Matplotlib의 모든 것

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-3,3,300)
ax.plot(x,x**2,label='y=x²')
ax.plot(x,x**3/3,label='y=x³/3')
ax.legend()

fig.tight_layout()
fig.savefig("matplotlib_001.png", dpi=160)
plt.show()
print("matplotlib_001.png 저장 완료")

그래프 해석: 곡선의 증가·감소와 교점을 비교합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.arange(1,21)
y=1.7*x+np.sin(x)*3
ax.scatter(x,y,c=x,cmap='viridis',s=40+2*x)
ax.set_xlabel('x');ax.set_ylabel('y')

fig.tight_layout()
fig.savefig("matplotlib_002.png", dpi=160)
plt.show()
print("matplotlib_002.png 저장 완료")

그래프 해석: 점들이 오른쪽 위로 분포하면 양의 관계를 시사합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
names=['A','B','C','D'];values=[18,27,14,32]
ax.bar(names,values,color=['#4e79a7','#f28e2b','#59a14f','#e15759'])

fig.tight_layout()
fig.savefig("matplotlib_003.png", dpi=160)
plt.show()
print("matplotlib_003.png 저장 완료")

그래프 해석: 막대 높이로 범주 간 차이를 비교합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
names=['Physics','Math','Chemistry','CS']
ax.barh(names,[72,91,77,88]);ax.set_xlim(0,100)

fig.tight_layout()
fig.savefig("matplotlib_004.png", dpi=160)
plt.show()
print("matplotlib_004.png 저장 완료")

그래프 해석: 가로 길이로 값을 비교합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
rng=np.random.default_rng(7)
a=rng.normal(70,12,500)
ax.hist(a,bins=18,color='steelblue',edgecolor='white')

fig.tight_layout()
fig.savefig("matplotlib_005.png", dpi=160)
plt.show()
print("matplotlib_005.png 저장 완료")

그래프 해석: 막대는 구간별 관측 빈도를 뜻합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
ax.pie([40,30,20,10],labels=['A','B','C','D'],autopct='%1.0f%%',startangle=90)
ax.axis('equal')

fig.tight_layout()
fig.savefig("matplotlib_006.png", dpi=160)
plt.show()
print("matplotlib_006.png 저장 완료")

그래프 해석: 각 부채꼴 면적은 전체 대비 비율을 뜻합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
rng=np.random.default_rng(2)
a=rng.normal(70,9,100);b=rng.normal(76,13,100)
ax.boxplot([a,b],tick_labels=['Class A','Class B'])

fig.tight_layout()
fig.savefig("matplotlib_007.png", dpi=160)
plt.show()
print("matplotlib_007.png 저장 완료")

그래프 해석: 상자 내부 선은 중앙값, 상자 양 끝은 사분위수입니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
rng=np.random.default_rng(3)
a=rng.normal(0,1,250);b=rng.normal(1,0.6,250)
ax.violinplot([a,b],showmedians=True);ax.set_xticks([1,2],['A','B'])

fig.tight_layout()
fig.savefig("matplotlib_008.png", dpi=160)
plt.show()
print("matplotlib_008.png 저장 완료")

그래프 해석: 폭이 넓은 부분에 데이터가 상대적으로 많이 모여 있습니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
n=np.arange(0,16);y=np.cos(n*np.pi/4)
ax.stem(n,y);ax.set_xlabel('n')

fig.tight_layout()
fig.savefig("matplotlib_009.png", dpi=160)
plt.show()
print("matplotlib_009.png 저장 완료")

그래프 해석: 연속 함수보다 정수 인덱스의 이산값에 적합합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.arange(0,8);y=np.array([1,1,3,3,2,5,5,4])
ax.step(x,y,where='post');ax.set_xticks(x)

fig.tight_layout()
fig.savefig("matplotlib_010.png", dpi=160)
plt.show()
print("matplotlib_010.png 저장 완료")

그래프 해석: 구간 경계에서 값이 갑자기 바뀝니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.arange(1,8)
a=np.array([2,3,4,3,5,4,6]);b=np.array([1,2,2,3,2,4,3]);c=np.array([2,1,2,2,3,2,3])
ax.stackplot(x,a,b,c,labels=['A','B','C']);ax.legend(loc='upper left')

fig.tight_layout()
fig.savefig("matplotlib_011.png", dpi=160)
plt.show()
print("matplotlib_011.png 저장 완료")

그래프 해석: 전체 높이는 요소들의 합입니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(0,np.pi,250);y=np.sin(x)
ax.plot(x,y);ax.fill_between(x,0,y,alpha=.35)
ax.set_title('Area under sin(x)')

fig.tight_layout()
fig.savefig("matplotlib_012.png", dpi=160)
plt.show()
print("matplotlib_012.png 저장 완료")

그래프 해석: 채운 부분은 0에서 π까지 sin(x)의 정적분 영역입니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.arange(1,7);y=np.array([3,4,5,4,6,7]);err=np.array([.3,.5,.4,.6,.5,.3])
ax.errorbar(x,y,yerr=err,fmt='o-',capsize=5)

fig.tight_layout()
fig.savefig("matplotlib_013.png", dpi=160)
plt.show()
print("matplotlib_013.png 저장 완료")

그래프 해석: 오차막대는 입력한 오차의 크기이며 자동으로 신뢰구간을 의미하지는 않습니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
rng=np.random.default_rng(1);x=rng.normal(size=1500);y=.7*x+rng.normal(size=1500)
h=ax.hexbin(x,y,gridsize=24,cmap='viridis');fig.colorbar(h,ax=ax,label='Count')

fig.tight_layout()
fig.savefig("matplotlib_014.png", dpi=160)
plt.show()
print("matplotlib_014.png 저장 완료")

그래프 해석: 진한 영역은 관측점이 밀집한 위치입니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-2,2,60);X,Y=np.meshgrid(x,x);Z=np.exp(-(X**2+Y**2))
im=ax.imshow(Z,origin='lower',extent=[-2,2,-2,2],cmap='inferno')
fig.colorbar(im,ax=ax)

fig.tight_layout()
fig.savefig("matplotlib_015.png", dpi=160)
plt.show()
print("matplotlib_015.png 저장 완료")

그래프 해석: 색은 행렬의 수치값을 나타냅니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
A=np.array([[1,2,3],[2,5,4],[3,4,9]])
im=ax.matshow(A,cmap='Blues');fig.colorbar(im,ax=ax)
for i in range(3):
 for j in range(3):ax.text(j,i,str(A[i,j]),ha='center',va='center')

fig.tight_layout()
fig.savefig("matplotlib_016.png", dpi=160)
plt.show()
print("matplotlib_016.png 저장 완료")

그래프 해석: 행렬의 패턴과 대칭성을 확인할 수 있습니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-3,3,70);y=np.linspace(-2,2,55);X,Y=np.meshgrid(x,y)
Z=np.sin(X)*np.cos(Y)
im=ax.pcolormesh(X,Y,Z,shading='auto',cmap='coolwarm');fig.colorbar(im,ax=ax)

fig.tight_layout()
fig.savefig("matplotlib_017.png", dpi=160)
plt.show()
print("matplotlib_017.png 저장 완료")

그래프 해석: 양수·음수 영역을 색상으로 구분합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-3,3,100);X,Y=np.meshgrid(x,x);Z=X**2+2*Y**2
cs=ax.contour(X,Y,Z,levels=10);ax.clabel(cs,inline=True,fontsize=7)

fig.tight_layout()
fig.savefig("matplotlib_018.png", dpi=160)
plt.show()
print("matplotlib_018.png 저장 완료")

그래프 해석: 동일한 높이 또는 에너지를 갖는 등위선을 관찰합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-3,3,100);X,Y=np.meshgrid(x,x);Z=np.sin(X)*np.cos(Y)
cs=ax.contourf(X,Y,Z,levels=15,cmap='viridis');fig.colorbar(cs,ax=ax)

fig.tight_layout()
fig.savefig("matplotlib_019.png", dpi=160)
plt.show()
print("matplotlib_019.png 저장 완료")

그래프 해석: 색상 구간별로 함수값의 크기를 비교합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-2,2,13);X,Y=np.meshgrid(x,x)
U=-Y;V=X
ax.quiver(X,Y,U,V);ax.set_aspect('equal')

fig.tight_layout()
fig.savefig("matplotlib_020.png", dpi=160)
plt.show()
print("matplotlib_020.png 저장 완료")

그래프 해석: 원점 주위를 도는 회전 벡터장입니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-2,2,60);X,Y=np.meshgrid(x,x)
U=-Y;V=X
ax.streamplot(X,Y,U,V,density=1.1);ax.set_aspect('equal')

fig.tight_layout()
fig.savefig("matplotlib_021.png", dpi=160)
plt.show()
print("matplotlib_021.png 저장 완료")

그래프 해석: 유체나 전자기장 흐름의 경로를 시각화합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
A=np.zeros((18,18));np.fill_diagonal(A,1)
for i in range(17):A[i,i+1]=1
ax.spy(A,markersize=7)

fig.tight_layout()
fig.savefig("matplotlib_022.png", dpi=160)
plt.show()
print("matplotlib_022.png 저장 완료")

그래프 해석: 희소행렬의 대각선 및 인접 패턴을 확인합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.logspace(0,4,150);y=np.log10(x)
ax.semilogx(x,y);ax.grid(True,which='both')

fig.tight_layout()
fig.savefig("matplotlib_023.png", dpi=160)
plt.show()
print("matplotlib_023.png 저장 완료")

그래프 해석: x축의 같은 간격은 같은 배율 변화를 뜻합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(0,5,150);y=np.exp(x)
ax.semilogy(x,y);ax.grid(True,which='both')

fig.tight_layout()
fig.savefig("matplotlib_024.png", dpi=160)
plt.show()
print("matplotlib_024.png 저장 완료")

그래프 해석: 지수함수는 로그 y축에서 직선이 됩니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.logspace(0,3,150);y=x**1.5
ax.loglog(x,y);ax.grid(True,which='both')

fig.tight_layout()
fig.savefig("matplotlib_025.png", dpi=160)
plt.show()
print("matplotlib_025.png 저장 완료")

그래프 해석: 로그-로그 그래프의 기울기는 거듭제곱 지수와 관계있습니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
theta=np.linspace(0,2*np.pi,500);r=1+0.5*np.cos(5*theta)
ax.remove();ax=fig.add_subplot(111,projection='polar')
ax.plot(theta,r)

fig.tight_layout()
fig.savefig("matplotlib_026.png", dpi=160)
plt.show()
print("matplotlib_026.png 저장 완료")

그래프 해석: 꽃잎처럼 반복되는 극좌표 곡선입니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.arange(1,13);a=15+8*np.sin(x/2);b=100+20*np.cos(x/3)
ax.plot(x,a,color='tab:blue',label='Temperature')
ax2=ax.twinx();ax2.plot(x,b,color='tab:orange',label='Pressure')
ax.set_ylabel('Temperature');ax2.set_ylabel('Pressure')

fig.tight_layout()
fig.savefig("matplotlib_027.png", dpi=160)
plt.show()
print("matplotlib_027.png 저장 완료")

그래프 해석: 축 단위가 다르므로 선의 높이를 직접 비교하면 안 됩니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-10,10,600);ax.plot(x,np.sin(x)/np.where(x==0,1,x))
ax.set_xlim(-4,4);ax.set_ylim(-.4,1.1)

fig.tight_layout()
fig.savefig("matplotlib_028.png", dpi=160)
plt.show()
print("matplotlib_028.png 저장 완료")

그래프 해석: 그래프에서 보고 싶은 구간을 명확히 합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.arange(5);ax.plot(x,[2,5,3,6,4],marker='o')
ax.set_xticks(x,['Mon','Tue','Wed','Thu','Fri']);ax.set_yticks(range(0,8,2))

fig.tight_layout()
fig.savefig("matplotlib_029.png", dpi=160)
plt.show()
print("matplotlib_029.png 저장 완료")

그래프 해석: 자료의 의미에 맞게 축 눈금을 지정합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(0,10,150);ax.plot(x,np.sqrt(x))
ax.set_title('Square-root growth');ax.set_xlabel('Time (s)');ax.set_ylabel('Distance (m)')

fig.tight_layout()
fig.savefig("matplotlib_030.png", dpi=160)
plt.show()
print("matplotlib_030.png 저장 완료")

그래프 해석: 축 이름과 단위를 표시하는 것이 중요합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(0,2*np.pi,250)
ax.plot(x,np.sin(x),label='sin(x)');ax.plot(x,np.cos(x),label='cos(x)')
ax.legend(loc='upper right')

fig.tight_layout()
fig.savefig("matplotlib_031.png", dpi=160)
plt.show()
print("matplotlib_031.png 저장 완료")

그래프 해석: 범례는 선의 의미를 설명합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.arange(1,11);ax.plot(x,x**.7,marker='o')
ax.grid(True,linestyle='--',alpha=.5)

fig.tight_layout()
fig.savefig("matplotlib_032.png", dpi=160)
plt.show()
print("matplotlib_032.png 저장 완료")

그래프 해석: 격자선을 사용하면 좌표값을 비교하기 쉽습니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-3,3,200);y=-(x-1)**2+4
ax.plot(x,y);ax.annotate('Maximum (1,4)',xy=(1,4),xytext=(-2,2),arrowprops=dict(arrowstyle='->'))

fig.tight_layout()
fig.savefig("matplotlib_033.png", dpi=160)
plt.show()
print("matplotlib_033.png 저장 완료")

그래프 해석: 극댓값과 같은 중요한 특징을 표시합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-2,2,200);ax.plot(x,x**2)
ax.text(-1.7,3,'Parabola',fontsize=12,bbox=dict(facecolor='white',alpha=.7))

fig.tight_layout()
fig.savefig("matplotlib_034.png", dpi=160)
plt.show()
print("matplotlib_034.png 저장 완료")

그래프 해석: 그래프 안에 간단한 해설을 넣을 수 있습니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.arange(10);y=np.array([4,5,7,3,8,6,5,9,7,4])
ax.plot(x,y,marker='o');ax.axhline(y.mean(),color='red',ls='--',label='Mean');ax.axvline(5,color='gray',ls=':');ax.legend()

fig.tight_layout()
fig.savefig("matplotlib_035.png", dpi=160)
plt.show()
print("matplotlib_035.png 저장 완료")

그래프 해석: 평균과 특정 시점을 기준으로 변화를 비교합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(0,10,300);ax.plot(x,np.sin(x))
ax.axvspan(3,5,color='orange',alpha=.25,label='Focus interval');ax.legend()

fig.tight_layout()
fig.savefig("matplotlib_036.png", dpi=160)
plt.show()
print("matplotlib_036.png 저장 완료")

그래프 해석: 관심 구간을 쉽게 알아볼 수 있습니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
theta=np.linspace(0,2*np.pi,400)
ax.plot(2*np.cos(theta),2*np.sin(theta));ax.set_aspect('equal')

fig.tight_layout()
fig.savefig("matplotlib_037.png", dpi=160)
plt.show()
print("matplotlib_037.png 저장 완료")

그래프 해석: 종횡비를 맞추지 않으면 원이 타원처럼 보일 수 있습니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
fig.clf();axs=fig.subplots(1,2)
x=np.linspace(-3,3,300)
axs[0].plot(x,x**2);axs[0].set_title('Square')
axs[1].plot(x,x**3);axs[1].set_title('Cube')

fig.tight_layout()
fig.savefig("matplotlib_038.png", dpi=160)
plt.show()
print("matplotlib_038.png 저장 완료")

그래프 해석: 두 함수를 나란히 비교합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
fig.clf();axs=fig.subplot_mosaic([['A','B'],['A','C']])
x=np.linspace(0,6,150)
axs['A'].plot(x,np.sin(x));axs['B'].bar([1,2,3],[2,4,3]);axs['C'].scatter([1,2,3],[3,2,4])

fig.tight_layout()
fig.savefig("matplotlib_039.png", dpi=160)
plt.show()
print("matplotlib_039.png 저장 완료")

그래프 해석: 넓이가 다른 패널로 정보를 계층화합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(-4,4,500);y=np.sin(4*x)/(1+x*x)
ax.plot(x,y)
small=ax.inset_axes([.58,.58,.36,.32]);small.plot(x,y);small.set_xlim(-.5,.5);small.set_ylim(-1.2,1.2)

fig.tight_layout()
fig.savefig("matplotlib_040.png", dpi=160)
plt.show()
print("matplotlib_040.png 저장 완료")

그래프 해석: 특정 구간을 상세히 관찰합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
rng=np.random.default_rng(10);a=np.sort(rng.normal(size=150))
y=np.arange(1,len(a)+1)/len(a)
ax.step(a,y,where='post');ax.set_ylim(0,1);ax.set_ylabel('Cumulative proportion')

fig.tight_layout()
fig.savefig("matplotlib_041.png", dpi=160)
plt.show()
print("matplotlib_041.png 저장 완료")

그래프 해석: 누적 비율을 직접 계산하여 그린 ECDF입니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
rng=np.random.default_rng(4)
a=np.sort(rng.uniform(0,10,15));b=np.sort(rng.uniform(0,10,25))
ax.eventplot([a,b],lineoffsets=[1,2],linelengths=.7);ax.set_ylim(.4,2.6)

fig.tight_layout()
fig.savefig("matplotlib_042.png", dpi=160)
plt.show()
print("matplotlib_042.png 저장 완료")

그래프 해석: 시간에 따라 이벤트가 집중되는 구간을 확인합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
fs=500;t=np.arange(0,2,1/fs)
s=np.sin(2*np.pi*(20*t+25*t*t))
ax.specgram(s,Fs=fs,NFFT=128,noverlap=96,cmap='viridis')

fig.tight_layout()
fig.savefig("matplotlib_043.png", dpi=160)
plt.show()
print("matplotlib_043.png 저장 완료")

그래프 해석: 주파수가 시간에 따라 증가하는 신호를 보여 줍니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
fs=500;t=np.arange(0,2,1/fs)
s=np.sin(2*np.pi*30*t)+.5*np.sin(2*np.pi*80*t)
ax.psd(s,Fs=fs,NFFT=256);ax.set_xlim(0,150)

fig.tight_layout()
fig.savefig("matplotlib_044.png", dpi=160)
plt.show()
print("matplotlib_044.png 저장 완료")

그래프 해석: 30Hz와 80Hz 부근에 주요 주파수 성분이 나타납니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.sin(np.linspace(0,8*np.pi,200))
ax.acorr(x,maxlags=40);ax.set_xlabel('Lag')

fig.tight_layout()
fig.savefig("matplotlib_045.png", dpi=160)
plt.show()
print("matplotlib_045.png 저장 완료")

그래프 해석: 주기성을 가진 신호는 일정 시차에서 상관이 커집니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
ax.remove();ax=fig.add_subplot(111,projection='3d')
x=np.linspace(-2,2,45);X,Y=np.meshgrid(x,x);Z=np.sin(X**2+Y**2)
ax.plot_surface(X,Y,Z,cmap='viridis');ax.set_zlabel('z')

fig.tight_layout()
fig.savefig("matplotlib_046.png", dpi=160)
plt.show()
print("matplotlib_046.png 저장 완료")

그래프 해석: 표면의 높이는 z=f(x,y)를 뜻합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
ax.remove();ax=fig.add_subplot(111,projection='3d')
x=np.linspace(-2,2,30);X,Y=np.meshgrid(x,x);Z=X**2-Y**2
ax.plot_wireframe(X,Y,Z,rstride=2,cstride=2)

fig.tight_layout()
fig.savefig("matplotlib_047.png", dpi=160)
plt.show()
print("matplotlib_047.png 저장 완료")

그래프 해석: 안장면의 곡률 방향을 관찰합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
ax.remove();ax=fig.add_subplot(111,projection='3d')
rng=np.random.default_rng(5);xyz=rng.normal(size=(150,3))
ax.scatter(xyz[:,0],xyz[:,1],xyz[:,2],c=xyz[:,2],cmap='plasma')

fig.tight_layout()
fig.savefig("matplotlib_048.png", dpi=160)
plt.show()
print("matplotlib_048.png 저장 완료")

그래프 해석: 3차원 공간의 점 분포를 나타냅니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
ax.remove();ax=fig.add_subplot(111,projection='3d')
t=np.linspace(0,6*np.pi,500)
ax.plot(np.cos(t),np.sin(t),t/(2*np.pi));ax.set_zlabel('height')

fig.tight_layout()
fig.savefig("matplotlib_049.png", dpi=160)
plt.show()
print("matplotlib_049.png 저장 완료")

그래프 해석: 원운동과 높이 증가를 합친 나선입니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
rng=np.random.default_rng(8);x=rng.uniform(-2,2,220);y=rng.uniform(-2,2,220)
z=np.sin(x)*np.cos(y)
cs=ax.tricontourf(x,y,z,levels=12);fig.colorbar(cs,ax=ax)

fig.tight_layout()
fig.savefig("matplotlib_050.png", dpi=160)
plt.show()
print("matplotlib_050.png 저장 완료")

그래프 해석: 규칙적인 meshgrid가 없어도 등고선을 계산합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
rng=np.random.default_rng(12);x=rng.random(50);y=rng.random(50)
ax.triplot(x,y);ax.plot(x,y,'o',ms=3)

fig.tight_layout()
fig.savefig("matplotlib_051.png", dpi=160)
plt.show()
print("matplotlib_051.png 저장 완료")

그래프 해석: 삼각망은 유한요소법·지형 모델의 기초입니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
ax.broken_barh([(1,3),(6,2)],(10,8),facecolors='tab:blue')
ax.broken_barh([(2,2),(5,4)],(22,8),facecolors='tab:orange')
ax.set_ylim(5,35);ax.set_yticks([14,26],['Task A','Task B']);ax.set_xlim(0,10)

fig.tight_layout()
fig.savefig("matplotlib_052.png", dpi=160)
plt.show()
print("matplotlib_052.png 저장 완료")

그래프 해석: 간단한 간트 차트처럼 활용할 수 있습니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
values=[2,5,3,6,4];edges=[0,1,2,3,4,5]
ax.stairs(values,edges,fill=True,alpha=.3)

fig.tight_layout()
fig.savefig("matplotlib_053.png", dpi=160)
plt.show()
print("matplotlib_053.png 저장 완료")

그래프 해석: 구간별로 일정한 높이의 값을 표시합니다.

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(7, 4))
x=np.linspace(0,1,150);X,Y=np.meshgrid(x,x)
img=np.dstack([X,Y,1-X]);ax.imshow(img);ax.axis('off')

fig.tight_layout()
fig.savefig("matplotlib_054.png", dpi=160)
plt.show()
print("matplotlib_054.png 저장 완료")

그래프 해석: 빨강·초록·파랑 채널을 합성합니다.