Witam wszystkich na moim kanale. Dzisiaj będziemy rozmawiać o podpisach i tekstach, które możemy dodać do naszego wykresu, ulepszając jego czytelność i zrozumiałość dla odbiorców.

Praca z tekstem na wykresie

Funkcja text(), z którą dzisiaj się zapoznamy, może być wykorzystana do dodania tekstu w dowolnym miejscu na wykresie, podobnie jak funkcje xlabel(), ylabel() i title() są używane do dodania tekstu w określonych miejscach na wykresie.

Matplotlib przyjmuje wyrażenia TeX w każdym miejscu, gdzie jest dozwolone przekazanie tekstu. Na przykład: σi=15 w nagłówku może zostać przekazane jako plt.title(r’$\sigma_i=15$’). Litera r na początku nagłówka jest ważna - wskazuje ona, że jest to zwykły string i nie należy traktować \ jako escape symbol.

W ramach przykładu utworzymy histogram danych, który będzie reprezentował zestaw danych o określonej wartości oczekiwanej i odchyleniu standardowym. Wartość oczekiwana zostanie oznaczona jako „mu”, odchylenie standardowe – jako „sigma”; wartości danych zostaną umieszczone w zmiennej „x”.

W naszym przykładzie funkcja hist przyjmuje kilka argumentów. Wśród nich:

• argument „facecolor” – argument określający kolor histogramu; w naszym przykładzie to ‘g’ czyli ‘green’;
• argument „alpha” – argument, który określa przezroczystość wykresu; w naszym przykładzie przezroczystość wynosi 75% czyli wartość argumentu alpha powinna być 0.75.

Standardowo podpisujemy wykres używając funkcji xlabel, ylabel, title. Ograniczymy zakres osi x od 40 do 160 jednostek, zaś zakres osi y od 0 do 0.03 jednostek. Dodatkowo dodamy siatkę na wykresie wywołując funkcję grid z argumentem True.

W celu dodania podpisu na wykresie użyjemy funkcji text. W naszym przykładzie funkcja text przyjmuje 3 argumenty:

• pierwszy argument to koordynata x – w przykładzie to 60;
• drugi argument to koordynata y – w przykładzie to 0.025;
• trzeci argument to text, który chcemy umieścić na wykresie. Tak jak już wspominałem wcześniej może to być tekst w formacie Tex. Link z dodatkowymi informacjami na temat format Tex zostanie umieszczony w opisie wideo.

W opisie wideo znajdzie się również link do strony z tekstem do niniejszego wideo oraz przykłady w Jupyter Notebook. Zachęcam do zapoznania się z tymi materiałami i uruchomienia przykładów lokalnie na swoim komputerze. W ramach nauki można trochę poeksperymentować z przekazywanymi wartościami i zobaczyć jak będzie się zmieniać widok tekstu na wykresie po zmianie argumentów funkcji text.

Praca z adnotacjami

Wykorzystywanie podstawowej funkcji text() w opisie powyżej pozwala na umieszczenie tekstu w dowolnym miejscu na wykresie. Najbardziej rozpowszechnionym użyciem tekstu na wykresie jest adnotacja jakiejś właściwości zamieszczonej na rysunku. W tym przypadku funkcja annotate() wprowadza dodatkową funkcjonalność w celu ułatwienia dodania adnotacji.

W adnotacjach należy rozważyć dwa argumenty: rozmieszczenie właściwości, która jest adnotowana i rozmieszczenie tekstu. Oba argumenty mają postać krotności (x,y).

W ramach przykładu narysujemy wykres funkcji cosinus. Jako źródło danych x posłuży tablica utworzona przez funkcję np.arange. Tablica będzie zawierać elementy w przedziale od 0 do 5 z krokiem 0.01 czyli sumarycznie 500 wartości. Wartości tablicy użyjemy jako argumentów funkcji np.cos.

Dalej użyjemy funkcji annotate do dodania 2 strzałek i 2 podpisów. Ze względu na to, że podpisy będą podobne i będą umieszczane w tym samym miejscu, będą one wyglądały jako jeden podpis. Funkcja annotate przyjmuje kilka argumentów:

• pierwszy argument w naszym przykładzie to tekst, który chcemy dodać;
• drugi argument w naszym przykładzie to „xy” – czyli punkt końcowy strzałki, zaś punkt początkowy jest umieszczony w miejscu gdzie jest dodany tekst;
• trzeci argument w naszym przykładzie to „xytext” – jest to koordynata punktu, w którym zostanie umieszczony tekst, równocześnie jest to punkt początkowy strzałki;
• czwarty argument to „arrowprops” czyli właściwości linii – tutaj przekazujemy słownik dict zawierający 2 właściwości – kolor strzałki i zmniejszenie jej rozmiaru;

Dodatkowo ograniczamy zakres osi y wykresu od -2 do 2 używając funkcji ylim. Standardowo wyświetlamy wykres używając polecenia show.

Praca ze skalą logarytmiczną i innymi rodzajami skal

Matplotlib wspiera nie tylko skale liniowe. Wspiera również skale logarytmiczne i logitowe. Skale te są używane w przypadku bardzo dużych zakresów danych. Zmiana typu skali jest łatwa i jest dokonywana przez użycie funkcji xscale lub yscale.

W tej części przeanalizujemy przykład składający się z 4 wykresów z podobnymi danymi o różnych skalach. Na początku zrobimy import klasy NullFormater. Klasy tej użyjemy do formatowania małych oznaczeń osi Y na puste łańcuchy znaków, aby uniknąć nałożenia dużej ilości oznaczeń osi na siebie.

W celu przygotowywania danych do wykresów użyjemy funkcji np.random.normal oraz funkcji np.random.seed ze stałym argumentem typu integer, aby wygenerowane dane losowe zawsze były takie same.

Na rysunku przy użyciu funkcji subplot dodamy 4 wykresy z różnymi skalami:

• linową
• logarytmiczną
• logarytmiczna symetryczną
• logitową

Czym jest skala liniowa nie wymaga dodatkowego wyjaśnienia, natomiast przyjrzymy się pozostałym trzem skalom.

Skala logarytmiczna jest to rodzaj skali pomiarowej, w której mierzona wartość wielkości fizycznej jest przekształcana za pomocą logarytmu. Skale logarytmiczne są szeroko stosowane w nauce i technice dla odwzorowania wielkości, które przyjmują wartości z szerokiego zakresu.

Skala logarytmiczna symetryczna to jest inny rodzaj logarytmicznej skali pomiarowej. Różnice pomiędzy skalą logarytmiczną a logarytmiczną symetryczną są następujące:

• skala logarytmiczna pozwala tylko na wartości dodatnie;
• skala logarytmiczna symetryczna pozwala na wartości dodatnie i ujemne;
• w skali logarytmicznej symetrycznej można określić zestaw wartości w okolicach 0, który będzie liniowy, a nie logarytmiczny;

Skala logitowa jest to rodzaj skali pomiarowej opartej o funkcję logitową, która jest stosowana w statystyce (jako metoda regresji logistycznej) do przekształcania prawdopodobieństwa na logarytm szans.

To był ostatni przykład na dziś. Dziękuję za uwagę. Jeżeli wideo było pomocne i dowiedziałeś się czegoś nowego to proszę zlajkuj go. 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 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.