matplotlib.pyplot – 主なグラフの設定概要

2020-01-05 / tau / コメントする

概要

matlib.pyplotの各グラフの一般的な設定をまとめておく。なお、カラー、線のスタイル、マーカーの設定はそれぞれ以下を参照

各グラフの主な設定

scatter～散布図

scatter(x, y): デフォルト設定で散布図を描く。
scatter(x, y, marker=markerstyle, c=color): マーカーの種類と色を指定。色指定はc=/color=のどちらでもよい。
scatter(x, y, marker=markerstyle, s=size, color=color): マーカーのサイズも指定

plot～折れ線

plot(x, y): デフォルト設定で折れ線グラフを描く。
plot(x, y, c=color): 線の色を設定。色指定はc=/color=のどちらでもよい
plot(x, y, linestyle=linestyle, linewidth=width): 線のスタイルと太さを設定。
plot(x, y, marker=markerstyle, markersize=size): マーカーのスタイルとサイズを設定。
plot(x, y, styles[, x, y, styles]...): スタイル文字列を使う。スタイル文字列は、たとえば’g^--‘のように表現。複数の線をまとめて指定可能。

barh～横棒グラフ

barh(y, width): ラベルと値を指定して棒グラフを描く。
hist(y, width, fc, ec, linewidth): 塗りつぶし色、枠の色や太さを指定。

hist～ヒストグラム

hist(data, bins=bins, label=label): ビン数を指定してヒストグラムを描く。
hist(data, bins=bins, range=(min, max), color=color, edgecolor=color, linewidgh=width): ビン数、レンジ、塗りつぶし色、枠線の色を指定。
hist(data, density=True): 頻度表示で設定。デフォルトは度数表示
hist(data, alpha=alpha): 複数のヒストグラムを重ねて描く場合の透明度をそれぞれ指定。各グラフのビン幅を揃えたいときは同じレンジを指定。
hist([data1, data2,...], bins=bins, color=[c1, c2,...], label=[l1, l2,...]): 複数のヒストグラムを重ねずに並べて描く。
hist([data1, data2,...], bins=bins, stacked=True): 複数のヒストグラムを積み上げて描く。

円グラフ

pie(data, radius=r, counterclock=False, startangle=90, labels=labels, autopct=pctstring): ラベルとパーセンテージの書式を指定して円グラフを描く。radiusは通常デフォルトの1を使う。counterclockとstartangleはいちいち指定しないといけない。autopctの書式の基本形は、たとえば"%.1f"。ラベルとパーセンテージの位置を、半径の割合で指定可能(labeldistance, pctdistance)
pie(data, counteerclock=False, startangle=90, explode=explodelist): explodeで各データの中心からの位置をリスト指定。同じ小さい値を全データにい指定するとデータ間に隙間ができる。特定データの値を大きくすると、そのデータのみ飛び出る。
pie(data, counteerclock=False, startangle=90, wedgegroups={'linewidgh':width, 'edgecolor'=color): wedgegroupsに辞書を指定して、枠線の幅と色を指定。

ドーナツ型の

matplotlib – linestyle～線のスタイル

2020-01-03 / tau / コメントする

文字列／記号による指定

一般に使われる4つのスタイルについては、文字列あるいは記号で指定。

`"solid"`	“-“	連続線
`"dashed"`	“–“	破線
`"dotted"`	“:”	点線
`"dashdot"`	“-.”	一点鎖線

文字列指定の例

import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111)

x = np.array([0, 1])
y = np.array([0, 1])

ax.plot(x, y, linestyle="solid")
ax.plot(x, y+1, linestyle="dashed")
ax.plot(x, y+2, linestyle="dotted")
ax.plot(x, y+3, linestyle="dashdot")

plt.show()

import numpy as np

import matplotlib.pyplot as plt

fig = plt.figure()

ax = fig.add_subplot(111)

x = np.array([0, 1])

y = np.array([0, 1])

ax.plot(x, y, linestyle="solid")

ax.plot(x, y+1, linestyle="dashed")

ax.plot(x, y+2, linestyle="dotted")

ax.plot(x, y+3, linestyle="dashdot")

plt.show()

記号指定の例

ax.plot(x, y, linestyle="-")
ax.plot(x, y+1, linestyle="--")
ax.plot(x, y+2, linestyle=":")
ax.plot(x, y+3, linestyle="-.")

ax.plot(x, y, linestyle="-")

ax.plot(x, y+1, linestyle="--")

ax.plot(x, y+2, linestyle=":")

ax.plot(x, y+3, linestyle="-.")

実行結果

タプルによる任意のパターン指定

タプルによって、任意のパターンを設定することができる。

(offset, (fg, bg, fg, bg, ...))

第2要素のタプルの中で、前景色の長さと背景色の長さを交互に指定。第1要素は病か開始のオフセット。

ax.plot(x, y, linestyle=(0, (1, 0)))
ax.plot(x, y+1, linestyle=(0, (0, 1)))
ax.plot(x, y+2, linestyle=(0, (1, 1)))
ax.plot(x, y+3, linestyle=(0, (5, 1)))
ax.plot(x, y+4, linestyle=(0, (5, 1, 1, 1)))
ax.plot(x, y+5, linestyle=(0, (5, 3, 1, 3, 1, 3)))
ax.plot(x, y+6, linestyle=(10, (5, 3, 1, 3, 1, 3)))

ax.plot(x, y, linestyle=(0, (1, 0)))

ax.plot(x, y+1, linestyle=(0, (0, 1)))

ax.plot(x, y+2, linestyle=(0, (1, 1)))

ax.plot(x, y+3, linestyle=(0, (5, 1)))

ax.plot(x, y+4, linestyle=(0, (5, 1, 1, 1)))

ax.plot(x, y+5, linestyle=(0, (5, 3, 1, 3, 1, 3)))

ax.plot(x, y+6, linestyle=(10, (5, 3, 1, 3, 1, 3)))

matplotlib – color～色指定

2020-01-03 / tau / コメントする

概要

とりあえずのメモ書き。

1文字での指定

`'b'`	blue/青	■
`'g'`	green/緑	■
`'r'`	red/赤	■
`'c'`	cyan/シアン	■
`'m'`	magenta/マゼンタ	■
`'y'`	yellow/黄	■
`'k'`	black/黒	■
`'w'`	white/白	□

カラーネーム

matplotlibのカラーネーム

matplotlibのドキュメンテーション

グラフの標準色

各種グラフのデフォルトで用いられる標準色がある。

グレー表示

濃淡のレベルを”文字列で”指定。

color=['0.0', '0.2', '0.4', '0.6', '0.8', '1.0']

matplotlib – markers～マーカースタイル

2020-01-03 / tau / コメントする

グラフ表示などで使えるマーカーの種類は以下の通り。

スタイル指定は以下の通り。

“.”	point	・
“,”	pixel	■
“o”	circle	●
“v”	triangle_down	▼
“^”	triangle_up	▲
“<“	triangle_left	◀
“>”	triangle_right	▶
“1”	tri_down	下向き三又
“2”	tri_up	上向き三又
“3”	tri_left	左向き三又
“4”	tri_right	右向き三又
“8”	octagon	⯃
“s”	square	■
“p”	pentagon	⬟
“*”	star	★
“h”	hexagon1	⬢
“H”	hexagon2	⬣
“+”	plus	＋
“x”	x	×
“D”	diamond	◆
“d”	thin_diamond	♦
“\|”	vline	｜
“_”	hline	―
“P”	plus_filled	✚
“X”	x_filled	✖
0	tickleft	╴
1	tickright	╶
2	tickup	╵
3	tickdown	╷
4	caretleft	⯇
5	caretright	⯈
6	caretup	⯅
7	caretdown	⯆
8	caretleftbase	中心ベース左キャレット
9	caretrightbase	中心ベース右キャレット
10	caretupbase	中心ベース上キャレット
11	caretdownbase	中心ベース下キャレット
“None”	マーカーなし
None	マーカーなし	●が表示
” “	マーカーなし
“”	マーカーなし

Python3 – 条件式によるコレクションの要素の抽出

2020-01-03 / tau / コメントする

リストからの要素の抽出

リストから条件に合う要素だけを取り出し、リストとして返す。

lst1 = [0, 1, 2, 3, 4]
print([x for x in lst1 if x > 2])

# [3, 4]

lst1 = [0, 1, 2, 3, 4]

print([x for x in lst1 if x > 2])

# [3, 4]

一部要素がNoneを含む場合にスキップ。

lst2 = [1, None, 2, 3, None]
print([x for x in lst2 if x != None])

# [1, 2, 3]

lst2 = [1, None, 2, 3, None]

print([x for x in lst2 if x != None])

# [1, 2, 3]

辞書からの要素の抽出

辞書から条件に合うキーあるいは値を探し、条件に合う要素のみの辞書として返す。

dct1 = {"one":1, "two":2, "three":3, "four":4, "five":5}
print({key:value for key, value in dct1.items() if value > 2})
print({key:value for key, value in dct1.items() if len(key)==3})

# {'three': 3, 'four': 4, 'five': 5}
# {'one': 1, 'two': 2}

dct1 = {"one":1, "two":2, "three":3, "four":4, "five":5}

print({key:value for key, value in dct1.items() if value > 2})

print({key:value for key, value in dct1.items() if len(key)==3})

# {'three': 3, 'four': 4, 'five': 5}

# {'one': 1, 'two': 2}

キーあるいは値がNoneの場合にスキップ。

dct2 = {"one":1, None:None, "two":2, "three":3, None:None}
print({key:value for key, value in dct2.items() if key != None})
print({key:value for key, value in dct2.items() if value != None})

# {'one': 1, 'three': 3, 'four': 4}
# {'one': 1, 'three': 3, 'four': 4}

dct2 = {"one":1, None:None, "two":2, "three":3, None:None}

print({key:value for key, value in dct2.items() if key != None})

print({key:value for key, value in dct2.items() if value != None})

# {'one': 1, 'three': 3, 'four': 4}

参考：`numpy.ndarray`の要素の抽出

numpy.ndarrayの要素の抽出は以下の手順で。

import numpy as np

ary1 = np.array([0, 1, 2, 3, 4])
print(ary1%2==1)
print(ary1[ary1%2==1])

# [False  True False  True False]
# [1 3]

import numpy as np

ary1 = np.array([0, 1, 2, 3, 4])

print(ary1%2==1)

print(ary1[ary1%2==1])

# [False True False True False]

# [1 3]

ndarrayに条件式を適用すると、各要素の条件への適合／不適合に対応したTrue/Falseを要素とするndarrayが生成される
ndarrayの要素にTrue/Falseを要素とするndarrayを適用すると、Trueに対応する要素だけで構成されるndarrayが生成される
これらをまとめて、ndarray[ndarrayの条件式]として、条件式にあう要素のみのndarrayが得られる

より詳細にはndarray – 条件式による要素の取り出しを参照。

mplot3d.Axes3D – 3次元グラフの概要

2020-01-02 / tau / コメントする

概要

Pythonのライブラリーを使った3次元グラフ表示の概要をまとめる。大きな流れは以下の通り。

# ライブラリーの読み込み
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# Axes3Dオブジェクトの生成
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 各種描画処理

# プロットの表示
plt.show()

# ライブラリーの読み込み

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

# Axes3Dオブジェクトの生成

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

# 各種描画処理

# プロットの表示

plt.show()

Axes3Dオブジェクトの生成で以下のようにしている例もあるが、古いバージョンのものであり、matplotlibのチュートリアルでは上記の方法を推奨している。

fig = plt.figure()
ax = Axes3D(fig)

1 2	fig = plt.figure() ax = Axes3D(fig)

なお、FigureオブジェクトとAxes3Dオブジェクトを1行で生成する方法がこちらに紹介されている。この方法だと1行ですみ、複数のAxes3Dを一度に生成できる。

fig, ax = plt.subplots(subplot_kw=dict(projection='3d'))

1	fig, ax = plt.subplots(subplot_kw=dict(projection='3d'))

各種描画処理

`scatter`～点の表示

2次元のscatterと同じで、x, y, zの3次元の座標を配列で指定。以下の例では立方体の8つの頂点を3次元空間内に表示する。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

x = [1, 1, 2, 2, 1, 1, 2, 2]
y = [1, 2, 1, 2, 1, 2, 1, 2]
z = [1, 1, 1, 1, 2, 2, 2, 2]
fig = plt.figure()
ax = fig.add_subplot(111, projection="3d")
ax.set_xlim3d(0, 3)
ax.set_ylim3d(0, 3)
ax.set_zlim3d(0, 3)
ax.scatter(x, y, z)

plt.show()

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

x = [1, 1, 2, 2, 1, 1, 2, 2]

y = [1, 2, 1, 2, 1, 2, 1, 2]

z = [1, 1, 1, 1, 2, 2, 2, 2]

fig = plt.figure()

ax = fig.add_subplot(111, projection="3d")

ax.set_xlim3d(0, 3)

ax.set_ylim3d(0, 3)

ax.set_zlim3d(0, 3)

ax.scatter(x, y, z)

plt.show()

このコードの概要は以下の通り。

8つの頂点の座標の準備
- x, y, zの座標ごとに配列で準備
figureオブジェクトの取得
axesオブジェクトの取得
- axesオブジェクトの取得
- 3次元とするためにfig.add_subplot(111, projection="3d")としている
x,y,z軸の範囲を設定
- 3次元用のメソッドaxes.set_xlim3d(min, max)などで指定
点の表示
- axes.scatter(x, y, z)と3次元座標で指定

なお、上記の表示結果はマウスでドラッグして回転することができる。

`plot`～曲線の表示

Axes3D.plot(x, y, z)によって、3次元空間内に曲線を描く。

以下の例は、パラメータ表示された以下の曲線を描いている。

(1) $\begin{align*} x = t \cos t,\quad y = t \sin t,\quad z = t \qquad (0 \le t \le 8 \pi) \end{align*}$

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

t = np.linspace(0, 8 * np.pi, num=200)
x = t * np.cos(t)
y = t * np.sin(t)
z = t

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

ax.plot(x, y, z)

plt.show()

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

t = np.linspace(0, 8 * np.pi, num=200)

x = t * np.cos(t)

y = t * np.sin(t)

z = t

fig = plt.figure()

ax = fig.add_subplot(111, projection='3d')

ax.plot(x, y, z)

plt.show()

`plot_wireframe/plot_sufrace`～曲面の表示

meshgrideで生成した座標面に対するf(x, y)の位置を使って、3次元の曲面を描く。plot_wireframeはワイヤーフレーム、plot_surfaceはワイヤーフレームの中の面が塗りつぶされる。以下の例では、z = x² + y²の関数の形状を、ワイヤーフレームと曲面で描く。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

x = np.linspace(-1, 1, 20)
y = np.linspace(-1, 1, 20)
x, y = np.meshgrid(x, y)
z = x**2 + y**2

h_ticks = np.linspace(-1, 1, 5)
v_ticks = np.linspace(0, 2, 5)

fig = plt.figure(figsize=(12, 5))

ax1 = fig.add_subplot(121, projection="3d")
ax1.set_xticks(h_ticks)
ax1.set_yticks(h_ticks)
ax1.set_zticks(v_ticks)
ax1.plot_wireframe(x, y, z)

ax2 = fig.add_subplot(122, projection="3d")
ax2.set_xticks(h_ticks)
ax2.set_yticks(h_ticks)
ax2.set_zticks(v_ticks)
ax2.plot_surface(x, y, z)

plt.show()

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

x = np.linspace(-1, 1, 20)

y = np.linspace(-1, 1, 20)

x, y = np.meshgrid(x, y)

z = x**2 + y**2

h_ticks = np.linspace(-1, 1, 5)

v_ticks = np.linspace(0, 2, 5)

fig = plt.figure(figsize=(12, 5))

ax1 = fig.add_subplot(121, projection="3d")

ax1.set_xticks(h_ticks)

ax1.set_yticks(h_ticks)

ax1.set_zticks(v_ticks)

ax1.plot_wireframe(x, y, z)

ax2 = fig.add_subplot(122, projection="3d")

ax2.set_xticks(h_ticks)

ax2.set_yticks(h_ticks)

ax2.set_zticks(v_ticks)

ax2.plot_surface(x, y, z)

plt.show()

このコードの概要は以下の通り。

表示させる放物面の準備
1. x,yの軸座標を生成
2. numpy.meshgrid()関数で全格子点の座標を生成
3. 格子点座標に対するzの値を計算
x,y軸の軸目盛をhticks、z軸の軸目盛をvticksとして準備
figureの生成
axesの1つ目を生成し、ワイヤーフレーム表示
1. x,y,z軸の軸目盛をaxes.set_xticks()などのメソッドで設定
2. ワイヤーフレームの描画ax1.plot_wireframe(x, y, z)
axesの2つ目を生成し、曲面表示
1. x,y,z軸の軸目盛をaxes.set_xticks()などのメソッドで設定
2. 曲面の描画ax1.plot_surface(x, y, z)

コンターの表示

指定したz座標の位置に、f(x, y)のコンターを描く。以下の例では、z = x² + y²の関数の曲面を描き、z=0の面にコンターを描く。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

x = np.linspace(-1, 1, 50)
y = np.linspace(-1, 1, 50)
x, y = np.meshgrid(x, y)
z3 = np.sqrt(x**2 + y**2)
z4 = np.abs(x) + np.abs(y)

h_ticks = np.linspace(-1, 1, 5)
v_ticks = np.linspace(0, 2, 5)

fig = plt.figure(figsize=(12, 5))

ax3 = fig.add_subplot(121, projection="3d")
ax3.set_xticks(h_ticks)
ax3.set_yticks(h_ticks)
ax3.set_zticks(v_ticks)
ax3.plot_surface(x, y, z3)
ax3.contour(x, y, z3, offset=0)

ax4 = fig.add_subplot(122, projection="3d")
ax4.set_xticks(h_ticks)
ax4.set_yticks(h_ticks)
ax4.set_zticks(v_ticks)
ax4.plot_surface(x, y, z4)
ax4.contour(x, y, z4, offset=0)

plt.show()

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

x = np.linspace(-1, 1, 50)

y = np.linspace(-1, 1, 50)

x, y = np.meshgrid(x, y)

z3 = np.sqrt(x**2 + y**2)

z4 = np.abs(x) + np.abs(y)

h_ticks = np.linspace(-1, 1, 5)

v_ticks = np.linspace(0, 2, 5)

fig = plt.figure(figsize=(12, 5))

ax3 = fig.add_subplot(121, projection="3d")

ax3.set_xticks(h_ticks)

ax3.set_yticks(h_ticks)

ax3.set_zticks(v_ticks)

ax3.plot_surface(x, y, z3)

ax3.contour(x, y, z3, offset=0)

ax4 = fig.add_subplot(122, projection="3d")

ax4.set_xticks(h_ticks)

ax4.set_yticks(h_ticks)

ax4.set_zticks(v_ticks)

ax4.plot_surface(x, y, z4)

ax4.contour(x, y, z4, offset=0)

plt.show()

このコードの手順は上の曲面の表示とほぼ同じで、上記と異なる点は以下の通り。

2つの関数のコンターを比べるのに、xy平面上の点の原点からのL2ノルムとL1ノルムを使っている。
axes.contour()関数でコンターを描画している。
- contour(x, y, z, offset)のoffsetは、コンターを表示する平面のzの値で指定

numpy – meshgridの概要

2020-01-02 / tau / コメントする

格子の生成

3次元グラフの描画にも使われるnumpy.meshgrid()の動作の概要をまとめる。indexingやsparseといった引数については、別の機会に。

import numpy as np

x = np.linspace(-2, 2, 5)
y = np.linspace(-1, 1, 3)
print("x=:\n{}".format(x))
print("y=:\n{}".format(y))

x, y = np.meshgrid(x, y)
print("x=:\n{}".format(x))
print("y=:\n{}".format(y))

# x=:
# [-2. -1.  0.  1.  2.]
# y=:
# [-1.  0.  1.]
# x=:
# [[-2. -1.  0.  1.  2.]
#  [-2. -1.  0.  1.  2.]
#  [-2. -1.  0.  1.  2.]]
# y=:
# [[-1. -1. -1. -1. -1.]
#  [ 0.  0.  0.  0.  0.]
#  [ 1.  1.  1.  1.  1.]]

import numpy as np

x = np.linspace(-2, 2, 5)

y = np.linspace(-1, 1, 3)

print("x=:\n{}".format(x))

print("y=:\n{}".format(y))

x, y = np.meshgrid(x, y)

print("x=:\n{}".format(x))

print("y=:\n{}".format(y))

# x=:

# [-2. -1. 0. 1. 2.]

# y=:

# [-1. 0. 1.]

# x=:

# [[-2. -1. 0. 1. 2.]

# [-2. -1. 0. 1. 2.]

# [-2. -1. 0. 1. 2.]]

# y=:

# [[-1. -1. -1. -1. -1.]

# [ 0. 0. 0. 0. 0.]

# [ 1. 1. 1. 1. 1.]]

x, yがとる範囲を与えると、全格子点の座標が生成される。xが列、yが行を表すカウンターとみると、その内容は以下のようになる。

y\|x	-2	-1	0	1	2
-1	(-2, -1)	(-1, -1)	(0, -1)	(1, -1)	(2, -1)
0	(-2, 0)	(-1, 0)	(0, 0)	(1, 0)	(2, 0)
1	(-2, 1)	(-1, 1)	(0, 1)	(1, 1)	(2, 1)

各格子点位置のx, yの値が各配列の要素に合っていることが確認できる。

格子点座標による演算

生成された格子座標に演算を施したり関数に適用すると、各格子点位置の値が計算される。

z = x*x + y*y
print("z=:\n{}".format(z))

# z=:
# [[5. 2. 1. 2. 5.]
#  [4. 1. 0. 1. 4.]
#  [5. 2. 1. 2. 5.]]

z = x*x + y*y

print("z=:\n{}".format(z))

# z=:

# [[5. 2. 1. 2. 5.]

# [4. 1. 0. 1. 4.]

# [5. 2. 1. 2. 5.]]

matplotlib.pyplot.axes – 縦横比をそろえる

2020-01-02 / tau / コメントする

pyplot.axesでグラフを表示する際に、縦横比を1:1に揃えたい場合。

axes.set_aspect('equal')

import numpy as np
import matplotlib.pyplot as plt

num_points = 50
x = np.zeros(num_points)
y = np.zeros(num_points)

for n in range(0, 50):
    x[n] = np.random.rand()
    y[n] = np.random.rand()

fig = plt.figure()
ax1 = fig.add_subplot(211)
ax2 = fig.add_subplot(212)

ax1.grid(True)
ax2.grid(True)

ax2.set_aspect('equal')

ax1.scatter(x, y)
ax2.scatter(x, y)

plt.show()

import numpy as np

import matplotlib.pyplot as plt

num_points = 50

x = np.zeros(num_points)

y = np.zeros(num_points)

for n in range(0, 50):

x[n] = np.random.rand()

y[n] = np.random.rand()

fig = plt.figure()

ax1 = fig.add_subplot(211)

ax2 = fig.add_subplot(212)

ax1.grid(True)

ax2.grid(True)

ax2.set_aspect('equal')

ax1.scatter(x, y)

ax2.scatter(x, y)

plt.show()

matplotlib.pyplot.axes – 任意位置へのグラフの配置

2020-01-01 / tau / コメントする

グラフを任意の位置に任意のサイズで表示する手順。

pyplot.axes(rect)

ここでrect = [left, bottom, width, height]で指定し、left, bottmはグラフの左下隅の位置、width, heightはグラフのサイズ。それぞれの値は、figureの範囲を0, 1とした場合の相対値。

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, num=100, endpoint=True)
y1 = np.sin(x)
y2 = np.sin(x*2)
y3 = np.cos(x*2)

fig = plt.figure()
ax1 = plt.axes([0.1, 0.3, 0.8, 0.6])
ax2 = plt.axes([0.1, 0.1, 0.8, 0.2])
ax3 = plt.axes([0.55, 0.35, 0.3, 0.2])

ax1.set_ylim(-1, 1)
ax2.set_ylim(-1, 1)

ax1.tick_params(labelbottom=False)
ax2.tick_params(labelleft=False)

ax3.set_title("cos 2x curve")

ax1.plot(x, y1)
ax2.plot(x, y2)
ax3.plot(x, y3)

plt.show()

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, num=100, endpoint=True)

y1 = np.sin(x)

y2 = np.sin(x*2)

y3 = np.cos(x*2)

fig = plt.figure()

ax1 = plt.axes([0.1, 0.3, 0.8, 0.6])

ax2 = plt.axes([0.1, 0.1, 0.8, 0.2])

ax3 = plt.axes([0.55, 0.35, 0.3, 0.2])

ax1.set_ylim(-1, 1)

ax2.set_ylim(-1, 1)

ax1.tick_params(labelbottom=False)

ax2.tick_params(labelleft=False)

ax3.set_title("cos 2x curve")

ax1.plot(x, y1)

ax2.plot(x, y2)

ax3.plot(x, y3)

plt.show()

matplotlib.pyplot – axesとsubplotによる複数グラフの表示

2020-01-01 / tau / コメントする

概要

1つのfigureの中に複数のaxesを表示する方法には、add_subplot()メソッド、subplots()メソッドの2通りがある。

`add_subplot()`による方法

Figure.add_subplot()は既存のfigureオブジェクトにsubplotを追加してAxesオブジェクトを生成する。

add_subplot(): figureに1つのAxesオブジェクトを生成
add_subplot(pos): posは行数・列数・位置を表す3桁の整数。例えば234なら、2行3列のうち4番目の図。各数は当然10未満でなければならない。
add_subplot(nrows, ncols, index): 上記のposを分解して指定。行数・列数が多いときに使える。

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, num=100, endpoint=True)
y1 = np.sin(x*2)
y2 = np.cos(x*2)

fig1 = plt.figure()
ax1 = fig1.add_subplot()

ax1.plot(y1)

fig2 = plt.figure()
fig2.subplots_adjust(hspace = 0.4)
ax2 = fig2.add_subplot(211)
ax3 = fig2.add_subplot(2, 1, 2)

ax2.set_title("sin 2x curve")
ax2.grid(True)
ax2.plot(x, y1)

ax3.set_title("cos 2x curve")
ax3.grid(True)
ax3.plot(x, y2)

plt.show()

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, num=100, endpoint=True)

y1 = np.sin(x*2)

y2 = np.cos(x*2)

fig1 = plt.figure()

ax1 = fig1.add_subplot()

ax1.plot(y1)

fig2 = plt.figure()

fig2.subplots_adjust(hspace = 0.4)

ax2 = fig2.add_subplot(211)

ax3 = fig2.add_subplot(2, 1, 2)

ax2.set_title("sin 2x curve")

ax2.grid(True)

ax2.plot(x, y1)

ax3.set_title("cos 2x curve")

ax3.grid(True)

ax3.plot(x, y2)

plt.show()

`subplots()`による方法

Figure.subplots()は行数と列数を指定して各位置のaxesを配列として一度に生成する。

subplots(nrows=1, ncols=1, figsize=(6.4, 4.8)): nrows、ncolsはsubplotの行数・列数。

戻り値はaxesの配列だが、行数・列数によって配列の次元が違ってくるので注意。

行数・列数とも1の場合（あるいはnrows、ncolsを省略した場合）	Axesオブジェクトが1つ生成される。
行数・列数のいずれかが1の場合	1次元のAxesオブジェクトの配列が生成される。
行数・列数とも1より大きい場合	nrows×ncolsのサイズで2次元のAxesオブジェクトの配列が生成される。

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, num=100, endpoint=True)

fig1, ax1 = plt.subplots()

ax1 = ax1.plot(np.sin(x))

fig2, ax2 = plt.subplots(3, 1)

for n in range(3):
    ax2[n].plot(np.sin(x * (n + 1)))

fig3, ax3 = plt.subplots(2, 2, figsize=(6.4, 4.8))

ax3[0, 0].plot(np.sin(x))
ax3[0, 1].plot(np.cos(x))
ax3[1, 0].plot(np.sin(x * 2))
ax3[1, 1].plot(np.cos(x * 2))

plt.show()

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, num=100, endpoint=True)

fig1, ax1 = plt.subplots()

ax1 = ax1.plot(np.sin(x))

fig2, ax2 = plt.subplots(3, 1)

for n in range(3):

ax2[n].plot(np.sin(x * (n + 1)))

fig3, ax3 = plt.subplots(2, 2, figsize=(6.4, 4.8))

ax3[0, 0].plot(np.sin(x))

ax3[0, 1].plot(np.cos(x))

ax3[1, 0].plot(np.sin(x * 2))

ax3[1, 1].plot(np.cos(x * 2))

plt.show()

行や列のぶち抜きグラフを描きたいとき

以下のようなグラフを描きたいときの方法はこちら。

`subplot`の間隔や位置調整

figure内にsubplotで配置されたグラフの間隔やマージンを調整するにはsubplots_adjust()メソッドを用いる。

詳細な使い方はこちらを参照。

概要

各グラフの主な設定

scatter～散布図

plot～折れ線

barh～横棒グラフ

hist～ヒストグラム

文字列／記号による指定

タプルによる任意のパターン指定

概要

1文字での指定

カラーネーム

matplotlibのカラーネーム

グラフの標準色

グレー表示

リストからの要素の抽出

辞書からの要素の抽出

参考：numpy.ndarrayの要素の抽出

概要

各種描画処理

scatter～点の表示

plot～曲線の表示

plot_wireframe/plot_sufrace～曲面の表示

コンターの表示

格子の生成

格子点座標による演算

概要

add_subplot()による方法

subplots()による方法

行や列のぶち抜きグラフを描きたいとき

subplotの間隔や位置調整

参考：`numpy.ndarray`の要素の抽出

`scatter`～点の表示

`plot`～曲線の表示

`plot_wireframe/plot_sufrace`～曲面の表示

`add_subplot()`による方法

`subplots()`による方法

`subplot`の間隔や位置調整