Échelle de journal Matplotlib

Les axes dans tous les graphiques matplotlib sont déterministes par défaut, tout comme les fonctions yscale () et xscale (). Le module Pyplot serait utilisé pour modifier la mise à l'échelle visuelle de l'axe Y ou de l'axe X à une fonction exponentielle. La fonction yscale () ou xscale () ne nécessite qu'un seul argument, qui serait le type de modification du spectre. Pour changer les dimensions en échelle logarithmique, utilisez simplement le terme «log» ou Matplotlib.escalader.

Aux fonctions YSCALE et XSCALE, spécifiez le module d'échelle de journal. L'échelle logarithmique est efficace pour visualiser les ensembles de données avec des nombres extrêmement petits et parfois très énormes car il présente les ensembles de données de telle manière que nous pouvons obtenir efficacement la plupart des nombres même sans que des ensembles différents ne soient écrasés trop intimement intimement.

Nous allons discuter de l'échelle de journal Matplotlib à Python dans cet article. La mise à l'échelle du journal Matplotlib est une échelle à 10 puissances. Nous pourrions utiliser n'importe quelle valeur pour la base, comme 3, ou nous aurions pu utiliser le nombre E pour représenter la valeur du journal naturel. Le rembourrage des composants représentés pourrait être confiné ou élargi en utilisant différentes origines, ce qui permet de visualiser plus clairement.

L'échelle de journal Matlplotlib sera utilisée pour dessiner des axes, des graphiques de dispersion, des graphiques 3D et plus. Examinons quelques échantillons d'échelle de journal alternatifs et leur exécution.

Ajustement de l'échelle de l'axe y à l'échelle du journal Matplotlib

La spécification des axes logarithmiques est identique à la graphique des axes conventionnels, à l'exception d'une seule ligne de code qui indique le type de coordonnées comme `` Log.'

à partir de Matplotlib import pyplot
pypllot.sous-intrigue (1, 1, 1)
x = [30 ** i pour i dans la plage (30)]
pypllot.tracé (x, color = 'rouge', lw = 10)
pypllot.yscale ('log')
pypllot.montrer()

Dans le cas précédent, nous intégrons le matplotlib.bibliothèque pypllot. Matplotlib est un package de Python qui est utilisé pour dessiner différents graphiques et graphiques. Ensuite, nous créons initialement la sous-intrigue qui sera utilisée pour visualiser la carte. Nous utilisons pour Loop ici pour indiquer la valeur de l'axe X.

De plus, nous utilisons la méthode Plot () pour tracer la ligne sur le graphique. Nous pouvons définir la couleur et la largeur de la ligne en fournissant les valeurs aux paramètres «couleur» et «LW». Les pouvoirs de dix seraient ensuite affichés avec leur fonction exponentielle. Les valeurs présentées indiqueront en outre une augmentation exponentielle de l'échelle logarithmique.

En conséquence, nous devrons spécifier le «journal» comme paramètre au pyplot.Fonction yscale () pour obtenir l'axe y à l'échelle logarithmique. De même, nous pourrions également utiliser Pypllot.xscale ('log') pour modifier la mise à l'échelle de l'axe x à une échelle logarithmique.

Échelle du journal dans Matplotlib en utilisant les méthodes semilogx () et semi -gloge ():

Une autre façon de créer un graphique à l'aide d'une échelle logarithmique quelque part le long de l'axe X est d'utiliser la méthode semilogx (). La méthode Semilogy (), en revanche, fournit un chiffre ayant une échelle logarithmique le long de l'axe Y.

Importer des pandas en tant que PD
Importer Matplotlib.pypllot comme plt
x = [200, 2000, 20000, 200000, 2000000]
y = [10, 12, 14, 16, 18]
Fig = plt.Figure (FigSize = (6,4))
PLT.disperser (x, y)
PLT.Terrain (x, y)
PLT.grille()
PLT.Semilogx ()
PLT.Semigy (basy = 3)
PLT.XLabel ("axe x", FonTSize = 15)
PLT.YLABEL ("Y-Axe", Fontsize = 15)
PLT.montrer()

Ci-après, important les bibliothèques, nous avons initialisé deux tableaux qui contiennent des valeurs aléatoires pour les axes x et y. Ensuite, nous ajustons la taille de la figure. Pour dessiner le graphique de dispersion, nous appliquerons le PLT.Fonction Scatter (). En attendant, nous utilisons la fonction Plot () pour tracer la ligne. La valeur standard de la base du logarithme est de 10. La base pourrait être spécifiée avec les arguments BaseX et Basey aux méthodes semilogx () et semilogy (), en conséquence.

Le plt.La méthode semilogx () a la base 10 par défaut et il est utilisé pour convertir l'axe x en une échelle de journal dans ce scénario. Le plt.La méthode semilogy (), en revanche, transforme l'axe y d'une valeur de l'échelle logarithmique de base 3. En plus de cela, nous spécifions les étiquettes des axes comme «axe x» et «axe y» en utilisant PLT.Fonctions Label (). De même, la taille de la police de ces étiquettes est également définie ici. Maintenant, nous utilisons la fonction show () pour présenter le graphique.

Utilisation de la fonction loglog ()

Dans cette étape, la méthode LogLog () serait utilisée pour créer une mise à l'échelle du journal sur l'axe X ou l'axe Y.

Importer des pandas en tant que PD
Importer Matplotlib.pypllot comme plt
x = [30, 300, 3000, 30000, 300000]
y = [22, 24, 28, 26, 32]
Fig = plt.Figure (FigSize = (4, 4))
PLT.disperser (x, y)
PLT.Terrain (x, y)
PLT.LogLog (BaseX = 20, Basey = 4)
PLT.montrer()

Premièrement, nous incluons les bibliothèques requises pour les visualisations graphiques. Ensuite, nous prenons deux variables pour stocker les tableaux. Ces tableaux contiennent les valeurs des ensembles de données pour les axes x et y. La taille du graphique est indiquée par l'utilisation de la fonction FigSize (). Ici, nous voulons tracer le graphique de dispersion, nous utilisons donc la fonction Scatter ().

En attendant, nous traceons la ligne en utilisant la méthode Plot (). Maintenant, nous appliquons la méthode loglog () ici. La valeur de la base du journal pour l'axe x et l'axe y est déterminée principalement par les arguments Basex et Basey. Les entrées BaseX = 20 et Basey = 4 sont fournies au PLT.Méthode LogLog (), qui produit l'axe X-Up Salse Up-up de base dans ce cas.

Sur l'axe des y, l'échelle logarithmique de base 4 est utilisée. De plus, le PLT.La méthode Show () est utilisée pour représenter le graphique.

Afficher les nombres négatifs sur l'échelle du journal Matplotlib

Les ensembles de données incluent parfois des nombres mixtes positivement et négativement. La mise à l'échelle logarithmique ne sera pas mise en œuvre dans ces situations car les valeurs négatives n'ont pas de valeurs logarithmiques.

Conclusion

Dans cet article, nous avons examiné comment nous utilisons l'échelle de journal Matplotlib à Python. L'utilisation de l'échelle logarithmique est une approche de visualisation des données efficace. Nous avons montré une variété de méthodes pour appliquer une échelle logarithmique aux dimensions. Ces méthodes incluent Semilogx () et Semilogy (), ainsi que LogLog (). Nous avons en outre expliqué comment créer des graphiques et des histogrammes de dispersion par l'utilisation de l'échelle de journal Matplotlib.