تنظیم مقیاس محورها در نمودارهای Matplotlib: راهنمای گام به گام
مقدمه
تنظیم مقیاس محورها در نمودارها امری ضروری برای نمایش صحیح داده ها و ایجاد تناسب مناسب بین مقادیر روی هر محور است. Matplotlib، به عنوان کتابخانه ای قدرتمند برای تجسم داده در پایتون، امکانات متعددی را برای تنظیم مقیاس محورها با جزئیات و انعطاف پذیری بالا در اختیار کاربران قرار می دهد.
هدف از این راهنما
این راهنما با هدف ارائه شرحی جامع و کاربردی، نحوه تنظیم مقیاس محورها را در نمودارهای Matplotlib به صورت گام به گام شرح می دهد.
مقیاس گذاری خودکار:
به طور پیش فرض، Matplotlib به طور خودکار مقیاس محورها را برای جای دادن تمام نقاط داده در نمودار تنظیم می کند.
تنظیم مقیاس دستی:
برای تنظیم دقیق تر مقیاس ها، می توانید از توابع زیر در کتابخانه matplotlib.pyplot
استفاده کنید:
plt.xlim()
: برای تنظیم محدوده مقادیر روی محور xplt.ylim()
: برای تنظیم محدوده مقادیر روی محور yplt.xscale()
: برای تنظیم نوع مقیاس گذاری محور x (خطی، لگاریتمی و غیره)plt.yscale()
: برای تنظیم نوع مقیاس گذاری محور y (خطی، لگاریتمی و غیره)
مثال:
import matplotlib.pyplot as plt
import numpy as np
x = np.array([۱, ۲, ۳, ۴, ۵])
y = np.array([۱۰۰, ۱۰۰۰, ۱۰۰۰۰, ۱۰۰۰۰۰, ۱۰۰۰۰۰۰])
plt.plot(x, y)
# تنظیم محدوده مقادیر روی محور x
plt.xlim(۰, ۶)
# تنظیم مقیاس لگاریتمی برای محور y
plt.yscale('log')
# تنظیم عنوان و برچسب ها
plt.title("نمودار با مقیاس های تنظیم شده")
plt.xlabel("محور X")
plt.ylabel("محور Y")
plt.grid(True)
plt.show()
در این مثال، محدوده مقادیر روی محور x از ۰ تا ۶ و مقیاس محور y به صورت لگاریتمی تنظیم می شود.
نکات کلیدی:
- می توانید از توابع دیگری مانند
plt.axhline()
وplt.axvline()
برای ایجاد خطوط افقی و عمودی در نمودار با مقادیر مشخص استفاده کنید. - برای محورهای تاریخ و زمانی، می توانید از توابع مخصوص مانند
plt.xdate()
وplt.ydate()
برای تنظیم مقیاس گذاری با توجه به تاریخ و زمان استفاده کنید. - می توانید با استفاده از توابع IPython magic مانند
%matplotlib
، تنظیمات پیش فرض مقیاس ها را برای همه نمودارهای خود در یک اسکریپت پایتون به طور کلی تغییر دهید.
منابع مفید:
با اتکا به Matplotlib و دستورالعمل های ارائه شده در این راهنما، به آسانی قادر به تنظیم مقیاس محورها به صورت دقیق و مناسب برای نمایش صحیح داده های خود در نمودارهای پایتون خواهید بود و خوانایی و وضوح نمودارهای خود را ارتقا خواهید داد.