai hình trong cùng một cửa sổ trong Matlab?

Liên kết trực tiếp đến câu trả lời này

• giữ % bằng cách đặt giữ thành bật, bạn có thể vẽ đồ thị cho cùng một cửa sổ
• plot[x1,y1] % ô đầu tiên bạn muốn
• plot[x2,y2] % ô thứ hai bạn muốn

Làm cách nào để hợp nhất hai biểu đồ trong Python?

MatPlotLib với Python

• Đặt kích thước hình và điều chỉnh phần đệm giữa và xung quanh các ô con
• Tạo các điểm dữ liệu x, y1 và y2 bằng cách sử dụng numpy
• Vẽ các điểm [x, y1] và [x, y2] bằng phương thức plot[]
• Nhận các điểm dữ liệu xy của các trục hiện tại
• Sử dụng argsort[] để trả về các chỉ số sẽ sắp xếp một mảng

Làm thế nào để bạn vẽ hai biến trong Python?

100 điểm kinh nghiệm

• sử dụng plt. các ô con để tạo các đối tượng Hình và Trục được gọi lần lượt là fig và ax
• Vẽ biểu đồ biến carbon dioxide bằng màu xanh lam bằng phương pháp biểu đồ Axes
• Sử dụng phương pháp Axes twinx để tạo một Axes đôi chia sẻ trục x
• Vẽ biểu đồ biến nhiệt độ tương đối bằng màu đỏ trên các Trục đôi bằng phương pháp biểu đồ của nó

Làm cách nào để vẽ nhiều dòng trong Matplotlib?

Bạn có thể vẽ nhiều dòng từ dữ liệu được cung cấp bởi một mảng trong python bằng matplotlib. Bạn có thể làm điều đó bằng cách chỉ định các cột khác nhau của mảng làm tham số trục x và trục y trong matplotlib. pyplot. hàm lô []. 01-Mar-2022

Khi trực quan hóa dữ liệu, thường cần vẽ nhiều biểu đồ trong một hình. Chẳng hạn, nhiều biểu đồ sẽ hữu ích nếu bạn muốn trực quan hóa cùng một biến nhưng từ các góc độ khác nhau [e. g. biểu đồ cạnh nhau và boxplot cho một biến số]. Trong bài đăng này, tôi chia sẻ 4 mẹo đơn giản nhưng thiết thực để vẽ nhiều biểu đồ

Ảnh của Pawel Czerwinski trên Bapt

Tập dữ liệu 📦

Hãy nhập các gói và cập nhật cài đặt mặc định cho biểu đồ để thêm một chút phong cách cá nhân vào biểu đồ. Chúng tôi sẽ sử dụng bộ dữ liệu tích hợp sẵn của Seaborn trên các mẹo

import seaborn as sns # v0.11.2
import matplotlib.pyplot as plt # v3.4.2
sns.set[style='darkgrid', context='talk', palette='rainbow']df = sns.load_dataset['tips']
df.head[]

📍 Mẹo 1. plt. ô con []

Một cách dễ dàng để vẽ nhiều ô con là sử dụng

fig, ax = plt.subplots[nrows=1, ncols=2, figsize=[10,4]]
sns.histplot[data=df, x='tip', ax=ax[0]]
sns.boxplot[data=df, x='tip', ax=ax[1]];

0. Đây là một cú pháp ví dụ để vẽ 2 ô con cạnh nhau

fig, ax = plt.subplots[nrows=1, ncols=2, figsize=[10,4]]
sns.histplot[data=df, x='tip', ax=ax[0]]
sns.boxplot[data=df, x='tip', ax=ax[1]];

Ở đây, chúng tôi đã vẽ hai ô con trong một hình duy nhất. Chúng tôi có thể tùy chỉnh thêm từng ô con. Chẳng hạn, chúng ta có thể thêm tiêu đề cho từng ô con như thế này

fig, ax = plt.subplots[1, 2, figsize=[10,4]]
sns.histplot[data=df, x='tip', ax=ax[0]]
ax[0].set_title["Histogram"]
sns.boxplot[data=df, x='tip', ax=ax[1]]
ax[1].set_title["Boxplot"];

Chúng ta có thể hình dung cùng một bộ đồ thị cho tất cả các biến số trong một vòng lặp

numerical = df.select_dtypes['number'].columnsfor col in numerical:
    fig, ax = plt.subplots[1, 2, figsize=[10,4]]
    sns.histplot[data=df, x=col, ax=ax[0]]
    sns.boxplot[data=df, x=col, ax=ax[1]];

📍 Mẹo 2. plt. ô phụ[]

Một cách khác để trực quan hóa nhiều biểu đồ là sử dụng

fig, ax = plt.subplots[nrows=1, ncols=2, figsize=[10,4]]
sns.histplot[data=df, x='tip', ax=ax[0]]
sns.boxplot[data=df, x='tip', ax=ax[1]];

1 mà không có

fig, ax = plt.subplots[nrows=1, ncols=2, figsize=[10,4]]
sns.histplot[data=df, x='tip', ax=ax[0]]
sns.boxplot[data=df, x='tip', ax=ax[1]];

2 ở cuối]. Cú pháp hơi khác so với trước đây

________số 8

Cách tiếp cận này đặc biệt hữu ích nếu bạn muốn vẽ cùng một loại biểu đồ cho nhiều ô và xem tất cả trong một hình

plt.figure[figsize=[14,4]]
for i, col in enumerate[numerical]:
    ax = plt.subplot[1, len[numerical], i+1]
    sns.boxplot[data=df, x=col, ax=ax]

Chúng tôi có thể tùy chỉnh thêm từng ô con giống như trước đây. Chẳng hạn, hãy thêm một tiêu đề cho mỗi cốt truyện

import seaborn as sns # v0.11.2
import matplotlib.pyplot as plt # v3.4.2
sns.set[style='darkgrid', context='talk', palette='rainbow']df = sns.load_dataset['tips']
df.head[]

0

Đã học cả

fig, ax = plt.subplots[nrows=1, ncols=2, figsize=[10,4]]
sns.histplot[data=df, x='tip', ax=ax[0]]
sns.boxplot[data=df, x='tip', ax=ax[1]];

0 và

fig, ax = plt.subplots[nrows=1, ncols=2, figsize=[10,4]]
sns.histplot[data=df, x='tip', ax=ax[0]]
sns.boxplot[data=df, x='tip', ax=ax[1]];

1, so sánh dưới đây có thể hữu ích trong việc hiểu được những điểm tương đồng và khác biệt

Thật hữu ích khi làm quen với cả hai cách tiếp cận vì chúng có thể hữu ích trong các tình huống khác nhau

📍 Mẹo 3. plt. chặt chẽ_layout[]

Khi vẽ nhiều biểu đồ, thông thường sẽ thấy nhãn của một số ô con chồng lên các ô con lân cận của chúng như thế này

import seaborn as sns # v0.11.2
import matplotlib.pyplot as plt # v3.4.2
sns.set[style='darkgrid', context='talk', palette='rainbow']df = sns.load_dataset['tips']
df.head[]

3

Tên biến trên trục x của hai biểu đồ trên cùng bị cắt bỏ và nhãn trục y của các ô bên phải chồng lên các ô con bên trái. Khắc phục điều này thật dễ dàng với

fig, ax = plt.subplots[nrows=1, ncols=2, figsize=[10,4]]
sns.histplot[data=df, x='tip', ax=ax[0]]
sns.boxplot[data=df, x='tip', ax=ax[1]];

5

import seaborn as sns # v0.11.2
import matplotlib.pyplot as plt # v3.4.2
sns.set[style='darkgrid', context='talk', palette='rainbow']df = sns.load_dataset['tips']
df.head[]

5

thì đấy. Nó trông tốt hơn rất nhiều bây giờ. Tôi hầu như luôn sử dụng

fig, ax = plt.subplots[nrows=1, ncols=2, figsize=[10,4]]
sns.histplot[data=df, x='tip', ax=ax[0]]
sns.boxplot[data=df, x='tip', ax=ax[1]];

5 khi vẽ nhiều biểu đồ để tránh chồng chéo

📍 Mẹo 4. plt. phụ đề[]

Cuối cùng, mẹo này rất hữu ích nếu bạn muốn đặt tiêu đề cho toàn bộ hình

import seaborn as sns # v0.11.2
import matplotlib.pyplot as plt # v3.4.2
sns.set[style='darkgrid', context='talk', palette='rainbow']df = sns.load_dataset['tips']
df.head[]

7

Ngoài ra, bạn có thể tùy chỉnh các ô riêng lẻ theo cách bạn muốn. Chẳng hạn, bạn vẫn có thể thêm tiêu đề cho từng ô con

Ảnh của engin akyurt trên Bapt

Bạn có muốn truy cập nhiều nội dung như thế này? . Nếu bạn trở thành thành viên bằng liên kết giới thiệu của tôi, một phần phí thành viên của bạn sẽ trực tiếp hỗ trợ tôi

Cảm ơn bạn đã đọc bài viết này. Hy vọng bạn có thể áp dụng những mẹo hữu ích này khi vẽ nhiều ô con vào lần tới trong Python. Nếu bạn là người ham học hỏi và muốn tìm hiểu thêm về chủ đề này, tài nguyên này rất hữu ích. Nếu bạn muốn tìm hiểu thêm các mẹo trực quan hóa dữ liệu, đây là một số bài đăng của tôi về trực quan hóa dữ liệu