사실 그동안 예제 프로그램에서 계속 써왔던 함수, plot()에 대하여 짚고 넘어가 보도록 하겠습니다 .
Axes.plot(*args, data=None, **kwargs)
플롯 함수는 주어진 x와 y값에 대하여 직선 혹은 마커를 표시해줍니다.
위 웹페이지에 나와 있듯이, 간단한 사용법은 다음과 같습니다.
plot([x], y, [fmt], data=None, **kwargs)
만약 x 값을 생략할 경우 range(len(y))가 할당됩니다.
포맷 fmt는 색깔, 마커의 모양, 그리고 선모양을 간단히 지정할 수 있습니다.
fmt = '[color][marker][line]'
그래서 다음 두 줄은 서로 같은 의미입니다.
plot(x, y, 'go--', linewidth=2, markersize=12)
plot(x, y, color='green', marker='o', linestyle='dashed', linewidth=2, markersize=12)
이제 다양한 색깔과 마커와 선 모양을 조합하여 그림을 그리는 프로그램을 보시겠습니다.
이번 프로그램에는 function()을 따로 정의하여 그림의 공통된 부분이 반복되지 않도록 하였으며, numpy.linspace()와 "%"를 이용한 mod() 기능 (나눗셈의 나머지)도 사용되었음을 알려드립니다.
import sys
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import AutoMinorLocator, MultipleLocator
def plot_accessary(ax,subtit=''):
ax.set_title(subtit,x=0.05,y=0.9,ha='left',fontsize=13)
ax.set_xlim(-4,4)
ax.xaxis.set_major_locator(MultipleLocator(1)) # For Major Ticks
ax.xaxis.set_minor_locator(MultipleLocator(0.5)) # For minor Ticks
ax.set_xlabel('X',fontsize=12)
ax.set_ylim(-1.25,1.75)
ax.set_ylabel('Y',fontsize=12)
ax.yaxis.set_minor_locator(AutoMinorLocator(2))
ax.tick_params(axis='both',which='major',labelsize=10)
ax.axhline(y=0.,color='k',linestyle=':')
ax.axvline(x=0.,color='k',ls=':',lw=0.5)
###--- Main ---###
color_names = ['b','g','r','c','m','y','k',]; ncolor=len(color_names)
markers = ['o','v','^','d','s','D','*','+','x',]; nmarker=len(markers)
line_styles = ['-','--','-.',':',]; nlines=len(line_styles)
npts=3 # Initial number of data points
abc='abc'
###--- Plotting Start ---###
##-- Page Setup --##
fig = plt.figure() # Define "figure" instance
fig.set_size_inches(6,4.5) # Physical page size in inches, (lx,ly)
suptit="Axes.plot()"
fig.suptitle(suptit,fontsize=15) # Title for the page
for i in range(12):
###--- Synthesizing data to be plotted ---###
npts+=i
x = np.linspace(-4,4,npts)
ysin = np.sin(x)
line_properties=[color_names[i%ncolor]+markers[i%nmarker],
color_names[i%ncolor]+markers[i%nmarker]+line_styles[i%nlines],
color_names[i%ncolor]+line_styles[i%nlines]]
for j in range(3):
##-- Plotting for axis1: Marker only --##
ax1 = fig.add_subplot(1,1,1) # subplot(# of rows, # of columns, indicater)
lp=line_properties[j]
line1=ax1.plot(x,ysin,lp,markersize=7,linewidth=2.,label='y=sin(x)') # plotting line graph
subtit="({}{}) plot '{}' with {} points".format(i+1,abc[j],lp,npts)
plot_accessary(ax1,subtit)
ax1.legend(loc=1,fontsize=12)
##-- Saving Pic --##
outfnm = "./07_plot_main.plot.{}{}.png".format(i,abc[j]) # File format is decided by the file name, eg. png here
fig.savefig(outfnm,dpi=100,facecolor='0.9') # dpi: pixels per inch
plt.cla()
sys.exit()
위 프로그램을 실행시키면 다음과 같은, 36장의 그림이 나옵니다.
위의 색깔의 경우, 파이쏜에서 미리 정의된 색깔 약어 (알파벳 1글자)는 모두 8개 입니다. (위에 7개 + 'w' for white) 그 외에도 HTML에서 사용되는 색들도 대부분 사용 가능 합니다.
예를 들면
color='salmon'
color='#FA8072'
color=(250/255.,128/255.,114/255.)
모두 같은 색깔로 표시됩니다.
색에 대한 더 자세한 내용은 다음 imshow() 함수를 설명하며 덧붙이겠습니다.
이상 plot()에 대해 알아보았습니다.
"""
제 개인적 목표는
이 목표에 닿기 위해 일단 제가 나름 좀 아는 Python, 그 중에서도 Numpy와 Matplotlib로부터 시작하려 합니다.
"""
[Matplotlib] 00. Intro + 01. Page Setup
[Matplotlib] 02. Axes Setup: Subplots
[Matplotlib] 03. Axes Setup: Text, Label, and Annotation
[Matplotlib] 04. Axes Setup: Ticks and Tick Labels
[Matplotlib] 05. Plot Accessories: Grid and Supporting Lines
[Matplotlib] 06. Plot Accessories: Legend
[Matplotlib] 07. Plot Main: Plot