matplotlibでグラフの文字サイズを大きくする - Qiita
import numpy as np import matplotlib.pyplot as plt x = np.arange(0, 10, 0.1) s = np.sin(x) c = np.cos(x) plt.plot(x, s, "r", label="sin") plt.plot(x, c, "k", label="cos") plt.title("Title", fontsize=18) plt.xlabel("xlabel", fontsize=18) plt.ylabel("ylabel", fontsize=18) plt.legend(fontsize=18) plt.tick_params(labelsize=18) plt.savefig("output.png")
matplotlibをフラットデザインっぽく表示させる - Qiita
matplotlibをなんの設定もせずに使っていると、結構ダサいデザインで出力されてしまうので、最近主流になりつつあるフラットデザインに寄せたグラフを作るための初期設定と、実際のサンプルを作ってみたい #matplotlibの初期設定 matplotlibのデザイン（グラフのサイズや色）を管理している設定ファイルは下記のコードで確認できる import matplotlib as mpl from cycler import cycler #カラーのサイクルを先に決定 c_cycle=cycler('color',["#3498db","#e74c3c","#1abc9c","#9b59b6","#f1c40f","#ecf0f1","#34495e", "#446cb3","#d24d57","#27ae60","#663399", "#f7ca18","#bdc3c7","#2c3e5
Python 3.3でmatplitlibとpylabを使おうとしたら RuntimeError: Python is not installed as a frameworkというエラーが発生したときの解決方法 - Qiita
RuntimeError: Python is not installed as a framework. The Mac OS X backend will not be able to function correctly if Python is not installed as a framework. See the Python documentation for more information on installing Python as a framework on Mac OS X. Please either reinstall Python as a framework, or try one of the other backends. なるエラーが発生した。 調査 まず同様のエラーが起こって困っている人、そして解決した人がいないか調べた。 ytというmatpl
Scientific project tutorial | PyCharm
Available only in PyCharm Professional: <a href=\"https://www.jetbrains.com/pycharm/download/\" id=\"-c3tf7n_5\" data-external=\"true\" rel=\"noopener noreferrer\">download</a> to try or <a href=\"https://www.jetbrains.com/products/compare/?product=pycharm&product=pycharm-ce\" id=\"-c3tf7n_6\" data-external=\"true\" rel=\"noopener noreferrer\">compare editions</a></p>"]}"> In this tutorial, yo
Pythonデータサイエンスハンドブック
第3刷正誤表 2020年12月7日更新 p.69、脚注 【誤】 https://raw.githubusercontent.com/jakevdp/PythonDataScienceHandbook/master/notebooks/data/preident_heights.csv 【正】 https://raw.githubusercontent.com/jakevdp/PythonDataScienceHandbook/master/notebooks/data/Seattle2014.csv 目次 訳者まえがき はじめに 1章 IPython：Pythonより優れた Python 1.1 シェルか notebookか 1.1.1 IPythonシェルの起動 1.1.2 Jupyter notebookの起動 1.2 IPythonのヘルプシステムとドキュメント 1.2.1 ?文字を
Pythonでローソク足チャートの表示（matplotlib編） - Qiita
Pythonでグラフを描画するパッケージはたくさんあるのですが、なかなかローソク足チャートに特化したものはありません。 今回、４本値データから比較的簡単にローソク足チャートが作成できるパッケージとして、matplotlibとPlotlyを試してみました。 準備 本記事のPythonコードは、Jupyter notebookで実行することを前提としています。チャートもJupyter notebookにインライン表示させます。 まずは、2016年6月から２か月分の架空の相場データを作成します。 Pythonでランダムウォーク を参考に、 %matplotlib inline import numpy as np import pandas as pd idx = pd.date_range('2016/06/01', '2016/07/31 23:59', freq='T') dn = np.
Show matplotlib plots (and other GUI) in Ubuntu (WSL1 & WSL2)
Ok, so I got it working as follows. I have Ubuntu on windows, with anaconda python 3.6 installed. Download and install VcXsrv or Xming (X11 for Windows) from sourceforge(see edit below) sudo apt-get update sudo apt-get install python3.6-tk (you may have to install a different python*-tk depnding on the python version you're using) pip install matplotlib (for matplotlib. but many other things now w
pylab_examples example code: pcolor_demo.py — Matplotlib 2.0.2 documentation
""" Demonstrates similarities between pcolor, pcolormesh, imshow and pcolorfast for drawing quadrilateral grids. """ import matplotlib.pyplot as plt import numpy as np # make these smaller to increase the resolution dx, dy = 0.15, 0.05 # generate 2 2d grids for the x & y bounds y, x = np.mgrid[slice(-3, 3 + dy, dy), slice(-3, 3 + dx, dx)] z = (1 - x / 2. + x ** 5 + y ** 3) * np.exp(-x ** 2 - y **
API Reference — Matplotlib 3.10.3 documentation
API Reference# Matplotlib interfaces# Matplotlib has two interfaces. See Matplotlib Application Interfaces (APIs) for a more detailed description of both and their recommended use cases. Axes interface (object-based, explicit) create a Figure and one or more Axes objects, then explicitly use methods on these objects to add data, configure limits, set labels etc.
api example code: two_scales.py — Matplotlib 2.0.2 documentation
""" =========================== Plots with different scales =========================== Demonstrate how to do two plots on the same axes with different left and right scales. The trick is to use *two different axes* that share the same *x* axis. You can use separate `matplotlib.ticker` formatters and locators as desired since the two axes are independent. Such axes are generated by calling the `Ax
pylab_examples example code: multiple_yaxis_with_spines.py — Matplotlib 2.0.2 documentation
import matplotlib.pyplot as plt def make_patch_spines_invisible(ax): ax.set_frame_on(True) ax.patch.set_visible(False) for sp in ax.spines.values(): sp.set_visible(False) fig, host = plt.subplots() fig.subplots_adjust(right=0.75) par1 = host.twinx() par2 = host.twinx() # Offset the right spine of par2. The ticks and label have already been # placed on the right by twinx above. par2.spines["right"]
Colormap reference — Matplotlib 3.10.1 documentation
Colormap reference# Reference for colormaps included with Matplotlib. A reversed version of each of these colormaps is available by appending _r to the name, as shown in Reversed colormaps. See Choosing Colormaps in Matplotlib for an in-depth discussion about colormaps, including colorblind-friendliness, and Creating Colormaps in Matplotlib for a guide to creating colormaps. import matplotlib.pypl
matplotlibで3Dプロット - Qiita
import matplotlib print(matplotlib.__version__) # 1.5.1 import numpy as np from scipy.stats import multivariate_normal # for plotting import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D m = 2 #dimension mean = np.zeros(m) sigma = np.eye(m) N = 1000 x1 = np.linspace(-5, 5, N) x2 = np.linspace(-5, 5, N) X1, X2 = np.meshgrid(x1, x2) X = np.c_[np.ravel(X1), np.ravel(X2)] Y_plot = m
Testing — Matplotlib 3.11.0.dev790+gb4cb934bce documentation
Testing# Matplotlib uses the pytest framework. The tests are in lib/matplotlib/tests, and customizations to the pytest testing infrastructure are in matplotlib.testing. Requirements# To run the tests you will need to set up Matplotlib for development. Note in particular the additional dependencies for testing. Note We will assume that you want to run the tests in a development setup. While you can
探索的データ解析における正しい可視化手法の選び方と描き方 - Qiita
データ分析における関数の使い方については様々な記事が上がっています。関数を知らなかったり使い方が分からないときは調べればだいたい答えが見つかります。 一方で、実際に分析を始めようとすると、たとえ関数の使い方がわかっていても、データをどのような切り口から何を分析・可視化していけば良いのか困ってしまうことがよくあります。 この記事では、あんちべさんが書いたデータ解析の実務プロセス入門という本をベースに、どのようなデータから何を見たいときにどのような可視化手法を使えばよいのかを、具体例を交えながら整理していきます。 探索的データ解析とは データ解析のアプローチは、大きく分けて仮説をデータで検証する「仮説検証型」とデータから仮説を生み出す「探索型」に分けられます。 実際にデータ解析を行うときは、仮説検証型と探索型を行き来しつつ知見を見出していきます。 データ解析には検証すべき仮説を設定することが必
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://matplotlib.org/stable/tutorials/intermediate/constrainedlayout_guide.html
matplotlibやpylabで論文向きの白黒のグラフをプロットする - Qiita
matplotlib によるデータ可視化の方法 (2) - Qiita
https://matplotlib.org/stable/faq/howto_faq.html
matplotlibで簡単にアニメーションをつくる（mp4, gif) - Qiita
