Witam wszystkich na moim kanale. Mam na imię Andriej i pochodzę z Ukrainy. Programowaniem interesuję się hobistycznie od wieku 11 lat, a od kilku lat jest to moje głowne źródło dochodu. Programuję w językach C# i Python. To wideo jest drugim wideo szkoleniowym z zakresu biblioteki Matplot lib. W tym wideo pokażę jak na jednym rysunku zamieścić kilka wykresów używając osobne osie dla każdego wykresu.

Poprzednio pokazałem jak utworzyć prosty wykres przy pomocy biblioteki Matplotlib. Ten przykład opierał się na założeniu, że wszystkie wykresy będą budowane w ramach tego samego systemu osi czyli wykresy będą krzyrzować się i mieć tę samą skalę. Czasem do wizualizacji danych wielowymiarowych nie jest to porządane i chcielibyśmy rozdzielić wizualizacje jednocześnie pozostawiąjąc je na tym samym rysunku.

Nowy rysunek z kilkoma wykresami utworzymy korzystając z tego samego pliki Jupyter notebook co poprzednio. Na początek skopiujemy już instniejące importy niezbędnych bibliotek. Dalej będziemy potrzebowali danych do wizualizacji. Do wygenerowania tych danych skorzystamy z funkcji linspace użytej w poprzednim wideo. Funkcja ta jest dostępna w bibliotece numpy. W odórżnieniu od poprzedniego wideo utworzymy 2 zakresy danych po jednym dla każdej osi. Zakres dla osi x będzie w przedziale od -2 do 2, zaś zakres dla osi y będzie w przedziale od -5 do 5. Liczba elementów w obu zakresach równa się 100.

Do budowy wykresu użyjemy funkcji figure. Ta funkcja zwraca nam obiekt całego rysunku z którym możemy pracować. W tym przykładzie wywołujemy funkcje figure bez argumentów na potrzeby uproszczenia przykładu, natomiast w kolejnych wideo będziemy omawiać argumenty funkcji figure bardziej szczegółowo. Do obiektu rysunku który został zwrócony przez funkcję figure możemy dodać wykresy podrzędne tzw. subplots. Z kolei każdy wykres podrzędny będzie zajmował swoje określone miejsce na rysunku ogólnym.

Wywołujemy funkcje subplots używając 2 argumentów typu integer. Pierwszy argument to liczba wierszy na rysunku ogólnym w których mogą mieścić się wykresy podrzędne. Drugim argumentem jest liczba kolumn na rysunku ogólnym w których możemy umieścić wykresy podrzędne. A więc aby odwołać się do konkretnego wykresu podrzędnego będziemy używać numeru wiersza i kolumny na rysunku ogólnym. Należy pamiętać że numeracja wierszy i kolumn zaczyna się od 0.

Ustawiamy odstępy pomiędzy wykresami podrzędnymi funkcją subplots_adjust. Domyślne znaczenia argumentów funkcji subplots_adjust to

• left = 0.125 - lewa strona wykresu podrzędnego
• right = 0.9 - prawa strona wykresu podrzędnego
• bottom = 0.1 - dół wykresu podrzędnego
• top = 0.9 - góra wykresu podrzędnego
• wspace = 0.2 - odstęp w poziomie pomiędzy wykresami podrzędnymi, jako odsetek średniej długości osi poziomej
• hspace = 0.2 - odstęp w pionie pomiędzy wykresami podrzędnymi, jako odsetek średniej długości osi pionowej

Należy pamiętać że wartość left ma być mniejsza od wartości right oraz wartość bottom ma być mniejsza od wartości top

Aby wyjaśnić bardziej dokładnie jak należy rozumieć wierszy i kolumny rysunku ogólnego, narysuję prosty przykład w aplikacji Paint. Jest to zwykły prostokąt podzielony na 4 cześci. Możemy umówić się, że każda z czterech części ma swoje własne koordynaty. Koordynaty do prostokątów będą nadawane w taki sam sposób jak bibilioteka Matplotlib nadaje koordynaty do wykresów podrzędnych na rysunku ogólnym.

Korzystając z tego schematu zaczynamy liczyć koordynaty od górnego lewego rogu. W taki sposób możemy określić koordynaty każdego z czterech prostokątów. Lewy górny prostokąt ma koordynaty 0,0. Prawy górny - ma koordynaty 0,1. Lewy dolny prostokąt ma koordynaty 1,0, a ostatni prawy dolny prostokąt ma koordynaty 1,1.

Wywołanie funkcji subplots zwraca oprócz obiektu figure, obiekt axes. Jest to tablica dwuwymiarowa zawierająca koordynaty wykresów podrzędnych. Przy pomocy tej tablicy odwolujemy się do poszczegónych wykresów podrzędnych.

Ustawiamy parametry dla pierwszego wykresu podrzędnego. Na elemencie o indeksie 0,0 w tablice axes wywolujemy następujęce metody:

• plot – czyli dodawanie wykresu podrzędnego. Pierwszym wykresem będzie wykres liniowy o kącie nachylenia 45 stopnie w kolorze czerwonym. Parametr c to kolor linii wykresu i w tym przypadku jest on ustawiony na ‘r’ czyli „red”;
• set_xlabel i set_ylabel – dodawanie podpisów do osi wykresu podrzędnego;
• wywołanie set_text na obiekcie title – to jest dodawanie nagłówku wykresu podrzędnego;
• legend – dodawanie legendy;

Wyświetlamy wykres funkcją show. Jak widzimy na rysunku ogólnym nasz wykres podrzędny pojawił się w tym miejscu gdzie oczekiwaliśmy – na miejscu o koordynatach 0,0. Zostały wyświetlone również i inne miejsca przygotowane do wykresów podrzędnych.

Dodajmy teraz drugi wykres na miejscu o koordynatach 0,1. Będzie to funkcja kwadratowa o kolorze żółtym. Do dodania wykresu możemy posłużyć się kodem już użytym do dodawania pierwszego wykresu podrzędnego. W celu uproszczenia tego przykładu skopiujemy i wkleimy podobny kod, natomiast gdyby to był kod produkcyjny zalecane jest napisanie funkcji która będzie zawierać w sobie całą funkcjonalność dodawania wykresu podrzędnego. Napisanie takiej funkcji nie jest celem tego przykładu i dlatego ten krok pominiemy.

Zwróćmy uwagę na to w jaki sposób została dodana legenda do drugiego wykresu podrzędnego i porównajmy rozmieszczenie legendy na dwóch wykresach podrzędnych. Ta obserwacja nasuwa wniosek, że jeżeli nie podamy żadnych argumentów w wywołaniu funkcji legend, biblioteka Matplot lib wybierze najbardziej optymalne miejsce rozmieszczenie legendy wykresu.

Dodajemy trzeci i czwarty wykresy podrzędne na miejsca o koordynatach 1,0 i 1,1 odpowiednio. Trzeci wykres będzie wykresem funkcji sześciennej o kolorze zielonym, natomiast czwarty wykres to prosta linia równoległa do osi odciętych o kolorze niebieskim. Zwóćmy uwagę że w wywołaniu funkcji plot dla czwartego wykresu nie podajemy koloru. Kolor niebieski jest kolorem domyślnym w bibliotece Matplotlib.

W tym wideo do jednego rysunku dodaliśmy 4 wykresy podrzędne. Taka wizualziacja jest przydatna do analizy danych wielowymiarowych. W kolejnych wideo przejrzymy się bardziej dokładnie jak działa funkcja plot i jakich argumentów należy używać do maksymalnie efektywnego i efektownego wykorzystania funkcji plot w bibliotece Matplotlib.

Dziękuję za uwagę. Jeżeli wideo było pomocne i dowiedziałeś się czegoś nowego to proszę go zlajkować. Jeżeli wciąż masz pytania, to proszę zadaj ich w komentarzu do wideo. A jeżeli chcesz być na bieżąco i dowiadywać się pierwszym o nowych wideo to subskrybuj na kanał i kliknij dzwonek.

Tekst do tego wideo oraz przykłady kodu są dostępne na mojej stronie internetowej – link w opisie do wideo. Dziękuję.

Kod z przykładami w wideo w formacie Jupyter Notebook jest dostępny tu.