02 figure_axes

25 Oct 2017 | 29 Minute Read on Visualization

Figure_Axes¶

matplotlib을 사용하여 그림을 그리기 위해서 기본적으로 Figure(windows(창)의 개념) 객체와 Figure 객체에 포함되는 하나 이상의 Axes(subplot)를 생성해야 한다.
- matplotlib.pyplot의 하위 함수나 DataFrame.plot 메소드를 호출할때는 자동으로 하나의 Figure와 Axes가 생성이 된다.
Figure객체와 Axes객체는 여러개의 subplot을 관리할때 생성한다.
Figure Docs에 보면 Figure는 모든 plot의 모든 요소를 포함하는 최상위 객체이다. (the figure module provides the top-level Artist, the Figure, which contains all the plot elements)
Axes Docs에 보면 Axes는 Figure의 대부분의 기능을 가지고 있으며(The Axes contains most of the figure element) Axis, Tick, Line2D, Text, Polygon 같은 속성을 조정한다.
Figure와 Axes관련 중요 함수를 보면
- pyplot.subplot docs를 보면 subplot함수는 Axes 객체를 반환한다. subplot은 nrows, ncols, plot_number의 순서대로 인수를 같는다.

In [1]:

from sklearn import datasets
import numpy as np
import pandas as pd

import seaborn as sns
import matplotlib.pyplot as plt

iris = datasets.load_iris()
df = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                     columns= iris['feature_names'] + ['target'])
df = df.rename(columns={'sepal length (cm)': 'sepal length', 'sepal width (cm)': 'sepal width'
                       ,'petal length (cm)': 'petal length','petal width (cm)': 'petal width'})
dict_iris = {0.0:'setosa', 1.0:'versicolor', 2.0:'virginica'}
df['species'] = df['target'].map(dict_iris)
df.head()

Out[1]:

	sepal length	sepal width	petal length	petal width	species
0	5.1	3.5	1.4	0.2	setosa
1	4.9	3.0	1.4	0.2	setosa
2	4.7	3.2	1.3	0.2	setosa
3	4.6	3.1	1.5	0.2	setosa
4	5.0	3.6	1.4	0.2	setosa

In [2]:

ax1 = plt.subplot(2, 1, 1)
plt.plot('sepal length', data = df)

ax2 = plt.subplot(2, 1, 2)
plt.plot('petal length', data = df)
plt.show()

In [3]:

ax1 = plt.subplot(1, 2, 1)
plt.plot('sepal length', data = df)

ax2 = plt.subplot(1, 2, 2)
plt.scatter('petal length','sepal length', data = df)
plt.show()

In [ ]:

In [4]:

tuple_dic = ['mean']
grby3 = df.groupby(['species']).agg(tuple_dic).reset_index()
grby3

Out[4]:

	species	sepal length	sepal width	petal length	petal width	target
		mean	mean	mean	mean	mean
0	setosa	5.006	3.418	1.464	0.244	0.0
1	versicolor	5.936	2.770	4.260	1.326	1.0
2	virginica	6.588	2.974	5.552	2.026	2.0

In [5]:

fig, (ax0, ax1) = plt.subplots(nrows=1,ncols=2, sharey=True, figsize=(7, 4))
grby3.plot(kind='barh', y="sepal length", x="species",   ax=ax0)
ax0.set_xlabel('sepal length')
avg = grby3['sepal length'].mean()
ax0.axvline(x=5, color='b', label='Average', linestyle='--', linewidth=1)
print(avg)

grby3.plot(kind='barh', y="petal length", x="species",  ax=ax1)
ax1.set_xlabel('petal length')
avg = grby3['petal length'].mean()
ax1.axvline(x=2, color='b', label='Average', linestyle='--', linewidth=1)
plt.show()

mean    5.843333
dtype: float64

In [6]:

ax2 = fig.add_subplot(3,1,3)
plt.show()

In [7]:

plt.show()

In [8]:

df = df.iloc[:,:4]
fig, axes = plt.subplots(nrows=4, ncols=1)
for i, c in enumerate(df.columns):
    df[c].plot(kind='bar', ax=axes[i], figsize=(18, 12), title=c)
plt.show()

In [9]:

fig, axes = plt.subplots(nrows=4, ncols=1)
for i, c in enumerate(df.columns):
    df[c].plot(kind='line', ax=axes[i], figsize=(18, 12), title=c)
plt.show()

In [ ]: