■ close 함수를 사용해 모든 윈도우를 닫는 방법을 보여준다. ▶ main.py
|
1 2 3 4 5 |
import matplotlib.pyplot as plt plt.close("all") |
▶ requirements.txt
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
contourpy==1.3.0 cycler==0.12.1 fonttools==4.54.1 kiwisolver==1.4.7 matplotlib==3.9.2 numpy==2.1.3 packaging==24.2 pillow==11.0.0 pyparsing==3.2.0 python-dateutil==2.9.0.post0 six==1.16.0 |
※ pip install matplotlib 명령을 실행했다.
■ plot 함수를 사용해 Scatter 차트를 그리는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 |
import matplotlib.pyplot as pp import numpy as np trainXNDArray = np.random.random((1000, 1)) trainYNDArray = trainXNDArray * 2 + np.random.random((1000, 1)) / 3.0 testXNDArray = np.random.random((100, 1)) testYNDArray = testXNDArray * 2 + np.random.random((100, 1)) / 3.0 pp.plot(trainXNDArray, trainYNDArray, "ro") pp.plot(testXNDArray , testYNDArray , "bo") pp.legend(["training", "test"], loc = "upper left") pp.show() |
■ Precision-Recall Graph를 그리는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 |
import matplotlib.pyplot as pp import numpy as np modelAPrecisionNDArray = np.array([0.33, 0.38, 0.45, 0.55, 0.57, 0.40, 0.66, 1.00, 1.00, 1.00, 1.00]) modelARecallRateNDArray = np.array([1.00, 1.00, 1.00, 1.00, 0.80, 0.40, 0.40, 0.40, 0.40, 0.20, 0.00]) modelBPrecisionNDArray = np.array([0.33, 0.38, 0.36, 0.37, 0.33, 0.40, 0.33, 0.50, 1.00, 1.00, 1.00]) modelBRecallRateNDArray = np.array([1.00, 1.00, 0.80, 0.60, 0.40, 0.40, 0.20, 0.20, 0.20, 0.20, 0.00]) pp.title("Precision-Recall Graph") pp.xlabel("Recall" ) pp.ylabel("Precision") pp.plot(modelARecallRateNDArray, modelAPrecisionNDArray, "b", label = "Model A") pp.plot(modelBRecallRateNDArray, modelBPrecisionNDArray, "g", label = "Model B") pp.legend(loc = "upper right") pp.show() |
■ ROC(Receiver Operating Characteristic) Curve를 그리는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 |
import matplotlib.pyplot as pp import numpy as np modelASensitivityNDArray = np.array([1.00, 1.00, 1.00, 1.00, 0.75, 0.50, 0.50, 0.50, 0.50, 0.50, 0.00]) modelASpecificityNDArray = np.array([0.00, 0.16, 0.50, 0.66, 0.66, 0.66, 0.83, 1.00, 1.00, 1.00, 1.00]) modelBSensitivityNDArray = np.array([1.00, 1.00, 0.75, 0.75, 0.50, 0.50, 0.50, 0.50, 0.25, 0.25, 0.00]) modelBSpecificityNDArray = np.array([0.00, 0.33, 0.33, 0.50, 0.50, 0.66, 0.66, 0.83, 0.83, 1.00, 1.00]) pp.title("Receiver Operating Characteristic") pp.xlabel("False Positive Rate(1 - Specificity)") pp.ylabel("True Positive Rate(Sensitivity)") pp.plot(1 - modelASpecificityNDArray, modelASensitivityNDArray, "b", label = "Model A") pp.plot(1 - modelBSpecificityNDArray, modelBSensitivityNDArray, "g", label = "Model B") pp.plot([0, 1], [1, 1], "y--") pp.plot([0, 1], [0, 1], "r--") pp.legend(loc = "lower right") pp.show() |
■ savefig 함수를 사용해 SVG 파일을 저장하는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 |
import matplotlib.pyplot as pp import numpy as np pp.figure(figsize = [6, 6]) x = np.arange(0, 100, 0.00001) y = x * np.sin(2 * np.pi * x) pp.plot(y) pp.axis("off") pp.gca().set_position([0, 0, 1, 1]) pp.savefig("test.svg") |
■ scatter 함수를 사용해 산점도 차트를 그리는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
import matplotlib.pyplot as pp import numpy as np import pandas as pd xNDArray = np.random.normal(1, 1, size = (100, 1)) yNDArray = np.random.normal(-2, 4, size = (100, 1)) zNDArray = np.concatenate((xNDArray, yNDArray), axis = 1) dataFrame = pd.DataFrame(zNDArray, columns = ["X", "Y"]) pp.scatter(dataFrame["X"], dataFrame["Y"]) pp.show() |
■ Figure 클래스의 savefig 메소드를 사용해 차트 이미지를 저장하는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 |
import matplotlib.pyplot as pp import numpy as np pointCount = 1000 xList = [] yList = [] for i in range(pointCount): x = np.random.normal(0.0, 0.55) y = x * 0.1 + 0.3 + np.random.normal(0.0, 0.03) xList.append(x) yList.append(y) pp.plot(xList, yList, "ro") figure = pp.gcf() pp.grid() pp.show() figure.savefig("result.png") figure.savefig("result.jpg") |
■ plot 함수를 사용해 Scatter 차트를 그리는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 |
import matplotlib.pyplot as pp import numpy as np pointCount = 1000 xList = [] yList = [] for i in range(pointCount): x = np.random.normal(0.0, 0.55) y = x * 0.1 + 0.3 + np.random.normal(0.0, 0.03) xList.append(x) yList.append(y) pp.plot(xList, yList, "ro") pp.grid() pp.show() |
■ plot 함수를 사용해 1차 방정식을 그리는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
import matplotlib.pyplot as pp import numpy as np xNDArray = np.arange(0, 10, 0.01) yNDArray = 3 * xNDArray + 5 yNoiseNDArray = yNDArray + np.random.randn(len(yNDArray)) pp.figure(figsize = (12, 8)) pp.plot(xNDArray, yNoiseNDArray, label = "noise", color = "y") pp.plot(xNDArray, yNDArray, ls = "dashed", lw = 3, color = "b", label = "original") pp.show(); |
■ plot 함수를 사용해 1차 방정식을 그리는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
import matplotlib.pyplot as pp import numpy as np xNDArray = np.arange(0, 10, 0.01) yNDArray = 3 * xNDArray + 5 pp.figure(figsize = (12, 8)) pp.plot(xNDArray, yNDArray, ls = "dashed", lw = 3, color = "b", label = "original") pp.show(); |
■ hist 함수를 사용해 히스토그램을 출력하는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 |
import matplotlib.pyplot as pp list = [1, 3, 2, 5, 4, 3, 7, 8, 5, 3, 2, 4, 6, 7, 8, 8] pp.hist(list) pp.show() |
■ imshow 함수를 사용해 이미지를 출력하는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 |
import matplotlib.image as img import matplotlib.pyplot as pp fileName = "sample.png" ndarray = img.imread(fileName) pp.imshow(ndarray) pp.show() |
■ imread 함수를 사용해 이미지 파일을 읽는 방법을 보여준다. ▶ 예제 코드 (PY)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 |
import matplotlib.image as img fileName = "c:\\sample.jpg" ndarray = img.imread(fileName) print(type(ndarray)) print(ndarray.ndim) print(ndarray.shape) """ <class 'numpy.ndarray'> 3 (1280, 1920, 3) """ |