[matplotlib] matplotlib API

matplotlib API

• matplotlib API 에는 matplotlib.pyplot 을 적용하는 pylot API가 있다.
• 또한 pyplot.subplots 로 하나의 Figure 및 하나 이상의 Axes 객체를 이용해 작업하는 객체 지향 API가 있다.
• matplotlib API Reference : https://matplotlib.org/stable/api/

API Reference — Matplotlib 3.5.2 documentation

 

그래프 그리기

• 그래프는 선, 그림, 텍스트 등의 요소들로 구성되어 있다.
• 이러한 요소들을 figure에 있는 axes에 추가하면 그래프를 그릴 수 있다.
• 대표적으로 plot() 함수를 이용해 그래프를 그릴 수 있으며, plot() 함수는 임의의 수인 인수들을 융통성 있게 취할 수 있다.

 

• 다음 예제에서 plot() 함수는 x축에 [1, 2, 3, 4] 값을, y축에 [1, 4, 9, 16] 값을 갖는 그래프를 그린다.

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.show()

 

그래프 스타일 꾸미기

• 다음 예제의 plot() 함수에는 x, y 쌍의 인수에 색상과 선 타입을 지정하는 옵션인 세 번째 인수가 있다.
• 세 번째 인수의 r은 색상, o는 선 타입을 지정한다.
• 기본 타입은 파란 실선인 b- 이다.
• axis() 함수로 x와 y축 범위를 정한다.

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.axis([0, 6, 0, 20])    # x축 범위 : 0~6, y축 범위 : 0~20
plt.show()

 

• axis() 함수의 매개 변수 옵션에 다음과 같은 문자열 값을 사용해 선을 꾸밀 수 있다.

값	기능
'on'	- 축 선과 라벨들을 나타낸다. - True 와 같다.
'off'	- 축 선과 라벨들을 숨긴다. - False 와 같다.
'equal'	축 범위를 변경함으로써 크기를 동등하게 설정한다.
'scaled'	그래프 박스의 차원을 변경함으로써 크기를 조정한다.
'tight'	모든 데이터를 보여줄 수 있도록 범위를 크게 설정한다.
'auto'	- 자동으로 크기를 조정한다. - 플롯 박스를 데이터로 채운다.
'image'	데이터 범위와 동등한 축 범위로 'scaled'
'square'	사각형, 'scaled'와 비슷하나 초기에는 xmas-xmin=ymax-ymin 을 강제한다.

 

• axis() 함수는 리스트 [xmin, xmax, ymin, ymax] 를 인수로 취한다.
• 또한 axis() 함수에 눈에 보이는 axes 영역인 뷰포트를 설정해야 한다.
• matplotlib 에서 리스트로 작업하는 데 제한을 받을 경우 수치를 처리할 때 문제가 발생하므로 일반적으로 넘파이 배열을 사용한다.
  • 모든 시퀀스는 내부에서 넘파이 배열로 변환된다.

 

• 다음은 배열을 입력하고 하나의 명령어로 여러 선 스타일을 설정하면서 몇 개의 선을 그리는 예제이다.
• r-- 은 빨간 점선, bs는 파란 사각형 마커인 선, g^ 는 초록색 삼각형 마커인 선을 그린다.

t = np.arange(0, 5., 0.2)
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

 

• plot() 함수에 x, y 및 fmt를 3번씩 차례로 전달해 3개의 선을 그린다.

 

• matplotlib은 data 키워드 인수를 가지는 객체를 제공한다.
• 따라서 변수가 문자열로 이루어진 그래프를 생성할 수 있고, 이를 figure로 표시할 수 있다.

 

• 다음 예제는 scatter() 함수의 data 인수로 입력할 dat를 생성하고, dat의 요소인 c의 절댓값에 100을 곱한 후 그 값을 다시 c 요소에 할당한다.
  • 이때 dat은 딕셔너리형이다.

>>> dat = {'a': np.arange(10), 'b': np.random.randint(0, 50, 10), 'c': np.random.randn(10)}
>>> dat['c'] = np.abs(dat['c'])*100
>>> dat
{'a': array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]),
 'b': array([39, 49, 43, 32, 15,  2, 23, 32, 36, 28]),
 'c': array([116.61531656, 205.03892221,  16.74288845,  98.96938681,
        210.5605442 ,  30.12249541,  62.53530478,  94.63565118,
        106.88251258,   4.70903256])}

 

• 산점도를 그리는 scatter() 함수는 data 키워드를 인수로 취할 수 있다.
• data 인수를 입력하면 x, y, s, color, c, linewidths, edgecolors 인수들은 data[] 로 대체된다.

plt.scatter('a', 'b', c='b', s='c', data=dat)
plt.xlabel('axis x')
plt.ylabel('axis y')
plt.show()

 

• 앞 결과 그래프에서 작은 원 10개를 볼 수 있는데, 이 원들은 키 a와 b의 배열 요솟값 10개 쌍을 좌표로 나타낸 것이다.
• 키워드 c='b' 값에 따라 색상이, 키워드 s='c' 값에 따라 마커 크기가 결정되었다.

 

범주형 변수로 서브 플롯 생성

• matplotlib 은 범주형 변수를 직접 그래프로 전달할 수 있다.
• 다음은 변수 names와 values를 함수로 전달해 여러 그래프를 출력하는 예제이다.

names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]

 

• 너비 9인치, 높이 3인치인 새로운 figure를 생성한다.

>>> plt.figure(figsize=(9, 3))
<Figure size 900x300 with 0 Axes>

 

• 많은 figure를 생성하는 경우 pyplot.close() 함수로 사용하지 않는 figure를 닫는다.
• pyplot.close() 함수를 이용하면 pyplot 이 메모리를 비울 수 있다.
• pyplot.close() 로 메모리를 비우면 연산 속도가 빨라진다.

 

• 서브 플롯을 생성하는 방법은 2가지가 있다.
  • subplot() 함수를 이용하는 방법
  • add_subplot() 함수를 이용하는 방법
• 다음은 1행 3열로 이루어진 서브 플롯을 생성하는 예제이다.
• 먼저 subplot() 함수를 이용해 첫 번째 열의 Subplot 객체와 막대 그래프를 생성한다.
• plt.subplot(131) 을 실행한 결과와 plt.figure(figsize=(9, 3)).add_subplot(131) 을 실행한 결과는 동일하다.

>>> plt.subplot(131)    # plt.figure(figsize=(9, 3)).add_subplot(131) 
<AxesSubplot:>

>>> plt.bar(names, values)
<BarContainer object of 3 artists>

 

• 다음으로 1행 3열로 이루어진 서브 플롯들 중, 두 번째 열의 Subplot 객체를 생성하고 산점도를 그린다.
• 세 번째 열로 plot() 함수의 fmt 기본값이 'b-'인 Subplot 객체를 생성하고, 제목이 중앙에 위치한 그래프를 나타낸다.

>>> plt.subplot(132)
<AxesSubplot:>

>>> plt.scatter(names, values)
<matplotlib.collections.PathCollection object at 0x00000164234238B0>

>>> plt.subplot(133)
<AxesSubplot:>

>>> plt.plot(names, values)
[<matplotlib.lines.Line2D object at 0x00000164234815A0>]

>>> plt.suptitle('Categorical Plotting')
Text(0.5, 0.98, 'Categorical Plotting')

>>> plt.show()

 

Figure 객체로 서브 플롯 생성

• subplots() 함수로 서브 플롯 4개를 생성할 수 있다.
• 다음 예제에서 fig 와 ax 로 2개 변수를 지정하는 결과 그래프와, sp 1개 변수만 지정하는 결과 그래프는 동일하다.
• fig 로 4개의 서브 플롯을 그리며, ax는 4개의 서브 플롯을 요소로 가지는 ndarray 이다.

fig, ax = plt.subplots(2, 2)
plt.show()

 

sp = plt.subplots(2, 2)
plt.show()

 

• fig, ax 그리고 sp 를 각각 실행하여 확인해본다.
• 하나의 변수로 처리된 sp는 fig 객체와 ax 객체를 튜플형으로 포함하고 있음을 확인할 수 있다.
• fig는 4개의 Axes 로 구성된 Figure 객체이고, ax는 4개의 AxesSubplot 객체이다.

fig

 

>>> ax
array([[<AxesSubplot:>, <AxesSubplot:>],
       [<AxesSubplot:>, <AxesSubplot:>]], dtype=object)

>>> sp
(<Figure size 432x288 with 4 Axes>,
 array([[<AxesSubplot:>, <AxesSubplot:>],
        [<AxesSubplot:>, <AxesSubplot:>]], dtype=object))

 

• fig, ax 및 sp의 타입을 확인한다.
• sp 는 실행된 fig 와 ax 객체를 포함하는 튜플이다.

>>> type(fig)
matplotlib.figure.Figure

>>> type(ax)
numpy.ndarray

>>> type(sp)
tuple

 

• 이번에는 add_subplot() 함수를 적용해 Subplot 객체를 생성한다.
• fig1은 Figure 객체이고 Axes 가 없으므로 실행해도 빈 figure가 나타난다.
• 따라서 빈 figure에 2행, 2열인 2x2 배열 형태로 배치되는 Subplot 객체 ax1, ax2, ax3, ax4를 생성한다.
• add_subplot(2, 2, 1) 은 왼쪽 상단의 첫 번째 서브 플롯을 생성하라는 의미이다.
• add_subplot(2, 2, 4) 는 오른쪽 하단의 네 번째 서브 플롯을 생성하라는 의미이다.

>>> fig1 = plt.figure()
<Figure size 432x288 with 0 Axes>

>>> fig1
<Figure size 432x288 with 0 Axes>

>>> ax1 = fig1.add_subplot(2, 2, 1)
>>> ax2 = fig1.add_subplot(2, 2, 2)
>>> ax3 = fig1.add_subplot(2, 2, 3)
>>> ax4 = fig1.add_subplot(2, 2, 4)
>>> plt.show()

 

 

라벨, 범례, 주석 추가

• 라벨, 범례, 주석은 그래프를 해석하고 이해할 수 있는 정보를 나타내는 matplotlib의 유용한 기능이다.
• 라벨은 데이터의 이름이나 특징을 알 수 있게 한다.
• 범례는 그래프 안에서 간략한 표기로 데이터 그룹 간 차이를 나타내는 등 그래프를 이해할 수 있게 한다.
• 주석은 데이터를 이해할 수 있도록 돕는다.

 

add_subplot()과 add_axes() 함수로 그래프를 그리고 라벨 붙이기

• add_subplot() 함수로 출력한 그래프와 add_axes() 함수로 출력한 그래프는 차이가 있다.
  • add_subplot() 함수는 전체 figure를 배열의 그리드로 구분한다.
  • add_axes() 함수는 figure 좌측 하단을 0으로 하여 메소드 인수로 x, y 기준점을 잡고, 그 기준점에서 너비와 높이를 계산하여 그래프를 그린다.

 

• 다음 예제의 ax2는 배열 3x4에서 3번째에 자리를 잡는다.
• ax3은 기준점 (0.5, 0.1)에서 너비 0.4, 높이 0.3의 범위로 이루어진 직사각형 axes 그래프를 그린다.

fig = plt.figure()

ax1 = fig.add_subplot(341)
ax2 = fig.add_subplot(343)
ax3 = fig.add_axes([0.5, 0.1, 0.4, 0.3])
ax4 = fig.add_axes([0.8, 0.3, 0.17, 0.5])

ax1.set_title('ax1')
ax2.set_title('ax2')

ax3.set_title('ax3')
ax3.set_xlabel('x-axis')

ax4.set_title('ax4')
ax4.set_ylabel('y-axis')

plt.show()

 

• 그림에 전체 크기를 기본값으로 설정하지 않고, 사용자가 원하는 크기로 설정하고 싶다면 다음 코드를 추가한다.

plt.rcParams['figure.figsize'] = (3, 3)    # 그림의 가로와 세로 비율을 3:3 으로 조정한다.

 

• 다음 예제에서는 axes 객체를 생성하고 히스토그램을 그리고 x축과 y축에 라벨을 설정한다.

fig = plt.figure()

ax1 = fig.add_subplot(211)
ax1.set_ylabel('amplitude')

t = np.arange(0.0, 1.0, 0.01)
s = np.sin(2 * np.pi * t)
line = ax1.plot(t, s, lw=2)

np.random.seed(77)

ax2 = fig.add_axes([0.2, 0.1, 0.6, 0.3])
n, bin, patch = ax2.hist(np.random.randn(50), 5)
ax2.set_title('histogram')

plt.show()

 

• add_subplot(2, 1, 1) 의 첫 번째 숫자 2는 2행, 두 번째 숫자인 1은 1열을 의미하고, 세 번째 숫자 1은 인덱스로 생성된 서브 플롯 2개 중 첫 번째 서브 플롯을 의미한다.
• lw 는 linewidth의 약자로 선 너비를 뜻한다.
• 예제의 np.random.seed(77) 은 시드 값이 77이라는 의미이며, 이후 np.random.randn 메소드에 의해 난수 50개가 발생한다.
  • seed(77)이 적용된 상태에서 전체 코드를 재실행해 np.random.randn(50) 으로 난수를 발생시켜도 이전에 발생한 난수와 같은 값을 가진다.
  • 코드를 재실행할 때 seed() 메소드를 실행하지 않거나 77이 아닌 다른 시드 값을 갖는 seed() 메소드를 실행하면 전과 다른 50개 난수 값이 생성된다.
  • 또한 seed() 메소드를 실행하지 않고, 코드 전체를 재실행하면 실행할 때마다 히스토그램 모양이 바뀐다.
  • 이처럼 seed() 메소드를 실행하지 않으면 매번 난수 값이 달라져 디버깅이 어렵다.
  • seed(77) 을 실행하는 이유는, 컴퓨터 시스템에서 77인 난수 세트를 재사용해야 할 경우를 대비하는 것이다.
    • 인공지능에서는 이러한 세트를 검증 세트(Validation Set)라는 블록으로 사용하기도 한다.

 

스타일 시트와 rcParams로 matplotlib 실행하기

• matplotlib 의 스타일 시트(Style Sheet)는 산점도, 이미지, 막대 그래프, 패치, 선 그래프 및 히스토그램을 표현할 때 유용하다.
• 레이아웃 스타일을 정의하는 스타일 시트는 웹 프로그래밍 언어인 HTML에 적용하는 CSS(Cascading Style Sheet)처럼 matplotlib 그래프에도 적용할 수 있다.
• matplotlib 으로 그래프를 그릴 때 기본값 설정을 이용할 수 있지만, 사용자가 원하는 정교한 그래프를 표현하기 위해서는 matplotlib 속성을 커스터마이징해 실행한다.
• 일반적으로 matplotlib 을 구성하기 시작할 때 읽히는 matplotlibrc 파일에서 기본값을 설정하고 변경할 수 있는데, 이것을 rc 설정 또는 rc 매개 변수라고 한다.
• 따라서 matplotlib 에서 그림 크기, 선 너비, 색상 및 스타일, axes, axis, 그리드, 텍스트 및 폰트 속성 등을 변경할 수 있다.
• URL이나 경로를 style.use('<path>/<style-name>.mplstyle') 호출에 명시하지 않으면 matplotlib 은 다른 위치에 있는 matplotlibrc 를 찾는다. 
• matplotlibrc 의 경로는 다음과 같이 확인한다.

>>> import matplotlib as mpl
>>> mpl.matplotlib_fname()
'C:\\Users\\USERNAME\\AppData\\Local\\Packages\\PythonSoftwareFoundation.Python.3.10_qbz5n2kfra8p0\\LocalCache\\local-packages\\Python310\\site-packages\\matplotlib\\mpl-data\\matplotlibrc'

 

• rc 설정은 파이썬 스크립트나 파이썬 셀에서 변경할 수 있다.
• 모든 rc 설정은 matplotlib.rcParams 라 불리는 딕셔너리형 변수에 저장된다.
• rcParams 는 다음과 같이 직접 변경할 수 있다.

>>> mpl.rcParams['lines.linewidth'] = 2
>>> mpl.rcParams['lines.linestyle'] = '--'

 

• matplotlib 에는 사전에 정의된 많은 스타일이 있다.
• 예를 들어 ggplot 이라는 스타일은 다음과 같이 적용할 수 있으며, 사용 가능한 스타일 리스트도 확인할 수 있다.
• 그러나 이 스타일을 사용하면 인쇄 품질이 저하된다는 단점이 있다.

>>> import matplotlib.pyplot as plt
>>> from matplotlib import rcParams
>>> plt.style.use('ggplot')    # ggplot 스타일 사용
>>> print(plt.style.available)    # 사용 가능한 스타일 리스트 확인
['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']

 

matplotlib.pyplot.legend 함수로 범례 설정하기

• legend() 함수는 축에 범례를 설정한다.
• 다음의 3가지 방법으로 legend() 함수를 호출할 수 있다.

legend()
legend(labels)
legend(handles, labels)

 

호출 방법 ① : legend()

• 함수에 인수를 전달하지 않을 때 legend 요소를 자동으로 설정하는 방법
• legend() 함수를 이용해 범례를 설정하기 전에 아티스트를 이용해 라벨을 결정한다.
• 이 라벨들은 아티스트를 생성할 때 설정되거나 아티스트에서 set_label() 메소드를 호출해 설정할 수 있다.

 

• 다음 예제에서는 아티스트에 속한 ax.plot() 함수의 인수인 label을 범례로 사용한다.
• 라벨의 범례 크기를 14로 설정하고, 그래프 배경을 점선 그리드로 설정했으며 눈금 라벨의 크기를 14로 설정했다.

fig, ax = plt.subplots()

ax.plot([1, 2, 3], label = 'label in creating artist')
params = {'legend.fontsize' : 14}
plt.rcParams.update(params)

plt.rcParams['axes.grid'] = True
plt.rc('grid', linestyle='--')
plt.grid(True)

plt.rcParams['xtick.labelsize'] = 14
plt.rcParams['ytick.labelsize'] = 14

ax.legend()
plt.show()

 

• 다음은 set_label() 메소드를 적용해 호출하는 예제이다.
• line, 은 matplotlib.lines.Line2D 타입이다.
• line, 을 line 으로 코딩하면 오류가 발생하며, 이때 line 은 리스트형으로 서로 다른 타입이다.

fig, ax = plt.subplots()

line, = ax.plot([1, 2, 3])
line.set_label('label by calling method')

ax.legend()
plt.show()

 

호출 방법 ② : legend(labels)

• 현재 그래프 요소에 라벨을 설정하는 방법
• axes 에 이미 존재하는 선에 대한 범례를 만들기 위해 범례에 설정할 문자열을 포함하는 함수를 다음과 같이 호출한다.

fig, ax = plt.subplots()

ax.plot([1, 2, 3])

ax.legend(['calling with strings'])
plt.show()

 

호출 방법 ③ : legend(handles, labels)

• legend() 함수에 요소들을 명확히 정의하는 방법
• legend((line1, line2, line3), ('label1', 'label2', 'label3')) 과 같은 형식으로 입력한다.
• 다음 코드에서 line 이 리스트형인 점에 주목한다.

line = []
linestyle = ['-', '--', ':', '-.']
x = np.linspace(0, 1, 100)

fig, ax = plt.subplots()

for i in range(4):
    line += ax.plot(x, np.sin(2*np.pi*x+i), linestyle[i])

ax.legend(line[:4], ['line1', 'line2', 'line3', 'line4'])
plt.show()

 

• 다음은 4개의 AxesSubplot 객체 중, 원하는 AxesSubplot 객체에 범례를 설정하는 예제이다.
• 예제에서는 2행 2열로 총 4개의 서브 플롯을 설정한 후, 첫 번째 2개 행에는 선 그래프를, 두 번째 2개 행에는 산점도를 그린다.

x = np.linspace(0, 1, 30)
y1 = np.random.randn(30)
y2 = np.random.randn(30)

fig, ax = plt.subplots(2, 2)

ax[0][0].plot(x, y1)
ax[0][1].plot(x, y2, 'r-')
ax[1][0].scatter(x, y1, s=np.linspace(1, 20, num=30))
ax[1][1].scatter(x, y2, s=np.random.randint(20, size=30))

ax[1][0].legend(['AxesSubplot 3'])
plt.show()

 

• legend() 함수를 적용할 때, 리스트를 인수로 넘기거나 plot() 함수에 매개 변수 label 을 적용하고 legend() 함수를 호출할 수 있다.
• 먼저 legend() 함수에 리스트를 인수로 전달하는 예를 살펴본다.

x = np.linspace(0, 1, 50)
y = np.random.randn(50)

plt.plot(x, y)

plt.legend(['Line A'])
plt.show()

 

• 다음은 plot() 함수에 매개 변수로 label 을 적용하고 legend() 함수를 호출하는 예제이다.

x = np.linspace(0, 1, 50)
y1 = np.random.randn(50)
y2 = np.random.randn(50)

plt.plot(x, y1, 'r--', label='Line A')
plt.plot(x, y2, '-', label='Line B')

plt.legend()
plt.show()

 

범례 위치 정하기

• 키워드 인수 loc 로 범례 위치를 설정할 수 있다.
• legend() 함수에 입력하는 loc 인수는 문자열 또는 실수(float) 쌍의 형태이다.
• rcParams['legend.loc'] 에서 axes 에 rcParms['legend.loc'] = 'best' 로 위치를 설정하면 가장 적절한 위치에 범례가 자리 잡는다.
• figure 의 기본 범례 위치는 upper right 이다.
• 범례에 입력하는 문자열 upper left, upper right, lower left, lower right 는 axes/figure에 해당하는 모퉁이에 범례를 위치시킨다.
• upper center, lower center, center left, center right 는 해당하는 테두리 중심에, center 는 중앙에 범례를 위치시킨다.
• 다음 표처럼 숫자를 이용해 문자열 위치를 설정할 수도 있다.

위치 문자열	위치 코드
best	0
upper right	1
upper left	2
lower left	3
lower right	4
right	5
center left	6
center right	7
lower center	8
upper center	9
center	10

 

fig, ax = plt.subplots(2, 1, figsize=(5, 3))

x = np.linspace(0, 10, 12)
y1 = np.random.randint(10, size=12)
y2 = np.random.randint(10, size=12)
y3 = np.arange(12)
y4 = np.random.randint(10, size=12)
lab = ['Line A', 'Line B', 'Line C', 'Line D']

ax[0].plot(x, y1, 'g-')
ax[0].plot(x, y2, '--')
ax[1].plot(x, y3, 'r.')
ax[1].plot(x, y4, 'b:')

ax[0].legend(labels=lab[:2], loc='upper right')
ax[1].legend(labels=lab[2:], loc=2)
plt.show()

 

주석 달기

• text() 함수를 사용하면 Axes의 임의 위치에 텍스트를 위치시킬 수 있다.
• annotate() 함수는 matplotlib.pyplot 모듈 안에 포함된다.
• annotate() 매소드는 matplotlib.axes.Axes 클래스에 포함되며, 주석(Annotation)을 쉽게 만들 수 있는 기능들을 제공한다.
• 주석을 만들 때 xy 인수로 표현하는 화살표 머리 위치, xytext 인수로 표현하는 텍스트 주석의 위치를 고려해야 한다.
• facecolor 는 화살표 색상을, shrink 는 화살표 길이를 나타내는 매개 변수이다.

fig, ax = plt.subplots()

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = ax.plot(t, s, lw=2)

ax.annotate('accent point', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='red', shrink=0.05),)
ax.set_ylim(-2, 2)

plt.show()

 

• xycoords 인수에 다음과 같은 좌표 문자열을 사용할 수 있다.

지원되는 값	내용
'figure points'	figure의 왼쪽 하단부터의 지점(points)
'figure pixels'	figure의 왼쪽 하단부터의 픽셀(pixels)
'figue fraction'	figure의 왼쪽 하단부터의 부분(fraction)
'axes points'	axes의 왼쪽 하단 구석으로부터의 지점
'axes pixels'	axes의 왼쪽 하단 구석으로부터의 픽셀
'axes fraction'	axes의 왼쪽 하단부터의 부분
'data'	주석이 달리는 객체의 좌표 시스템을 사용 (기본값)
'polar'	native 'data' 좌표가 아니면 (theta, r)

 

fig, ax = plt.subplots()

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)

line, = ax.plot(t, s, lw=2)
ax.set_ylim(-2, 2)

ax.annotate('accent point', fontsize=15, xy=(3, 1), xycoords='data', xytext=(5, 1.5),
            textcoords='data', arrowprops=dict(facecolor='blue', shrink=1.5),
            horizontalalignment='right', verticalalignment='top',)
plt.show()

 

• xycoords 인수는 다음과 같은 문자열 값을 가질 수 있다.

xycoords 값	내용
'offset points'	xy 값으로부터 points의 오프셋
'offset pixels'	xy 값으로부터 pixels의 오프셋

 

• textcoords 는 xytext 가 주어진 좌표계이며, 기본값은 xycoords 의 값이다.
• 다음은 textcoords 에 'offset points' 값이 적용되는 예제이다.

fig, ax = plt.subplots()

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)

line, = ax.plot(t, s, lw=2)
ax.set_ylim(-2, 2)

ax.annotate('point offset from data', fontsize=15, xy=(3, 1), xycoords='data', xytext=(-15, 25),
            textcoords='offset points', arrowprops=dict(facecolor='black', shrink=1.25, headwidth=10), 
            horizontalalignment='right', verticalalignment='top',)
plt.show()

 

• 화살표 속성을 정의하는 매개 변수 arrowprops 가 arrowstyle 키를 포함하지 않으면 다음 표와 같은 키들을 입력할 수 있다.
• headwidth=10 을 적용하면 위의 예제와 같은 결과가 나타난다.

키	내용
width	points의 화살의 너비
headwidth	points의 화살 머리의 base 너비
headlength	points의 화살 머리의 길이
shrink	양쪽 끝에서부터 줄어들 총 길이의 비율
?	matplotlib.patches.FancyArrowPatch에 대한 어떤 key

 

• 매개 변수 arrowprops 가 arrowstyle 키를 포함하면 위의 표에 나와 있는 키는 사용할 수 없고, 다음 표와 같이 허용된 arrowstyle 값을 입력할 수 있다.

값	속성
'-'	None
'->'	head_length=0.4,head_width=0.2
'-['	widthB=1.0,lengthB=0.2,angleB=None
'|-|'	widthA=1.0,widthB=1.0
'-|>'	head_length=0.4,head_width=0.2
'<-'	head_length=0.4,head_width=0.2
'<->'	head_length=0.4,head_width=0.2
'<|-'	head_length=0.4,head_width=0.2
'<|-|>'	head_length=0.4,head_width=0.2
'fancy'	head_length=0.4,head_width=0.4,tail_width=0.4
'simple'	head_length=0.5,head_width=0.5,tail_width=0.2
'wedge'	tail_width=0.3,shrink_factor=0.5

참고 : https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.axes.Axes.annotate.html

 

• 다음은 arrowstyle 에 양방향 화살표인 <-> 을 적용하는 예제이다.

fig, ax = plt.subplots()

plt.plot(np.arange(10), np.arange(10))
ax.annotate('here', xy=(-3, -3), xytext=(0, 0), arrowprops=dict(arrowstyle='<->', linewidth=3.5), )
plt.xlim(-10, 10)
plt.ylim(-10, 10)

plt.show()

 

• 다음 예제에서는 annotate() 메소드에 여러 매개 변수를 적용해 주석을 설정한다.
• 화살표 속성을 적용하려면 arrowprops 매개 변수를 사용한다.
• 주석에 속성을 적용하려면 bbox 매개 변수를 사용한다.
• 연산 결과를 그림 파일로 저장하려면 matplotlib.pyplot_savefig 를 적용한다.

fig, ax = plt.subplots()

t = np.arange(-1.0, 1.0, 0.01)
s = np.multiply(t, t**2)

ax.plot(t, s)

ap = dict(arrowstyle='->', color='red', linewidth=3, mutation_scale=20)
bb = dict(facecolor='orange', alpha=0.3, edgecolor='red', boxstyle='square', pad=0.5)

ax.annotate('coordinate system of object annotating', fontsize=14, xy=(0, 0), 
            xycoords='data', xytext=(-0.8, 0.4), arrowprops=ap)
ax.annotate('data scientist', xy=(0.0, -0.75), xytext=(-0.25, -0.5), color='green', size=20, bbox=bb)
ax.set_ylim(-1.5, 1.5)

plt.savefig('annotate.png', dpi=300)    # 연산 결과를 그림 파일로 저장
plt.show()

 

 

텍스트 추가

텍스트 생성 명령어

• pyplot 인터페이스와 객체 지향 API에서 텍스트를 생성하는 데 사용하는 명령어들

pyplot API	객체 지향 API	내용
text	text	Axes의 임의 위치에 텍스트를 추가한다.
annotate	annotate	Axes이 임의 위치에 옵션 arrow가 있는 주석을 추가한다.
xlabel	set_xlabel	Axes의 x축에 라벨을 추가한다.
ylabel	set_ylabel	Axes의 y축에 라벨을 추가한다.
title	set_title	Axes에 제목을 추가한다.
figtext	text	Figure의 임의 위치에 텍스트를 추가한다.
suptitle	suptitle	Figure에 제목을 추가한다.

 

• 다음 예제에서는 텍스트 생성 명령어를 사용하기 위해 AxesSubplot 객체인 ax를 생성한다.

fig = plt.figure()
ax = fig.add_subplot(111)

ax.text(0.6, 0.4, 'colored text', color='green', verticalalignment='top', horizontalalignment='left', fontsize=15)
ax.text(2, 4.5, 'boxed italics text', style='italic', fontsize=15, bbox={'facecolor': 'orange', 'alpha': 0.5, 'pad': 10})

ax.plot([3], [2], 'o')
ax.annotate('This Point', xy=(3, 2), xytext=(4.5, 3), color='blue', fontsize=12, arrowprops=dict(facecolor='red', shrink=0.1))
ax.axis([0, 6, 0, 6])

plt.show()

 

• 첫 번째 text 명령은 생성된 ax 객체의 x=0.6, y=0.4 좌표에 녹색이며 글자 크기가 15인 colored-text 주석을 추가한다.
• 두 번째 text 명령은 x=2, y=4.5 좌표에 텍스트를 추가하며, 투명도 0.5인 오렌지색 박스 안쪽 여백 10으로 설정된 위치에 이탤릭체 텍스트를 위치시킨다.
• plot() 함수는 x=3 ,y=2 좌표에 원을 그린다.
• annotate() 함수는 x=4.5, y=3 좌표에 글자 크기 12인 파란색 주석 'This Point' 를 추가하고 이 지점에서 x=3, y=2 위치까지 빨간색 화살표를 그린다.
• 끝으로 axis() 함수의 매개 변수 xmin=0, xmax=6, ymin=0, ymax=6 은 축의 범위를 설정한다.
• 이때 2개 text 명령에서 좌표 (0.6, 0.4)와 (2, 4, 5) 스케일 범위가 달라 결과에 표시되지 않기 때문에 이를 방지하기 위해 축의 범위를 늘려 axis() 함수를 설정한 점에 주목한다. 

 

matplotlib.axis 모듈

• matplotlib 모듈의 서브 모듈인 axis 모듈은 눈금과 x, y축에 대한 클래스들을 제공한다.
• Artist 모듈의 구성 및 상속 계통도는 다음과 같다.

 

• Axis 객체의 Axis, XAxis, YAxis 클래스와 사용할 수 있는 매개 변수는 다음과 같다.

클래스	matplotlib.axis.Axis(axes, pickradius=15)      →  XAxis와 YAxis에 대한 기본 클래스 matplotlib.axis.XAxis(axes, pickradius=15) matplotlib.axis.YAxis(axes, pickradius=15)
매개 변수	axes : 생성된 Axis가 속하는 Axes pickradius : float, containment tests에 적용, Axis.contains 참조

 

• Axis 클래스의 속성들

 

• Axis 객체인 matplotlib.axis.Ticker 클래스는 눈금 위치와 형식을 정의하는 객체를 포함하는 컨테이너이다.
• matplotlib.axis.Ticker 클래스의 속성은 다음과 같다.

 

• 다음은 Tick 객체인 Tick 클래스를 나타낸 것이다.

 

• 다음은 Tick 클래스의 속성을 나타낸 것이다.

 

• Tick 객체인 XTick, YTick 클래스의 기능은 다음과 같다.

 

• 참고 : https://matplotlib.org/stable/api/axis_api.html

matplotlib.axis — Matplotlib 3.5.2 documentation

 

눈금 위치와 형식 지정하기

• matplotlib.ticker 모듈은 눈금 위치와 형식을 지정하는 클래스들을 포함한다.
• Axis 클래스의 로케이터(Locator)는 주 눈금과 보조 눈금의 위치와 형식을 정하기 위해 사용한다.
• Locator 클래스는 모든 눈금 위치를 설정하는 기본 클래스이다.
• Locator 객체는 데이터 범위에 기반한 뷰 범위를 자동으로 조정 및 관리하고 눈금 위치를 관리한다.
• 다음은 matplotlib.ticker.Locator 클래스의 서브 클래스를 나타낸 것이다.

서브 클래스	정의
AutoLocator	기본으로 MaxNLocator, AutoLocator는 대부분의 그래프에서 기본값인 눈금 로케이터(Locator)
MaxNLocator	모듈이 최대 수의 범위까지 자동으로 눈금 결정
LinearLocator	최소부터 최대까지 동등한 간격의 눈금
LogLocator	최소부터 최대까지 로그 간격의 눈금
MultipleLocator	눈금과 범위가 정수나 실수의 기본 배수
FixedLocator	눈금 위치가 고정됨.
IndexLocator	인덱스에 대한 로케이터
NullLocator	눈금이 없음.
SymmetricalLogLocator	- symlog norm으로 사용하기 위한 로케이터 - 범위 밖의 부분에서는 LogLocator과 같이 작용하고 범위 내에 있다면 0을 더함.
LogitLocator	logit scaling에 대한 로케이터
OldAutoLocator	MultipleLocator 를 선택하고 자동으로 눈금 위치를 설정하기 위해 동적으로 재할당
AutoMinorLocator	- 축이 선형적이고 주 눈금이 일정한 간격일 때 보조 눈금에 대한 로케이터 - 주 눈금을 기본값인 4 또는 5 간격으로 분할하거나 특정 수 간격으로 분할

 

 

• 눈금 형식은 Formatter 클래스의 서브 클래스에서 설정할 수 있다.
• Formatter 는 단일 눈금 값에서 사용하고, 축에 문자열을 적용한다.
• 다음은 matplotlib.ticker.Formatter 의 서브 클래스를 나타낸다.

서브 클래스	정의
NullFormatter	No labels on the ticks.
FixedFormatter	Set the strings manually for the labels.
FuncFormatter	User defined function sets the labels.
StrMethodFormatter	Use string format method.
FormatStrFormatter	Use an old-style sprintf format string.
ScalarFormatter	Default formatter for scalars: autopick the format string.
LogFormatter	Formatter for log axes.
LogFormatterExponent	Format values for log axis using exponent = log_base(value).
LogFormatterMathtext	Format values for log axis using exponent = log_base(value) using Math text.
LogFormatterSciNotation	Format values for log axis using scientific notation.
LogitFormatter	Probability formatter.
EngFormatter	Format labels in engineering notation.
PercentFormatter	Format labels as a percentage.

 

눈금과 눈금 라벨

• Axes 는 축의 라벨을 나타내는 방법을 나타내는 정보인 matplotlib.axis 객체를 포함하며, 이 객체는 ax.xaxis 와 ax.yaxis 객체를 포함한다.
• Axis 객체는 주 는금과 보조 눈금을 포함하고, 이 눈금들의 위치를 결정하는 데 사용하는 matplotlib.xaxis 객체의 set_major_locator 와 set_minor_locator 메소드를 포함한다.
• 또한 눈금 라벨을 설정하는 데 사용하는 matplotlib.xaxis.set_major_formatter 와 matplotlib.xaxis.set_minor_formatter 메소드를 포함한다.
• 로케이터와 포매터의 기본값을 사용하면 눈금 값과 눈금 라벨을 간단히 설정할 수 있다.

 

• 다음 예제는 x1에 0~5까지 범위를 설정하고 그 값들을 변수로 가지는 y1에서 눈금을 설정한다.
• 이때 매개 변수 ticks 시퀀스에 눈금 위치를 설정하는 matplotlib.axis.Xaxis.set_ticks(self, ticks, minor=False) 메소드를 적용한다.
• 매개 변수 ticks 는 실수 시퀀스이며, minor 는 불리언이다.
• 다음 예제에서 subplots() 메소드의 인수 tight_layout 을 False 로 적용해 차이를 확인해보자.

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, ax = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)

ax[0].plot(x1, y1)
ax[1].plot(x1, y1)
ax[1].xaxis.set_ticks(np.arange(0., 8.1, 2.))

plt.show()

 

• ax, ax[1], ax[1].xaxis의 타입을 확인한다.
• ax[1].xaxis는 matplotlib.axis.XAxis 객체임을 확인할 수 있다.

>>> type(ax)
numpy.ndarray

>>> type(ax[1])
matplotlib.axes._subplots.AxesSubplot

>>> type(ax[1].xaxis)
matplotlib.axis.XAxis

 

• 다음 예제는 그래프의 크기가 같도록 설정한다.
• set_ticklabels 메소드를 이용해 눈금 라벨의 텍스트 값을 설정하는데, tickla 는 텍스트 값들의 모음인 리스트이다.
• 예제의 ax[1].set_xlim(ax[0].get_xlim()) 에서 set_xlim() 은 x축 뷰 범위를 설정하며 인수에 입력하는 첫 번째 서브 플롯인 get_xlim() 은 ax[0]에서 x축 범위를 가져와 반환한다.
• 결과를 보면 ax[1] 그래프가 첫 번째 서브 플롯인 ax[0]의 x축 뷰 범위에 맞춰진 것을 확인할 수 있다.

fig, ax = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)

ax[0].plot(x1, y1)
ax[1].plot(x1, y1)

ticks = np.arange(0., 8.1, 2.)
tickla = ['%1.2f' % tick for tick in ticks]

ax[1].xaxis.set_ticks(ticks)
ax[1].xaxis.set_ticklabels(tickla)
ax[1].set_xlim(ax[0].get_xlim())

plt.show()

 

• 기본값이 아닌 로케이터와 포메터를 사용해 눈금 위치와 라벨을 설정하려면 각 축에 Formatter 객체와 Locator 객체를 설정하여 변경하면 된다.
• 다음 예제에서 fomt 에 의해 눈금 수치를 소수점 한 자릿수로 표시하고 FixedLocator 타입이 되는 것을 확인할 수 있다.

fig, ax = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)

ax[0].plot(x1, y1)
ax[1].plot(x1, y1)

ticks = np.arange(0., 8.1, 2.)
fomt = matplotlib.ticker.FormatStrFormatter('%1.1f')
loc = matplotlib.ticker.FixedLocator(ticks)

ax[1].xaxis.set_major_locator(loc)
ax[1].xaxis.set_major_formatter(fomt)

plt.show()

 

 

기타 그래프

막대 그래프

• bar() 와 barh() 함수를 사용해 막대 그래프를 만들 수 있다.

 

• 다음은 bar() 함수를 적용해 오차 막대(Error Bar)가 있는 막대 그래프를 그리는 예제이다.
• 예제에서는 매개 변수 bottom 을 사용해 bar1과 bar2, 2개 그래프를 1개로 나타내고 yerr 매개 변수를 사용해 오차 막대를 나타낸다.
• 또한 주석과 범례를 추가하고 눈금을 표시한다.

girl_weight = (30, 25, 29, 27, 22, 35)
boy_weight = (33, 37, 28, 25, 20, 23)
girl_err = (3, 2, 1, 2, 4, 1)
boy_err = (1, 2, 3, 2, 3, 1)
num = np.arange(6)
width = 0.40

bar1 = plt.bar(num, girl_weight, width, yerr=girl_err)
bar2 = plt.bar(num, boy_weight, width, bottom=girl_weight, yerr=boy_err)

plt.title('Sample Weight of girls and boys', fontsize=14)
plt.ylabel('Student Weight', fontsize=14)
plt.xticks(num, ('S1', 'S2', 'S3', 'S4', 'S5', 'S6'))
plt.yticks(np.arange(0, 81, 5))
plt.legend((bar1, bar2), ('Girl', 'Boy'))

plt.show()

 

• 다음은 barh() 함수를 이용해 간단한 수평 막대그래프를 그리는 예제이다.
• set_yticklabels() 함수를 이용해 학생 이름을 수직 라벨로 설정한다.
• invert_yaxis() 는 y축 라벨의 순서를 바꾸는 함수이다.

fig, ax = plt.subplots()
student = ('Haena', 'Yuna', 'Naeun', 'Bumsuk', 'Suho')
y_coord = np.arange(len(student))

weight = np.array([50, 57, 55, 80, 88])
weight_error = np.random.randn(len(student))

ax.barh(y=y_coord, width=weight, xerr=weight_error, align='center')

ax.set_yticks(y_coord)
ax.set_yticklabels(student)
ax.invert_yaxis()
ax.set_xlabel('student weight', fontsize=14)
ax.set_title('How much do students weigh?', fontsize=14)

plt.show()

 

• 다음은 bar() 함수와 barh() 함수에 적용할 수 있는 매개 변수들을 나타낸다.

매개 변수	설명
color	스칼라 또는 유사 배열, 선택적 매개 변수, 막대 표면(faces) 색상
edgecolor	스칼라 또는 유사 배열, 선택적 매개 변수, 막대 가장자리(edges) 색상
linewidth	스칼라 또는 유사 배열, 선택적 매개 변수, 막대 가장자리 너비, 0이면 가장자리를 그리지 않음.
tick_label	문자열 또는 유사 배열, 선택적 매개 변수, 막대의 눈금 라벨, 기본값은 None(기본 수치 라벨 사용)
xerr, yerr	shape(N,) 또는 shape(2, N)의 스칼라 또는 유사 배열, 선택적 매개 변수, None이 아니면 막대 끝부분에 수평/수직 오차 막대를 더함. 오류 값들은 데이터에 상대적인 +/- 크기 - 스칼라 : 모든 막대에 대한 대칭적 +/- 값들 - shape(N,) : 각각의 막대에 대한 대칭적 +/- 값들 - shape(2, N) : 각각의 막대에 대한 개별적인 -와 + 값들, 첫 번째 행은 하위 오류를 포함하고 두 번째 행은 상위 오류를 포함. - None : 오차 막대가 없음. (기본값)
ecolor	스칼라 또는 유사 배열, 선택적 매개 변수, 기본값은 black, 오차 막대의 선 색상
capsize	스칼라, 선택적 매개 변수, points로 된 오차 막대 caps의 길이, 기본값은 None, 이것은 rcParams["errorbar.capsize"]의 값, 즉 rcParams 모듈 속성의 값
error_kw	딕셔너리, 선택적 매개 변수, errorbar() 메소드로 전달할 딕셔너리형의 kwargs, 여기서 정의된 ecolor 또는 capsize 값들은 독립적인 kwargs 보다 우선함.
log	불리언, 선택적 매개 변수, 기본값은 False, True이면 y축을 로그 스케일이 되도록 설정
orientation	['vertical', 'horizontal'], 선택적 매개 변수, 내부 사용만을 위한 용도, 수평 막대 그래프를 그리려면 barh 사용, 기본값은 vertical

 

• 다른 옵션을 사용할 수 있는 사각형 속성인 kwargs 는 다음과 같다.

속성	내용
agg_filter	a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array
alpha	scalar or None
angle	unknown
animated	bool
antialiased or aa	bool or None
bounds	(left, bottom, width, height)
capstyle	CapStyle or {'butt', 'projecting', 'round'}
clip_box	Bbox
clip_on	bool
clip_path	Patch or (Path, Transform) or None
color	color
edgecolor or ec	color or None
facecolor or fc	color or None
figure	Figure
fill	bool
gid	str
hatch	{'/', '\', '|', '-', '+', 'x', 'o', 'O', '.', '*'}
height	unknown
in_layout	bool
joinstyle	JoinStyle or {'miter', 'round', 'bevel'}
label	object
linestyle or ls	{'-', '--', '-.', ':', '', (offset, on-off-seq), ...}
linewidth or lw	float or None
path_effects	AbstractPathEffect
picker	None or bool or float or callable
rasterized	bool
sketch_params	(scale: float, length: float, randomness: float)
snap	bool or None
transform	Transform
url	str
visible	bool
width	unknown
x	unknown
xy	(float, float)
y	unknown
zorder	float

 

원 그래프

• pie() 함수는 원그래프(Pie Chart)를 생성한다.
• 원 중심에서 한 개 이상의 쐐기(Wedges)를 확장하면서 면적 백분율의 자동 라벨과 음영 효과를 포함한다.
  • 여기서 쐐기는 치즈나 케이크 조각 모양의 V자 부분을 의미한다.
    
    

• 다음 예제에서 explode 인수의 epd 중, 두 번째 0.1 값은 두 번째 라벨인 Grape 쐐기가 원에서 빼어지는 간격이다.
• autopct 는 쐐기 내부에서 수치로 표현되는 라벨의 형식이다.
• ax.axis('equal') 은 x축과 y축 비율이 동등함을 의미한다.

lbl = 'Apple', 'Grape', 'Pear', 'Lemon'
size = [35, 30, 25, 10]
epd = (0, 0.1, 0, 0)

fig, ax = plt.subplots()
ax.pie(size, textprops={'fontsize': 14}, explode=epd, labels=lbl, autopct='%1.1f%%',
shadow=True, startangle=45)
ax.axis('equal')

plt.show()