Witam na moim kanale. W poprzednim wideo dokładnie omówiłem wykres liniowy oraz wykres z pseudokolorami z biblioteki Matplotlib. Tematem dzisiejszego wideo są histogramy oraz wykresy 3D. Szczególną uwagę chciałbym zwrócić na wykres 3D dlatego, że jest on poniekąd związany z wykresem z pseudokolorami. Wykres 3D, który zbudujemy w ramach dzisiejszego wideo, będzie 3D reprezentacją wykresu z pseudokolorami z poprzedniego wideo, a więc zachęcam do oglądania również poprzedniego nagrania.

Histogramy

Histogram – jeden z graficznych sposobów przedstawiania rozkładu empirycznego cechy. Składa się z szeregu prostokątów umieszczonych na osi współrzędnych.

Na początku tworzymy dane do wizualizacji na histogramie, używając metod dostępnych w bibliotece numpy. Wywołanie np.random.seed(19680801) określa, że za każdym wywołaniem funkcji np.random.randn dostaniemy ten sam wynik i wygląd wykresu się nie zmieni. Parametry przekazane do funkcji np.random.randn określają rozmiar zwróconej tablicy. Pozostałe parametry to:

• mu - wartość oczekiwana
• sigma - odchylenie standardowe

Tworzymy dwa zestawy danych x i x2, które zostaną zwizualizowane na histogramie. W ramach przykładu utworzymy 4 histogramy, każdy o nieco innych parametrach, aby zaprezentować jak poszczególne wartości parametrów wpływają na wizualizację histogramu.

Rysunek wykresu oraz poszczególne histogramy zostaną dodane przy użyciu już znanych nam funkcji figure i subplot. Funkcję figure wywołujemy z parametrem figsize.

Parametry funkcji hist użyte w przykładzie poniżej to:

• x - dane do wizualizacji
• bins - szerokość słupków histogramu, im mniejsza wartość, tym słupek jest szerszy
• density - należy ustawić na True, aby histogram przedstawiał gęstość prawdopodobieństwa
• histtype - rodzaj histogramu: możliwe wartości: ‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’
• alfa - przezroczystość wizualizacji
• cumulative -jest to wartość typu bool określająca czy każda kolejna wartość ma być sumą poprzednich wartości

Dodatkowo dla każdego wykresu ustawiamy ograniczenie wartości na osiach X i Y, nazwę wykresu oraz flagę czy ma być widoczna siatka wykresu przez użycie funkcji grid. Od razu powiem, że w ramach prezentacji jak działa ta funkcja, zabraknie siatki na drugim histogramie w dzisiejszym przykładzie.

Tak, jak już wspominałem zostaną narysowane 4 wykresy – każdy wykres o nieco zmienionych parametrach.

Wykres 1 – jest to reprezentacja podwójnego zestawu danych z typem histogramu ‘barstacked’ czyli słupki dla tej samej wartości X będą ułożone w stosie. Wartość parametru bins to 50, parametru alpha = 0.75.

Wykres 2 – jest to reprezentacja zestawu danych z parametrem bins równym 25 czyli słupki będą bardziej szerokie, wartość parametru alpha to 0.50. Dodatkowo zostanie usunięta siatka wykresu używając funkcji grid z parametrem False.

Wykres 3 – jest to reprezentacja zestawu danych w poziomie przez ustawienie parametru „orientation”. Jest ważne, aby pamiętać o odpowiedniej zmianie ograniczeń na osiach X i Y, ustawiając odpowiednie znaczenie przez wywołanie funkcji xlim i ylim. Wartość parametru bins to 75, parametru alpha = 0.25.

Wykres 4 – jest to reprezentacja zestawu danych z efektem kumulacyjnym, który jest osiągalny przez ustawienie flagi „cumulative”. Wartość parametru bins to 50, parametru alpha = 0.75.

Dodatkowa informacja o histogramach.

Wykresy 3D

Aby zwizualizować trójwymiarowe dane należy takie dane posiadać oraz użyć parameteru projection=’3d’ w wywołaniu funkcji fig.gca. GCA to get current access - jeżeli figura nie posiada żadnej z osi, to automatycznie zostanie utworzona jedna oś.

W przykładzie z wykresem 3D będziemy używać kilka nowych funkcji, które zaraz omówię po kolei.

Wywołanie ax.plot_surface tworzy trójwymiarową powierzchnie na podstawie danych 3D.

Wywołanie set_major_locator(LinearLocator(10)) określa ilość oznaczeń na osi, w tym przypadku będziemy mieli 10 oznaczeń.

Wywołanie set_major_formatter(FormatStrFormatter(‘%.02f’)) określa format oznaczeń na osi, w tym przypadku będzie to wartość z dwoma znakami po przecinku.

Parametry wywołania fig.colorbar (mapowanie wartości Z do koloru):

• surf - powierzcznia, która została użyta w wykresie 3D
• shrink - współczynnik, o który zostaną pomnożone wymiary paska kolorów
• aspect - współczynnik wysokości do szerokości paska kolorów

Jeżeli porównać kod od wywołania funkcji gca do wywołania funkcji plot_surface, to można zauważyć że jest on bardzo podobny do kodu z przykładu z wykresem w pseudokolorach w poprzednim wideo. Po zbudowaniu wykresu 3D zachęcam do porównania wizualizacji wykresu z pseudokolorami z wykresem 3D.

Dodatkowa informacja o wykresach 3D.

To był ostatni przykład na dziś. Dziękuję za uwagę. W kolejnym wideo zaprezentuję wykres strumieni i wykres słupkowy. 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.