Matplotlib adnotacja
Funkcję tekstu () można użyć do wstawienia tekstu w dowolnym regionie tuż na osiach. Adnotacja techniki wykresu jest zwykle używanym scenariuszem wyrażenia, a funkcja Annotate () zapewnia dodatkowe funkcje, które tworzą proste adnotacje.
W adnotacji należy wziąć pod uwagę dwa czynniki: miejsce do oceny, które jest wskazane przez zmienną XY, oraz pozycję tekstualnego „Xytext”.
Dostarliśmy koncepcję związaną z adnotacjami MATPlotlib. Teraz zbadamy, jak działa ta metoda i jak może osiągnąć nasz pożądany wynik w tej części. Zaczniemy od prostej ilustracji i przejdziemy do bardziej złożonych.
Sinus Faveform
Naszym celem jest wyprodukowanie przebiegu sinusoidalnego w tym przypadku. Istnieją różne parametry powiązane z funkcją Annotate (), w tym tekst: tekst, który zamierzamy adnotować, jest wskazany przez ten argument. XY: Ten argument zawiera punkty z adnotacjami X i Y. Xytext: Jest to dodatkowy argument, który określa, gdzie tytuł powinien być wyrównany na osiach x i y. XYCOORDS: W tym argumencie rozważane są dane ciągów. ArrowProps: Ten argument ma formę „dykt”, a także jest wartością uzupełniającą. Jest on domyślnie skonfigurowany do żadnego.
importować matplotlib.Pyplot as Pltimportować Numpy jako PP
Ryc, ppool = plt.wątki ()
t = pp.Arange (0.0, 3.0, 0.002)
s = pp.grzech (3 * pp.dół)
Linia = ppool.Wykres (t, s, lw = 3)
ppool.adnotacja („wartość szczytowa”, xy = (.75, 1.2),
xytext = (1, 1), ArrowProps = dict (facecolor = „czerwony”,
Shrink = 2.20), xycoords = „data”,)
ppool.set_ylim (-2.5, 2.5)
plt.pokazywać()
Najpierw musieliśmy zintegrować biblioteki Numpy i Matplotlib. Teraz wykorzystujemy metodę aranżacji Numpy do sortowania danych. Tak więc metoda skutecznie tworzy wycenę, która mieszka w dostarczonym zakresie.
Stąd zastosowaliśmy formułę 2*pi*t. Tymczasem przejdziemy do naszej sekcji adnotacji. Miejsce, które wymaga strzałki, aby wskazać, jest w tym przypadku xy. Otrzymujemy również atrybuty strzałek, które zawierają wszystkie informacje o tym, jak powinien się pojawić strzałka. Ponadto ustawiamy limit osi Y. W końcu wszystko wymyśliliśmy.
Sygnał cosinus do konwertera pełnej fali
Naszym celem w tym przypadku jest wyświetlenie wyniku konwertera pełnego fali dla odbiornika cosinus. Stosunek szczytowy do szczytu wynosi -0.9 do 0.9 W tej sytuacji. Określony sygnał cosinus ma szerokość pasma 6 Hz. Oprócz wyżej wymienionych elementów, umieściliśmy tutaj tag PLT. Osiąga to, że pozwala nam to również zidentyfikować cztery osie.
importować matplotlib.Pyplot as Pltimportować Numpy jako PP
Ryc, ppool = plt.wątki ()
t = pp.Arange (0.0, 1.5, 0.002)
s = pp.cos (4 * pp.pi * 6 * t)
Linia = ppool.Wykres (t, s, lw = 4)
ppool.adnotacja („wartości szczytowe”, xy = (2, 2),
xytext = (1, 1), ArrowProps = dict (facecolor = „czerwony”,
Shrurk = 0.2), xycoords = „data”,)
plt.XLABEL („Czas w SEC”)
plt.yLabel („napięcie”)
ppool.set_ylim (-0.9, 0.9)
plt.pokazywać()
Sprawdź dane wyjściowe w przymocowanym zrzucie ekranu.
Adnotuj wykres rozproszenia
Zastanówmy się nad przykładem, w jaki sposób możemy wykorzystać to podejście do adnotacji wykresu rozproszenia.
importować matplotlib.Pyplot as Plty = [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]
Ryc, ax = plt.wątki ()
topór.rozproszenie (x, y)
Dla ja, txt in Enumate (n):
topór.Annotate (txt, (x [i], y [i]))
plt.pokazywać()
Aby wizualizować wykres rozproszenia, musimy postępować zgodnie z procedurą. Zaczęliśmy od zdefiniowania wymiarów na osiach x i y. Notacja matematyczna została teraz przypisana do każdego punktu. Następnie wykorzystano pętlę do skutecznego uzyskania danych adnotacyjnych dla każdego punktu.
Transformuje i pozycję tekstu
Czasami lepiej jest dołączyć tekst do określonej lokalizacji na osi lub grafice, niezależnie od treści. Jest to osiągane w MATPlotlib poprzez dostosowanie transformacji. Każda wizualna framework prezentacji wymaga metody konwersji współrzędnych.
Element danych musi być czasem wyświetlany w określonej pozycji na wykresie, co należy wyświetlić na pikselach na obrazie. Te modyfikacje współrzędnych są dość proste, a Matplotlib oferuje dużą różnorodność technologii do skutecznego wykonywania. Rozważmy przypadek wykorzystania takich transformacji do wyświetlania tekstu w różnych miejscach:
importować matplotlib.Pyplot as Pltimportować matplotlib jako mpl
plt.styl.Użyj („Seaborn-Whitegrid”)
importować Numpy jako NP
Ryc, ax = plt.wątki (facecolor = „czerwony”)
topór.oś ([5, 20, 5, 20])
topór.tekst (6, 8 ”. Dane: (6, 8) ", transformat = ax.transdata)
topór.tekst (0.6, 0.5 ”. Osie: (0.6, 0.5) ", transformat = ax.Trisaxes)
topór.tekst (0.6, 0.6 ”. Rysunek: (0.6, 0.6) ”, transformat = ryc.przeobrazić);
Tekst jest ustawiony po lewej i powyżej dostarczonych wymiarów domyślnie. „„.”Tylko na początku każdej linii reprezentuje szacowany punkt współrzędnej. W tym przypadku wydaje się, że istnieje trzy wstępnie zdefiniowane korekty, które możemy zastosować. Parametry danych powiązane odpowiednio z osą, tytuły są dostarczane przez parametry transdata.
Parametry Transakses są ułamkiem powierzchni osi i wskazują położenie z jego krawędzi osi. Parametry transfitury są identyczne, ale dają lokalizację jako znaczną część rozmiaru wizualnego, zaczynając od lewego rogu krawędzi ramy.
Wniosek
Annotat Matplotlib został omówiony w tym artykule. Zbadaliśmy również jego określone wymagania, a także wyjaśniliśmy kilka przypadków, aby umożliwić nam ich w pełni zrozumienie. Dla każdego instancji zmodyfikowaliśmy składnię i oceniliśmy wyniki. I w końcu moglibyśmy stwierdzić, że metoda adnotacji MATPlotlib jest wykorzystywana do adnotacji wykresów MATPlotlib.
Adnotacje matplotlib nie są pokazane z powodu błędu. Podczas pracy z tą metodą możemy znaleźć błąd. Najbardziej zbiorową przyczyną jest błąd, który wystąpił w kodzie. Wśród najbardziej rozpowszechnionych błędów jest to, że tekst adnotacji jest umieszczony znacznie powyżej współrzędnych w oświadczeniu. Ze względu na różnicę wielkości możemy czasami nie być w stanie oglądać adnotacji.