Matplotlib kommentiert

Die Matplotlib -Bibliothek ist eine Python -Graphing -Bibliothek mit einer Numpy -Erweiterung. Wir werden dieses Modul verwenden, um verschiedene Visualisierungen zu erstellen, um unsere Programme zu unterstützen. Es ist sehr vorteilhaft, wenn es darum geht, Datenwissenschaftsprogramme zu generieren. Annotate ist eine Phrase, die sich auf den Akt der Kennzeichnung von Dingen bezieht. Infolgedessen hilft uns die Methode bei der Identifizierung von Diagrammen, die mit Matplotlib erstellt wurden.

Die Funktion von Text () kann verwendet werden, um Text in jedem Bereich nur auf Achsen einzufügen. Die Annotation einer Graphentechnik ist ein typisch verwendetes Szenario für eine Phrase, und die Funktion für Annotate () bietet zusätzliche Funktionen, die Annotationen einfach erstellen.

Es gibt zwei Faktoren, die in einer Annotation berücksichtigt werden müssen: die zu bewertende Stelle, die durch die Variable XY und die Position des Textes „xytext“ angezeigt wird.

Wir haben das Konzept mit Matplotlib -Annotate geliefert. Jetzt werden wir untersuchen, wie diese Methode funktioniert und wie sie unser gewünschtes Ergebnis in diesem Teil erzielen kann. Wir werden mit einer einfachen Illustration beginnen und uns auf einige komplexere auf den Weg machen.

Sinuswellenform

Unser Zweck ist es, die Sinuswellenform in diesem Fall zu erzeugen. Es gibt verschiedene Parameter, die mit der Funktion kommentieren () verknüpft sind, einschließlich Text: Der Text, den wir mit Annotate beabsichtigen. XY: Dieses Argument enthält die kommentierten Punkte x und y. XYTEXT: Es ist ein zusätzliches Argument, das angibt. XYCOORDS: Die String -Daten werden in diesem Argument berücksichtigt. ArrowProps: Dieses Argument hat das Formular „DICT“ und ist auch ein komplementärer Wert. Es ist standardmäßig auf keine konfiguriert.

Matplotlib importieren.Pyplot als PLT
Numph als PP importieren
Abb, ppool = plt.Nebenhandlungen ()
t = pp.Arange (0.0, 3.0, 0.002)
S = pp.Sünde (3 * pp.Grube)
Linie = ppool.Diagramm (t, s, lw = 3)
ppool.Annotate ('Peak Value', xy = (.75, 1.2),
xytext = (1, 1), arrowProps = dict (facecolor = 'rot',
schrumpfen = 2.20), xycoords = "Daten",)
ppool.set_ylim (-2.5, 2.5)
PLT.zeigen()

Wir mussten zuerst die Numpy- und Matplotlib -Bibliotheken integrieren. Jetzt verwenden wir die Methode von Numpys Anordnungsmethode, um die Daten zu sortieren. Die Methode erzeugt also effektiv eine Bewertung, die innerhalb des bereitgestellten Bereichs fällt.

Daher haben wir die 2*pi*t -Formel angewendet. In der Zwischenzeit werden wir zu unserem Annotationsbereich übergehen. Der Ort, den der Pfeil angibt, ist in diesem Fall XY. Wir erhalten auch Pfeilattribute, die alle Informationen darüber enthalten, wie die Pfeilspitze angezeigt werden soll. Darüber hinaus setzen wir die y-Achse-Limit. Wir haben endlich alles herausgefunden.

Cosinus-Signal zum Vollwellenwandler

Unser Ziel in diesem Fall ist es, das Ergebnis eines Vollwellenwandlers für den Cosinus-Empfänger anzuzeigen. Das Peak-zu-Peak-Verhältnis beträgt -0.9 bis 0.9 In dieser Situation. Das angegebene Cosinus -Signal hat eine Bandbreite von 6 Hz. Abgesehen von den oben genannten Gegenständen haben wir hier ein PLT -Tag aufgenommen. Was es erreicht, ist, dass es uns ermöglicht, auch die vier Achsen hier zu identifizieren.

Matplotlib importieren.Pyplot als PLT
Numph als PP importieren
Abb, ppool = plt.Nebenhandlungen ()
t = pp.Arange (0.0, 1.5, 0.002)
S = pp.cos (4 * pp.pi * 6 * t)
Linie = ppool.Diagramm (t, s, lw = 4)
ppool.Annotate ('Peak Values', xy = (2, 2),
xytext = (1, 1), arrowProps = dict (facecolor = 'rot',
schrumpfen = 0.2), xycoords = "Daten",)
PLT.xlabel ("Zeit in Sec")
PLT.Ylabel ("Spannung")
ppool.set_ylim (-0.9, 0.9)
PLT.zeigen()

Schauen Sie sich die Ausgabe im angebotenen Screenshot an.

Annotate Streudiagramm

Betrachten wir das Beispiel dafür, wie wir diesen Ansatz nutzen können, um eine Streuung zu kommentieren.

Matplotlib importieren.Pyplot als PLT
y = [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]
Fig, Ax = PLT.Nebenhandlungen ()
Axt.Streuung (x, y)
für i, txt in Enumerate (n):
Axt.Annotate (txt, (x [i], y [i]))
PLT.zeigen()

Um das Streudiagramm zu visualisieren, müssen wir dem Verfahren folgen. Wir haben damit begonnen, die Dimensionen auf den X- und Y -Achsen zu definieren. Die mathematische Notation wurde jetzt jedem Punkt zugewiesen. Die für die Schleife wurde dann verwendet, um die Annotationsdaten für jeden Punkt effektiv zu erhalten.

Transformationen und Textposition

Es ist manchmal besser, den Text an einen bestimmten Ort auf der Achse oder Grafik anzuhängen, unabhängig vom Inhalt. Es wird in Matplotlib durch Anpassung der Transformation erreicht. Jedes visuelle Präsentationsframework erfordert eine Methode zum Konvertieren von Koordinaten.

Ein Datenelement muss manchmal an einer bestimmten Position im Diagramm angezeigt werden, die daher in Pixel im Bild angezeigt werden muss. Diese Koordinatenänderungen sind recht einfach, und Matplotlib bietet eine gute Auswahl an Technologien, um sie effektiv auszuführen. Betrachten wir die Instanz der Verwendung solcher Transformationen, um Text an verschiedenen Stellen anzuzeigen:

Matplotlib importieren.Pyplot als PLT
Matplotlib als MPL importieren
PLT.Stil.Verwendung ('Seeborn-WhiteGrid')
Numph als NP importieren
Fig, Ax = PLT.Nebenhandlungen (facecolor = 'rot')
Axt.Achse ([5, 20, 5, 20])
Axt.Text (6, 8, ". Daten: (6, 8) ", Transformation = AX.Transdata)
Axt.Text (0.6, 0.5, ". Achsen: (0.6, 0.5) ", Transformation = AX.Abträge)
Axt.Text (0.6, 0.6, ". Abbildung: (0.6, 0.6) ", Transformation = Abb.verklären);

Der Text ist links und über den bereitgestellten Abmessungen standardmäßig positioniert. Der ".”Nur zu Beginn jeder Zeile repräsentiert den geschätzten Koordinatenpunkt. In diesem Fall scheinen es drei vordefinierte Anpassungen zu geben, die wir anwenden können. Die mit der Achse verknüpften Datenparameter werden durch die Transdatenparameter bereitgestellt.

Die Transaxes -Parameter sind ein Bruchteil der Fläche der Achsen und geben die Position von ihrer Kante der Achsen an. Die Transfigurparameter sind identisch, geben jedoch den Ort als wesentlicher Teil der visuellen Größe an, beginnend von beiden Ecken des linken Randes des Rahmens.

Abschluss

Der Matplotlib -Annotate wurde in diesem Artikel erörtert. Wir haben auch die festgelegten Anforderungen untersucht und einige Fälle erläutert, um sie vollständig zu verstehen. In jedem Fall haben wir die Syntax geändert und die Ergebnisse bewertet. Und endlich könnten wir angeben, dass die Matplotlib -Methode verwendet wird, um Matplotlib -Diagramme zu kommentieren.

Matplotlib -Anmerkungen werden aufgrund eines Fehlers nicht angezeigt. Beim Betrieb mit dieser Methode können wir den Fehler finden. Die kollektivste Ursache ist ein Fehler, der im Code aufgetreten ist. Zu den häufigsten Fehlern gehört, dass der Annotationstext weit über den Koordinaten in der Erklärung gelegt wird. Aufgrund des Größenunterschieds können wir die Annotation manchmal nicht sehen.