Matplotlib -Protokollskala
Geben Sie sowohl für die YSCale- als auch für die XScale -Funktionen das Log -Skala -Modul an. Die logarithmische Skala ist effektiv für die Visualisierung von Datensätzen mit extrem kleinen und manchmal sehr enormen Zahlen, da die Datensätze so vorgestellt werden.
Wir werden die Matplotlib -Log -Skala in Python in diesem Artikel diskutieren. Die Matplotlib-Log-Skalierung ist eine 10-Leistungs-Skala. Wir könnten einen Wert für die Basis verwenden, z. B. 3, oder wir hätten die Nummer E verwenden können, um den Wert des natürlichen Protokolls darzustellen. Die Polsterung der dargestellten Komponenten könnte durch die Verwendung verschiedener Ursprünge eingesperrt oder erweitert werden, wodurch die Visualisierung klarer ermöglicht wird.
Die Matlplotlib -Log -Skala wird verwendet, um Achsen, Streudiagramme, 3D -Diagramme und mehr zu zeichnen. Lassen Sie uns einige alternative Proben der Log -Skala und deren Ausführung untersuchen.
Einstellen der Skala der y-Achse auf Matplotlib-Protokoll-Skala
Das Angeben von logarithmischen Achsen ist identisch mit der Grafik herkömmlichen Achsen, abgesehen von einer einzelnen Codezeile, die die Art von Koordinaten als 'Protokoll angibt.''
von Matplotlib Pyplot importierenPyplot.Nebenhandlung (1, 1, 1)
x = [30 ** i für i im Bereich (30)]
Pyplot.Diagramm (x, color = 'rot', lw = 10)
Pyplot.yscale ('log')
Pyplot.zeigen()
Im vorhergehenden Fall integrieren wir die Matplotlib.Pyplot -Bibliothek. Matplotlib ist ein Paket in Python, das zum Zeichnen verschiedener Diagramme und Grafiken verwendet wird. Als nächstes erstellen wir zunächst die Nebenhandlung, mit der die Karte visualisieren wird. Wir verwenden hier für die Schleife, um den Wert der x-Achse zu sagen.
Darüber hinaus verwenden wir die Plot () -Methode, um die Linie in der Grafik zu zeichnen. Wir können die Farbe und Breite der Linie festlegen, indem wir die Werte für die Parameter "Farbe" und "LW" zur Verfügung stellen. Die zehn Kräfte würden dann zusammen mit ihrer exponentiellen Funktion angezeigt. Die dargestellten Werte geben weiter auf eine exponentielle Erhöhung für die logarithmische Skala hin.
Infolgedessen müssen wir "Protokoll" als Parameter für die Pyplot angeben.yScale () Funktion, um die y-Achse in logarithmischer Skala zu erhalten. Ebenso konnten wir auch Pyplot verwenden.XScale ('log'), um die Skalierung der x-Achse auf eine logarithmische Skala zu ändern.
Log -Skala in Matplotlib unter Verwendung der Methoden Semilogx () und Semilogy ():
Eine andere Möglichkeit, ein Diagramm mit einer logarithmischen Skala irgendwo entlang der X-Achse zu erstellen, besteht darin, die Semilogx () -Methode zu verwenden. Die Semilogy () -Methode hingegen liefert eine Figur mit einer logarithmischen Skala entlang der Y-Achse.
Pandas als PD importierenMatplotlib importieren.Pyplot als PLT
X = [200, 2000, 20000, 200000, 2000000]
y = [10, 12, 14, 16, 18]
Abb = PLT.Abbildung (Figsize = (6,4))
PLT.Streuung (x, y)
PLT.Diagramm (x, y)
PLT.Netz()
PLT.semilogx ()
PLT.Semilogie (Basey = 3)
PLT.xlabel ("x-axis", fontsize = 15)
PLT.ylabel ("y-axis", fontsize = 15)
PLT.zeigen()
Im Folgenden haben wir zwei Arrays initialisiert, die zufällige Werte für die X- und Y -Achsen enthalten. Als nächstes passen wir die Größe der Figur an. Um das Streudiagramm zu zeichnen, werden wir die PLT anwenden.Scatter () Funktion. In der Zwischenzeit verwenden wir die Funktion Plot (), um die Linie zu zeichnen. Der Standardwert der Basis des Logarithmus beträgt 10. Die Basis könnte sowohl mit den Argumenten von Basex- als auch mit den Basis -Argumenten für Semilogx () und Semilogy () -Methoden spezifiziert werden.
Die plt.Die Semilogx () -Methode hat eine Standardbasis 10 und wird verwendet, um die x-Achse in eine Protokollskala in diesem Szenario umzuwandeln. Die plt.Die Semilogy () -Methode hingegen verwandelt die y-Achse von einem Wert der Basis-3-Logarithmic-Skala. Darüber hinaus geben wir die Beschriftungen der Achsen als "x-Achse" und "y-Achse" an, indem wir PLT verwenden.Label () Funktionen. In ähnlicher Weise wird hier auch die Schriftgröße dieser Etiketten definiert. Jetzt verwenden wir die Funktion show (), um die Grafik zu präsentieren.
Verwendung der Funktion loglog ()
In diesem Schritt würde die Loglog () -Methode verwendet.
Pandas als PD importierenMatplotlib importieren.Pyplot als PLT
x = [30, 300, 3000, 30000, 300000]
y = [22, 24, 28, 26, 32]
Abb = PLT.Abbildung (AbbSize = (4, 4))
PLT.Streuung (x, y)
PLT.Diagramm (x, y)
PLT.loglog (basex = 20, basey = 4)
PLT.zeigen()
Erstens schließen wir Bibliotheken ein, die für grafische Visualisierungen erforderlich sind. Dann nehmen wir zwei Variablen zum Speichern der Arrays. Diese Arrays enthalten die Werte von Datensätzen für die X- und Y -Achsen. Die Größe des Diagramms wird durch die Verwendung der Funktion von Figsize () angegeben. Hier möchten wir das Streudiagramm zeichnen, damit wir die Funktion Scatter () verwenden.
In der Zwischenzeit zeichnen wir die Linie mit der Methode Plot (). Jetzt wenden wir hier die Loglog () -Methode an. Der Wert der Basis des Protokolls sowohl für die x-Achse als auch für die y-Achse wird hauptsächlich durch Basisx- und Basisargumente bestimmt. Der Basex = 20 und Basey = 4 Eingänge werden der PLT zur Verfügung gestellt.LogLog () -Methode, die in diesem Fall die Basis 20-Log-Scale-up-X-Achse erzeugt.
Auf der Y-Achse wird die logarithmische Basis-Skala verwendet. Darüber hinaus die PLT.Show () Methode wird verwendet, um die Grafik darzustellen.
Zeigen Sie negative Zahlen auf der Matplotlib -Protokollskala an
Die Datensätze umfassen manchmal gemischte und negative Zahlen. Die logarithmische Skalierung wird in diesen Situationen nicht implementiert, da negative Werte keine logarithmischen Werte haben.
Abschluss
In diesem Artikel haben wir untersucht, wie wir die Matplotlib -Log -Skala in Python nutzen. Die Verwendung der logarithmischen Skalierung ist ein effizienter Datenvisualisierungsansatz. Wir haben eine Vielzahl von Methoden zur Anwendung der logarithmischen Skala auf Dimensionen gezeigt. Diese Methoden umfassen Semilogx () und Semilogy () sowie Loglog (). Wir erklärten weiter.