기본 콘텐츠로 건너뛰기

Python Matplotlib pyplot

import matplotlib.pyplot as plt

plt.plot([1,2,3],[1,2,3], 'bo') # 점(1,1), 점(2,2), 점(3,3)을 파란색 동그라미로 표시한다
plt.plot(x, y, 'go--', linewidth=2, markersize=12) # 초록으로 점을 찍고 쇠선으로 연결하고, 선 뚜께는 2, 점의 크기는 12로 한다

예제
plt.plot(y1, c='b', lw=5, ls='--', marker='+', ms=20, mec='m', mew=5, mfc='y') # lw : line width, ls : line style, ms : marker size, mec : marker edge width, mfc : marker face color














색깔
b : blue
g : green
r : red
c : cyan
m : magenta
y : yellow
k : black
w : white

x, y 라벨 이름 정하기
plt.xlabel('Basic Chart Test')
plt.ylabel('Random')

제목 정하기
plt.title('Title')

figure
fig = plt.figure()
ax1 = fig.add_subplot(2,2,1) # 2행, 2열, 1번째 차트
ax2 = fig.add_subplot(2,2,2) # 2행, 2열, 2번째 차트
ax3 = fig.add_subplot(2,2,3) # 2행, 2열, 3번째 차트
ax4 = fig.add_subplot(2,2,4) # 2행, 2열, 4번째 차트

ax1.plot([1,2,3],[1,2,3],'bo')
ax2.plot([1,2,3],[1,2,3],'r+')
ax3.plot([1,2,3],[1,2,3],'g*')
ax4.plot([1,2,3],[1,2,3],'k.')
plt.show()














범례
y1 = np.random.randint(1, 10, 10)
y2 = np.random.randint(1, 10, 10)

plt.plot(y1, 'r', label='Monthly')
plt.plot(y2, 'b', label='Inflation')
plt.legend() # 라벨의 값을 범례로 알려줌, 위치는 자동
plt.xlabel('X Data')
plt.ylabel('Y Data')

최소, 최대 크기 지정
plt.xlim(0,10) # x 좌표의 한계, 최소 0, 최대 10
plt.ylim(0,10) # y 좌표의 한계, 최소 0, 최대 10
plt.show()














막대 그래프(line chart)
# 회귀
plt.bar([1,2,3,4,5,6,7,8,9,10],y1)
plt.show()














산정도(scatter)
# 분류
x = np.arange(1, 11)
plt.scatter(x,y1)
plt.show()














이 블로그의 인기 게시물

Python 인공신경망 추천 시스템(회귀)

예제 # 인공신경망을 이용한 추천 시스템 # - 순차형(Sequential) 신경망 생성법 # - 함수형(Functional) 신경망 생성법 # - 지금까지 나온 추천 방식 중에서 가장 좋은 성능 # - Regression 방식으로 분석가능 # - 영화의 평점 정보(userid, movieid, rating) # - 이용자는 영화에 대한 취향이 모두 다르다 # - 영화는 다양한 장르가 혼합되어 있다 # - 이용자는 자신의 취향에 맞는 영화에 높은 rating을 제시함 # - 어떤 이용자에게 어떤 장르의 영화를 추천할 것인가? # __call__() 함수를 가진 클래스는 파이썬 함수 callable(클래스)를 사용하면 True를 반환한다 from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import Dense, Embedding, Input input = Input(shape=(1,)) # 함수형 신경망 생성법 hidden1 = Dense(2, activation='relu')(input) # Dense(2, activation='relu')__call__() hidden2 = Dense(2, activation='relu')(hidden1) # callable.object callable(Dense) # __call__ 함수가 있으면 True, 없으면 False # Using Functional API from keras.models import Sequential from keras.layers import * model = Sequential() model.add(Input(shape=(3,))) # Input tensor model.add(Dense(4)) # hidden layer 1 model.add(Dense(units=4)) # hidden layer 2 model.add(Dense(units=1)) # ou...

Blogger

코드 하이라이트 사이트 http://hilite.me/ 코드 <!-- 나만의 공간 --> <style id='daru_css' type='text/css'> .code {      overflow: auto;      height: 200px;      background-color: rgb(239,239,239);      border-radius: 10px;      padding: 5px 10px; } .code::-webkit-scrollbar-thumb {      background-color: grey;      border: 1px solid transparent;      border-radius: 10px;      background-clip: padding-box;   } .code::-webkit-scrollbar {      width: 15px; } </style> <!-- 나만의 공간 -->

Python 문법

제곱 c = c**2; 주석 # 주석 함수 # 함수 형식 def hello(): # 함수 선언     print("여기는 함수") # 함수 실행문 hello() # 함수 호출 #결과: 여기는 함수 def add(a,b): # 매개변수에 자료형이 필요없다     c = a+b     print(f"{a} + {b} = {c}") add(3,5) #결과 : 3 + 5 = 8 if문 if a > b:     print("a가 큽니다") 객체의 정보 dir(객체) 객체의 주소 id(객체) 생략 if 'a' == 'a':     pass # 생략 else:     pass # 생략 enumerate for i,v in enumerate(range(20, 26)):     print(i,v) display display(df)