Matplotlib 스택플롯

1. 파이썬의 Stackplot
2. Matplotlib의 Stackplot 기능 사용
3. Matplotlib Stackplot의 이점
4. 결론

‘Matplotlib’는 다양한 플로팅 기능을 제공하는 Python용 라이브러리입니다. matplotlib의 가장 유용한 기능 중 하나는 stackplot 기능입니다.

각 데이터 계열의 값이 서로의 위에 누적되는 누적 영역 플롯을 만들 수 있습니다. 여러 하위 범주가 있는 데이터를 시각화하는 데 특히 유용합니다.

예를 들어 성별, 연령 그룹 또는 위치별로 분류된 데이터를 시각화하는 데 사용할 수 있습니다.

또한 누적 데이터를 시각화하는 좋은 방법입니다. 예를 들어 stackplot을 사용하여 작가가 경력 기간 동안 판매한 총 책 수를 시각화할 수 있습니다.

여러 차원으로 데이터를 시각화하는 방법을 탐색하는 경우 Matplotlib의 stackplot 기능은 훌륭한 옵션입니다.

파이썬의 Stackplot

stackplot은 서로 다른 데이터 조각을 보여주는 플롯입니다. stackplot의 가장 일반적인 용도는 데이터 세트의 다른 부분이 합계에 기여하는 방식을 보여주는 것입니다.

예를 들어 매일 총 햇빛 시간을 보여주는 데이터와 하루 중 각 부분이 기여하는 햇빛 시간을 보여주는 데이터가 있을 수 있습니다.

시간이 지남에 따라 햇빛의 총 시간이 어떻게 변하고 하루 중 각 부분이 총 시간에 어떻게 기여하는지 확인할 수 있습니다.

데이터 세트는 서로 위에 쌓입니다. 첫 번째 데이터는 스택의 맨 아래에 설정되고 마지막 데이터는 맨 위에 설정됩니다.

Matplotlib의 Stackplot 기능 사용

Matplotlib의 stackplot 기능을 사용하면 누적 영역 플롯을 만들 수 있습니다. 이는 양수 값과 음수 값이 모두 있는 데이터를 시각화하는 데 유용할 수 있습니다.

이를 사용하려면 데이터가 목록 목록으로 있어야 합니다.

각 하위 목록에는 하나의 데이터 세트에 대한 데이터가 포함되어야 합니다. 그런 다음 함수는 데이터 세트를 서로 쌓습니다.

색상 목록을 stackplot 함수에 전달하여 각 데이터 세트의 색상을 지정할 수도 있습니다. 기본 색 구성표는 첫 번째 데이터 세트의 경우 파란색, 두 번째 데이터 세트의 경우 주황색, 세 번째 데이터 세트의 경우 녹색입니다.

암호:

# import matplotlib
import matplotlib.pyplot as plt

# months
months = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]

# working weeks each month
working_weeks = [4, 2, 3, 4, 2, 4, 3, 4, 3, 2, 1, 0]

# non-working weeks each month
non_working_weeks = [0, 2, 1, 0, 2, 0, 1, 0, 1, 2, 3, 4]

# Stackplot with the above data
plt.stackplot(months, working_weeks, non_working_weeks, colors=["g", "b"])

# months
plt.xlabel("months")

# working weeks
plt.ylabel("working_weeks")

# set the title of the Graph
plt.title("Working and Non Working weeks in an year")

# show the graph
plt.show()

출력:

Matplotlib Stackplot의 이점

Matplotlib stackplot은 Python의 가장 인기 있는 데이터 시각화 라이브러리 중 하나입니다. 아름다운 차트와 그래프를 쉽게 만들 수 있으며 고도로 사용자 정의할 수 있습니다.

stackplot의 장점 중 하나는 사용이 매우 쉽다는 것입니다. 몇 줄의 코드만으로 기본 차트를 만들 수 있습니다.

더 많은 제어가 필요한 경우 언제든지 코드를 수정하여 원하는 결과를 얻을 수 있습니다.

또 다른 이점은 매우 다양하다는 것입니다. 이를 활용하여 다양한 유형의 차트와 그래프를 만들 수 있습니다.

프레젠테이션이나 연구 논문을 위해 데이터를 시각화하려는 경우 작업을 완료하는 데 도움이 될 수 있습니다.

따라서 사용하기 쉽고 고도로 사용자 정의할 수 있는 데이터 시각화 라이브러리를 찾고 있다면 훌륭한 옵션입니다.

결론

이 블로그는 stackplot이 동일한 플롯에서 여러 데이터 세트를 시각화하는 좋은 방법이라는 결론을 내립니다. 각 데이터 세트의 상대적인 크기를 비교할 때 특히 유용합니다.

이것은 또한 stackplot의 사용에 대해 설명합니다. 이를 위해 플롯하려는 데이터를 전달하고 stack 키워드를 지정합니다.

그러면 Stackplot이 데이터를 아래에서 위로 자동으로 쌓습니다.

또한 각 데이터 스택에 대한 색상을 지정할 수 있으며 이는 서로 다른 데이터 세트를 구별하는 데 유용할 수 있습니다.