파이썬 시각화 예제

# 필요한 모듈을 불러옵니다.
import matplotlib.pyplot as plt

%matplotlib inline

# 그래프를 그릴 X, Y 값을 입력합니다.
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [2, 3, 4, 6, 7, 9, 10, 16, 17, 20]

# Get the figure and the axes
fig, (ax0, ax1) = plt.subplots(nrows=1, ncols=2, sharey=False, figsize=(8, 4))

# 첫번째 그래프
ax0.plot(x, y)  # 선 그래프
ax0.set_ylim([2, 20])  # y축의 값을 지정
ax0.set(title="First", xlabel="Score", ylabel="Time")

# 두번째 그래프
ax1.bar(x, y)  # 막대 그래프
ax1.set_ylim([0, 30])
ax1.set(title="Second", xlabel="Score", ylabel="Time")

# Title the figure
fig.suptitle("TEST", fontsize=14, fontweight="bold")

# 필요한 모듈을 임포트
import numpy as np
import matplotlib.pyplot as plt

%matplotlib inline

# number of data in each group
n_groups = 4

# 각 데이터의 평균
means_group1 = (121.32, 272.88, 277.08, 227.03)
means_group2 = (141.21, 472.15, 457.01, 327.34)

# 각 데이터의 표준편차
std_group1 = (8.0, 5.8, 2.0, 19.9)
std_group2 = (5.0, 15.8, 12.0, 9.1)
fig, ax = plt.subplots()
index = np.arange(n_groups)
bar_width = 0.3  # space between bar
rects2 = plt.bar(
    index,
    means_group1,
    bar_width,
    # color='r' , # color of bar
    yerr=std_group1,  # error bar
    capsize=3,  # cap length for error bar
    ecolor="k",  # color of error bar
    label="group1",
)
rects2 = plt.bar(
    index + bar_width,
    means_group2,
    bar_width,
    # color='b', # color of bar
    yerr=std_group2,  # error bar
    capsize=3,  # cap length for error bar
    ecolor="k",  # color of error bar
    label="treatment group",
)

plt.xlabel("Sample")  # x축 이름
plt.ylabel("mg/ml")  # y축 이름
plt.title("TEST")  # 그래프 이름
plt.xticks(index + bar_width / 2, ("E7", "E8", "E9", "E10"))  # x축 틱
plt.legend()  # 레전드 표시
plt.show()

A = [5.0, 30.0, 45.0, 22.0]
B = [5.0, 25.0, 50.0, 20.0]

X = range(4)
plt.bar(X, A)
plt.bar(X, B, bottom=A)

import numpy as np
import matplotlib.pyplot as plt

women_pop = np.array([5.0, 30.0, 45.0, 22.0])
men_pop = np.array([5.0, 25.0, 50.0, 20.0])
X = np.arange(4)

plt.barh(X, women_pop, label="women")
plt.barh(X, -men_pop, label="man")
plt.legend()

import matplotlib.pyplot as plt

# Data to draw
x = [0.083, 1, 2, 4, 8]
y = [523.11, 62.32, 37.93, 24.85, 13.81]
y2 = [733.31, 220.25, 132.63, 72.63, 25.17]
std = [101.62, 22.61, 13.00, 4.64, 3.56]


fig, ax = plt.subplots(nrows=1, ncols=1, figsize=(5, 4))
# fig = plt.figure() # figure setting
# ax = fig.add_subplot(1,1,1) # Get the figure and the axes

#
ax.errorbar(x, y, std, fmt="ko-", capsize=3)  # 에러바가 있는 선 그래프를 그려줍니다.
ax.errorbar(x, y2, std, fmt="o--", capsize=3)  # 에러바가 있는 선 그래프를 그려줍니다.

# Label과 Title을 정해줍니다.
ax.set(title="Pharmacokinetics ", xlabel="Hours", ylabel="Protein conc.")
# Y축을 log로 바꾸어 줍니다.
ax.set_yscale("log")
plt.show()

import numpy as np
import matplotlib.pyplot as plt

line = plt.figure()

np.random.seed(5)
x = np.arange(1, 101)
y = 20 + 3 * x + np.random.normal(0, 60, 100)
plt.plot(x, y, "o")
plt.show()

import matplotlib.pyplot as plt
import numpy as np

## Create data
np.random.seed(10)
collectn_1 = np.random.normal(100, 10, 200)
collectn_2 = np.random.normal(80, 30, 200)
collectn_3 = np.random.normal(90, 20, 200)
collectn_4 = np.random.normal(70, 25, 200)

## combine these different collections into a list
data = [collectn_1, collectn_2, collectn_3, collectn_4]

fig1, ax = plt.subplots(nrows=1, ncols=1, figsize=(8, 4))

# plotting
ax.boxplot(data)

## Custom x-axis labels
ax.set_xticklabels(["Sample1", "Sample2", "Sample3", "Sample4"])
plt.show()

data = np.random.randn(100)
# 정규분포에서 얻은 100개의 값을 생성
plt.boxplot(data)
# 값 집합을 취한후, 자체에서 평균값, 중앙값과 다른 통계수량을 계산한다.
plt.show()
# 빨간 막대는 평균값, 파란상자는 제 1사분위수부터 제 3사분위수까지의 데이터의 절반을 포함한다 = 데이터평균값의 중심이다.

N_points = 100000
n_bins = 20

# Generate a normal distribution, center at x=0 and y=5
x = np.random.randn(N_points)
y = 0.4 * x + np.random.randn(100000) + 5

fig, ax = plt.subplots()

# We can set the number of bins with the `bins` kwarg
ax.hist(x, bins=n_bins)
plt.show()

import matplotlib.tri as tri

data = np.random.rand(100, 2)

triangles = tri.Triangulation(data[:, 0], data[:, 1])

plt.triplot(triangles)

def pdf(X, mu, sigma):
    a = 1.0 / (sigma * np.sqrt(2.0 * np.pi))
    b = -1.0 / (2.0 * sigma**2)
    return a * np.exp(b * (X - mu) ** 2)


X = np.linspace(-6, 6, 1000)
for i in range(5):
    samples = np.random.standard_normal(50)  # 50개의 표본 집합을 5개 생성
    mu, sigma = np.mean(samples), np.std(samples)
    plt.plot(X, pdf(X, mu, sigma), color=".75")

plt.plot(X, pdf(X, 0.0, 1.0), color="k")

A = np.random.standard_normal((100, 2))
A += np.array((-1, -1))

B = np.random.standard_normal((100, 2))
B += np.array((1, 1))

plt.scatter(A[:, 0], A[:, 1], color=".25")
plt.scatter(B[:, 0], B[:, 1], color=".75")

data = np.random.standard_normal((100, 2))

plt.scatter(data[:, 0], data[:, 1], color="1.0", edgecolor="0.0")

import matplotlib.cm as cm
import matplotlib.colors as col

values = np.random.randint(99, size=50)
cmap = cm.ScalarMappable(col.Normalize(0, 99), cm.binary)

plt.bar(np.arange(len(values)), values, color=cmap.to_rgba(values))
plt.show()
# 높이에 따라 색이 진해짐

import numpy as np
import matplotlib.pyplot as plt


def pdf(X, mu, sigma):
    a = 1.0 / (sigma * np.sqrt(2.0 * np.pi))
    b = -1.0 / (2.0 * sigma**2)
    return a * np.exp(b * (X - mu) ** 2)


X = np.linspace(-6, 6, 1024)
plt.plot(X, pdf(X, 0.0, 1.0), color="k", linestyle="solid")

plt.plot(X, pdf(X, 0.0, 5.0), color="k", linestyle="dashed")

plt.plot(X, pdf(X, 0.0, 25.0), color="k", linestyle="dashdot")

X = np.linspace(-6, 6, 1024)
Y1 = np.sinc(X)
Y2 = np.sinc(X) + 1

plt.plot(X, Y1, marker="o", color=".75")
plt.plot(X, Y2, marker="o", color="k", markevery=32)
plt.show()

X = np.linspace(-4, 4, 1024)
Y = 0.25 * (X + 4.0) * (X + 1.0) * (X - 2.0)

plt.title("Power curve")
plt.xlabel("Air speed")
plt.ylabel("Total drag")
plt.plot(X, Y, c="k")
plt.text(-0.5, -0.25, "Bracjmard")

N = 16
for i in range(N):
    plt.gca().add_line(plt.Line2D((0, i), (N - i, 0), color=".45"))
    # Line2d 함수는 새로운 16개의 독립적인 선을 그린다.
plt.grid(True)
plt.axis("scaled")

import matplotlib.ticker as ticker

name_list = ("Omar", "Serguey", "Max", "Zhou", "Abdin")
value_list = np.random.randint(0, 99, size=len(name_list))
pos_list = np.arange(len(name_list))

ax = plt.axes()
ax.xaxis.set_major_locator(ticker.FixedLocator((pos_list)))
ax.xaxis.set_major_formatter(ticker.FixedFormatter((name_list)))

plt.bar(pos_list, value_list, color=".75", align="center")
plt.show()
# 눈금의 위치를 생성하는 ticker.locater를 보았다. ticker.formatter 객체 인스턴스는 눈금용 레이블을 생성한다.
# 여기서 사용했던 formatter 인스턴스는 fixedformatter이며 문자열 목록에서 레이블을 가져온다

x = [1, 2, 3, 4]
y = [5, 4, 3, 2]

fig, ax = plt.subplots(ncols=3, nrows=2)
ax[0, 0].plot(x, y)
ax[0, 1].bar(x, y)
ax[0, 2].barh(x, y)
ax[1, 0].bar(x, y)
y1 = [7, 8, 5, 3]  # we need more data for stacked bar charts
ax[1, 0].bar(x, y1, bottom=y, color="r")
ax[1, 1].boxplot(x)
ax[1, 2].scatter(x, y)

x1 = np.random.normal(30, 3, 100)
x2 = np.random.normal(20, 2, 100)
x3 = np.random.normal(10, 3, 100)

plt.plot(x1, label="plot")
plt.plot(x2, label="2nd plot")
plt.plot(x3, label="last plot")
# annotate an important value
plt.annotate(
    "Important value",
    (55, 20),
    xycoords="data",
    xytext=(15, 36),
    arrowprops=dict(arrowstyle="->"),
)
plt.show()

import scipy.signal as signal

x = np.linspace(0, 1, 101)  # get some linear data
x[3::10] = 1.5  # add some noisy signal
plt.plot(x)
plt.plot(signal.medfilt(x, 3))
plt.plot(signal.medfilt(x, 15))
plt.legend(["original signal", "length 3", "length 15"])