Skala dziennika MATPlotlib

Osie na wszystkich wykresach MATPlotlib są domyślnie deterministyczne, podobnie jak funkcje yScale () i xScale (). Moduł Pyplot byłby użyty do modyfikacji wizualnej skalowania osi Y lub osi x do funkcji wykładniczej. Funkcja yScale () lub xScale () wymaga tylko jednego argumentu, który byłby rodzaj modyfikacji widma. Aby zmienić wymiary na skalę logarytmiczną, wystarczy użyć terminu „log” lub matplotlib.skala.

Zarówno do funkcji YScale, jak i XScale, określ moduł Skali logarytmicznej. Skala logarytmiczna jest skuteczna w wizualizacji zestawów danych o wyjątkowo małych, a czasem bardzo ogromnych liczbach, ponieważ przedstawia zestawy danych w taki sposób, że możemy skutecznie uzyskać większość liczb, nawet bez zgniania się różnych zestawów.

W tym artykule omówimy skalę dziennika MATPlotlib w Pythonie. Skalowanie dziennika MATPlotlib to skala 10 mocy. Możemy używać dowolnej wartości dla bazy, takiej jak 3, lub moglibyśmy użyć liczby E do przedstawienia wartości dziennika naturalnego. Wyściółka przedstawionych komponentów można ograniczyć lub rozszerzyć za pomocą różnych źródeł, umożliwiając wyraźniej wizualizację.

Skala dziennika MATLPlotlib zostanie wykorzystana do rysowania osi, wykresów rozproszenia, wykresów 3D i innych. Zbadajmy kilka alternatywnych próbek skali dziennika i ich wykonanie.

Dostosowanie skali osi Y do Skali dziennika MATPlotlib

Określenie osi logarytmicznych jest identyczne z wykresem osi konwencjonalnych, oprócz pojedynczej linii kodu, która wskazuje rodzaj współrzędnych jako „dziennik.'

z Matplotlib Import Pyplot
Pyplot.wątek (1, 1, 1)
x = [30 ** I dla I w zakresie (30)]
Pyplot.Wykres (x, color = „czerwony”, lw = 10)
Pyplot.YScale („log”)
Pyplot.pokazywać()

W poprzednim przypadku integrujemy MATPlotlib.Biblioteka Pyplot. Matplotlib to pakiet w Pythonie, który jest wykorzystywany do rysowania różnych wykresów i wykresów. Następnie początkowo tworzymy podplot, który zostanie użyty do wizualizacji mapy. Używamy do pętli tutaj, aby określić wartość osi x.

Ponadto stosujemy metodę PTOT () do narysowania linii na wykresie. Możemy ustawić kolor i szerokość linii, podając wartości do parametrów „kolor” i „lw”. Moce dziesięciu byłyby następnie wyświetlane wraz z ich funkcją wykładniczą. Przedstawione wartości będą dalej wskazywać wykładniczy wzrost skali logarytmicznej.

W rezultacie będziemy musieli określić „log” jako parametr do Pyplot.Funkcja yScale (), aby uzyskać oś y w skali logarytmicznej. Podobnie możemy również wykorzystać Pyplot.Xscale („log”) w celu zmodyfikowania skalowania osi x do skali logarytmicznej.

Skala logowania w matplotlib wykorzystując metody semilogx () i semilogy ():

Innym sposobem na wykonanie wykresu za pomocą skali logarytmicznej gdzieś wzdłuż osi x jest użycie metody semilogx (). Z drugiej strony metoda semilogy () zapewnia figurę o skali logarytmicznej wzdłuż osi y.

importować pandy jako PD
importować matplotlib.Pyplot as Plt
X = [200, 2000, 20000, 200000, 2000000]
y = [10, 12, 14, 16, 18]
Ryc = plt.Rysunek (rysunek = (6,4))
plt.rozproszenie (x, y)
plt.Wykres (x, y)
plt.siatka()
plt.semilogx ()
plt.Semilogia (podstawa = 3)
plt.XLABEL („Oś x”, Fontsize = 15)
plt.yLabel („oś y”, czcionki = 15)
plt.pokazywać()

W dalszej części importowania bibliotek zainicjowaliśmy dwie tablice zawierające losowe wartości dla osi x i y. Następnie dostosowujemy rozmiar figury. Aby narysować wykres rozproszenia, zastosujemy PLT.Funkcja rozproszenia (). Tymczasem stosujemy funkcję PTOT () do narysowania linii. Standardowa wartość bazy logarytmu wynosi 10. Podstawa można odpowiednio określić za pomocą argumentów basex i podstawowych do metod semilogx () i semilogy ().

Plt.Metoda semilogx () ma domyślną podstawę 10 i jest wykorzystywana do konwersji osi x na skalę dziennika w tym scenariuszu. Plt.Z drugiej strony metoda semilogy () przekształca oś y z wartości podstawowej skali logarytmicznej. Oprócz tego określamy etykiety osi jako „osi x” i „osi y” za pomocą PLT.etykieta () funkcje. Podobnie, rozmiar czcionki tych etykiet jest również zdefiniowany. Teraz używamy funkcji show () do prezentacji wykresu.

Wykorzystanie funkcji loglog ()

W tym etapie metoda loglog () zostanie zastosowana do tworzenia skalowania dziennika na osi x lub osi y.

importować pandy jako PD
importować matplotlib.Pyplot as Plt
x = [30, 300, 3000, 30000, 300000]
y = [22, 24, 28, 26, 32]
Ryc = plt.Rysunek (rysunek = (4, 4))
plt.rozproszenie (x, y)
plt.Wykres (x, y)
plt.loglog (basex = 20, basey = 4)
plt.pokazywać()

Po pierwsze, uwzględniamy biblioteki wymagane do wizualizacji graficznych. Następnie bierzemy dwie zmienne do przechowywania tablic. Te tablice zawierają wartości zestawów danych dla osi x i y. Rozmiar wykresu jest określony przy użyciu funkcji figSize (). Tutaj chcemy wykreślić wykres rozproszenia, aby zastosować funkcję rozproszenia ().

Tymczasem narysujemy linię za pomocą metody PTOT (). Teraz stosujemy metodę loglog () tutaj. Wartość podstawy dziennika zarówno dla osi X, jak i osi Y jest określana głównie na podstawie argumentów Basex i. Basex = 20 i podstawowe = 4 wejścia są dostarczane do PLT.Metoda loglog (), która w tym przypadku wytwarza podstawę 20-logarytmiczną.

Na osi y stosuje się skalę logarytmiczną bazy 4. Ponadto PLT.Metoda show () służy do reprezentowania wykresu.

Wyświetl liczby ujemne w skali dziennika MATPlotlib

Zestawy danych obejmują czasami mieszane pozytywnie i negatywne. Skalowanie logarytmiczne nie zostanie zaimplementowane w tych sytuacjach, ponieważ wartości ujemne nie mają wartości logarytmicznych.

Wniosek

W tym artykule zbadaliśmy, w jaki sposób wykorzystujemy skalę dziennika MATPlotlib w Pythonie. Zastosowanie skalowania logarytmicznego jest skutecznym podejściem do wizualizacji danych. Pokazaliśmy różne metody stosowania skali logarytmicznej do wymiarów. Metody te obejmują semilogx () i semilogy (), a także loglog (). Następnie wyjaśniliśmy, jak utworzyć wykresy rozproszenia i histogramy za pomocą skali dziennika MATPlotlib.