Witam wszystkich na moim kanale. To wideo jest trzecim wideo szkoleniowym z zakresu biblioteki Matplotlib. W tym wideo pokażę w jaki sposób i z jakimi argumentami możemy wywołać funkcję plot().

Ogólnie rzecz biorąc rysowanie wykresów w Matplotlib jest bardzo proste. Używamy różnych funkcji do dodawania do wykresu różnych obiektów (dane, opisy, legendy) lub zmieniając ich stan.

W pierwszym przykładzie jako argument funkcji plot przekażemy tablicę zawierającą 4 elementy. Pewnie patrząc na kod i wynik jego działania, zastanawiacie się nad kilkoma kwestiami:

• Jak działa funkcja plot? -Jak jest interpretowana tablica [1, 2, 3, 4] przez plot?

W przypadku podanym powyżej każdy element tablicy [1, 2, 3, 4] został potraktowany jako wartość na osi y. Wartości na osi x zostały dopasowane automatycznie do każdego elementu tablicy. W języku Python pierwszy index to 0. Stąd wartości osi x to [0, 1, 2, 3].

Funkcja plot jest dość uniwersalna i może przyjmować dowolną liczbę argumentów. Na przykład można podać 2 tablice reprezentujące wartości x i y równocześnie. W przykładzie 2 przekazujemy dwie tablicy jako argumenty do funkcji plot: pierwsza tablica z wartościami x w zakresie od -5 do 5 oraz druga tablica z wartościami y które są kwadratami wartości x.

Jak widzimy na rysunku z przykładu 2 wartości pierwszej tablicy znalazły się na osi X oraz wartości drugiej tablicy są na osi Y.

Dla każdej pary X i Y można podać trzeci nie wymagany argument określający kolor i typ linii na wykresie. Domyślna wartość tego argumentu to ‘b-‘ co znacza, że będzie to linia ciągła (-) o kolorze niebieskim (b). Wartości tego argumentu pochodzą z MATLAB oraz są dostępne w dokumentacji funkcji plot().

Gdybyśmy chcieli narysować wykres składający się z zielonych markerów w kształcie gwiazdki, to należałoby użyć następującego kodu w którym trzeci argument to „g*”.

Biblioteka Matplotlib pozwala na określenie minimalnej i maksymalnej wartości na osiach X i Y używając funkcji axis(). Funkcja ta przyjmuje 4 argumenty [xmin, xmax, ymin, ymax]. W ramach przykładu dodajmy ograniczenie do poprzedniego wykresu.

Przy próbie uruchomienia kodu z bieżącego przykładu pojawił się błąd. Komunikat o błędzie jednoznacznie określa co było przyczyną blędu – jest nią nieprawidłowa deklaracja import. Po poprawce wszystko powinno działać jak należy.

W ramach przykładu dodaliśmy ograniczenie na oś X w zakresie od 0 do 6 i na oś Y w zakresie od 0 do 30.

Jako parametry liczbowe najlepiej używać tablic numpy array. De facto wszystkie tablice przekazywane do funkcji plot() wewnętrzenie są konwertowane do numpy array. Następny przykład przedstawia użycie tablicy numpy do rysowania kilku wykresów o różnych stylach.

Do generowania danych użyjemy funkcji arange z biblioteki numpy. Tę funkcję użyjemy z trzema argumentami:

• 1. • wartość początkowa tablicy
• 1. • wartość końcowa tablicy
• 0.2 - wartość kroku

W wyniku otrzymamy tablicę jednowymiarową o długości 25.

Tym razem do funkcji plot przekazujemy 9 argumentów. Te 9 argumentów można podzielić na 3 grupy. Każda grupa składa się z trzech arumentów: wartości x, wartości y oraz parametr określający kolor i styl linii wykresu. Po przekazaniu 9 argumentów możemy spodziewać się 3 wykresów na rysunku.

Przy próbie uruchomienai kodu powstał błąd – problemem był nieprawidłowy argument w funkcji plot. Drugim problemem była literówka w nazwie funkcji arange.

W dzisiejszym wideo poznaliśmy niektóre argumenty i sposoby wywołania funkcji plot. W kolejnych wideo będziemy zajmować się pracą z różnymi typami danych w bibliotece Matplotlib.

Dziękuję za uwagę. Jeżeli wideo było pomocne i dowiedziałeś się czegoś nowego, to proszę go zlajkować. Przypominam że pomocne linki wspomniane w wideo zostały dodane do opisu na dole. Jeżeli wciąż masz pytania, to proszę zadaj je w komentarzu do wideo. A jeżeli chcesz być na bieżąco i dowiadywać się jako pierwszy o nowych wideo to subskrybuj ten kanał i kliknij dzwonek. Tekst do niniejszego 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.