901 - 950 Flashcards
numpy.ndim
число осей (измерений) массива. Как уже было сказано, в мире Python число измерений часто называют рангом. Number of array dimensions.
x = np.array([1, 2, 3]) x.ndim 👉 1
y = np.zeros((2, 3, 4)) y.ndim 👉 3
numpy.shape()
Return the shape of an array.
For example, the shape of the array [[1 2 3] [4 5 6]] is (2, 3) which represents 2 rows and 3 columns.
numpy.min() and numpy.max()
Return the minimum along a given axis.
stats = np.array([[1,2,3],[4,5,6]]) np.min(stats) 👉 1 np.max(stats, axis=1) 👉 array([3, 6])
seaborn.barplot(*, x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=<function mean at 0x7ff320f315e0>, ci=95, n_boot=1000, units=None, seed=None, orient=None, color=None, palette=None, saturation=0.75, errcolor=’.26’, errwidth=None, capsize=None, dodge=True, ax=None, **kwargs)
Show point estimates and confidence intervals as rectangular bars. A bar plot represents an estimate of central tendency for a numeric variable with the height of each rectangle and provides some indication of the uncertainty around that estimate using error bars.
df = sns.load_dataset('titanic')
sns.barplot(x = 'who', y = 'fare', data = df)
plt.show()
df = sns.load_dataset('titanic')
sns.barplot(x = 'who', y = 'fare', hue = 'class', data = df)
plt.show()
df = sns.load_dataset('titanic')
sns.barplot(x = 'who', y = 'fare', hue = 'class', data = df, palette = "Blues")
plt.show()
seaborn.catplot(*, x=None, y=None, hue=None, data=None, row=None, col=None, col_wrap=None, estimator=<function mean at 0x7ff320f315e0>, ci=95, n_boot=1000, units=None, seed=None, order=None, hue_order=None, row_order=None, col_order=None, kind=’strip’, height=5, aspect=1, orient=None, color=None, palette=None, legend=True, legend_out=True, sharex=True, sharey=True, margin_titles=False, facet_kws=None, **kwargs)
Figure-level interface for drawing categorical plots onto a FacetGrid. This function provides access to several axes-level functions that show the relationship between a numerical and one or more categorical variables using one of several visual representations.
sns.set_theme(style="ticks")
exercise = sns.load_dataset("exercise")
g = sns.catplot(x="time", y="pulse", hue="kind", data=exercise)
g = sns.catplot(x="time", y="pulse", hue="kind", col="diet", data=exercise)
exercise = sns.load_dataset("exercise")
g = sns.catplot(x="time", y="pulse", hue="kind", data=exercise)
sns.set_theme(style="ticks")
exercise = sns.load_dataset("exercise")
g = sns.catplot(x="time", kind="count", data=exercise)
g = sns.catplot(x="age", y="embark_town",
hue="sex", row="class",
data=titanic[titanic.embark_town.notnull()],
orient="h", height=2, aspect=3, palette="Set3",
kind="violin", dodge=True, cut=0, bw=.2)
seaborn.lmplot(*, x=None, y=None, data=None, hue=None, col=None, row=None, palette=None, col_wrap=None, height=5, aspect=1, markers=’o’, sharex=None, sharey=None, hue_order=None, col_order=None, row_order=None, legend=True, legend_out=None, x_estimator=None, x_bins=None, x_ci=’ci’, scatter=True, fit_reg=True, ci=95, n_boot=1000, units=None, seed=None, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=True, x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None, facet_kws=None, size=None)
Plot data and regression model fits across a FacetGrid. This function combines regplot() and FacetGrid.
tips = sns.load_dataset("tips")
g = sns.lmplot(x="total_bill", y="tip", data=tips)
g = sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips)
df = pd.read_csv('Tips.csv')
# scatter plot with regression
sns.lmplot(x ='total_bill', y ='tip', data = df)
plt.show()
df = pd.read_csv('Tips.csv')
# scatter plot without regression
sns.lmplot(x ='total_bill', y ='tip', fit_reg = False, data = df)
plt.show()
df = pd.read_csv('Tips.csv')
sns.lmplot(x ='total_bill', y ='tip', fit_reg = False, hue = 'sex', data = df)
plt.show()
seaborn.regplot(*, x=None, y=None, data=None, x_estimator=None, x_bins=None, x_ci=’ci’,
scatter=True, fit_reg=True, ci=95, n_boot=1000, units=None, seed=None, order=1, logistic=False, lowess=False, robust=False, logx=False, x_partial=None, y_partial=None, truncate=True, dropna=True, x_jitter=None, y_jitter=None, label=None, color=None, marker=’o’, scatter_kws=None, line_kws=None, ax=None)
Plot data and a linear regression model fit.
tips = sns.load_dataset("tips")
ax = sns.regplot(x="total_bill", y="tip", data=tips)
mean, cov = [4, 6], [(1.5, .7), (.7, 1)] x, y = np.random.multivariate_normal(mean, cov, 80).T ax = sns.regplot(x=x, y=y, color="g")
data = sns.load_dataset("mpg")
sns.regplot(x = "mpg", y = "acceleration", data = data)
plt.show()
data = sns.load_dataset("titanic")
sns.regplot(x = "age", y = "fare", data = data, dropna = True)
plt.show()
compile(source, filename, mode, flag, dont_inherit, optimize)
🎯 source - обязательный параметр. Может быть обычной строкой, байтовой строкой, либо объектом абстрактного синтаксического дерева.
🎯 filename - обязательный параметр. Имя файла, из которого будет читается код. Если код не будет считан из файла, вы можете написать в качестве параметра любую строку <string>.</string>
🎯 mode - обязательный параметр. Может принимать 3 значения:
💡 eval - если источником является одно выражение;
💡 exec - если источником является блок операторов;
💡 single - если код состоит из одного оператора;
🎯 flag - необязательный параметр. По умолчанию flags=0 и определяет, будет ли скомпилированный код содержать асинхронные операции или какие инструкции из __future__ следует использовать.
🎯 dont_inherit - необязательный параметр. По умолчанию dont_inherit=False. Указывает, следует ли использовать future определенные в коде, в дополнение в тем, что указаны во flags;
🎯 optimize - необязательный параметр. По умолчанию optimize=-1. Задаёт уровень оптимизации компилятора:
- 1 — использовать настройки интерпретатора (регулируются опцией -O);
💡 0 — не оптимизировать, включить debug;
💡 1 — убрать инструкции asserts, выключить debug;
💡 2 — то, что делает 1 + убрать строки документации.
возвращает переданный, в качестве аргумента источник, в виде объекта кода, готового к выполнению. Объекты кода, полученные в результате выполнения функции compile() могут быть выполнены с помощью exec() или eval().
x = compile('x = 1\nz = x + 5\nprint(z)', 'test', 'exec')
exec(x)
👉 6
y = compile("print('4 + 5 =', 4+5)", 'test', 'eval')
eval(y)
👉 4 + 5 = 9
matplotlib.show(*, block=None)
🎯 blockbool - Whether to wait for all figures to be closed before returning. If True block and run the GUI main loop until all figure windows are closed. If False ensure that all figure windows are displayed and return immediately.
Display all open figures.
matplotlib.set_ylim(bottom=None, top=None, emit=True, auto=False, *, ymin=None, ymax=None)
Set the y-axis view limits.
set_ylim(bottom, top) set_ylim((bottom, top)) bottom, top = set_ylim(bottom, top)
set_ylim(top=top_lim)
set_ylim(5000, 0)
matplotlib.set_title()
function in axes module of matplotlib library is used to set a title for the axes.
x = np.arange(0.1, 5, 0.1)
y = np.exp(-x)
yerr = 0.1 + 0.1 * np.sqrt(x)
fig, axs = plt.subplots(nrows = 1, ncols = 2, sharex = True)
ax = axs[0]
ax.errorbar(x, y, yerr = yerr, color ="green")
ax.set_title('Title of Axes 1', fontweight ="bold")
ax = axs[1]
ax.errorbar(x, y, yerr = yerr, errorevery = 5, color ="green")
ax.set_title('Title of Axes 2',fontweight ="bold")
fig.suptitle('matplotlib.axes.Axes.set_title() \ function Example\n')
plt.show()
matplotlib.clf()
function in pyplot module of matplotlib library is used to clear the current
figure.
plt.plot([1, 2, 3, 4], [16, 4, 1, 8])
plt.clf()
plt.title('matplotlib.pyplot.clf Example')
plt.show()
matplotlib.title(label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs)
Set a title for the Axes. Set one of the three available Axes titles. The available titles are positioned above the Axes in the center, flush with the left edge, and flush with the right edge.
y = [0,1,2,3,4,5]
x= [0,5,10,15,20,25]
plt.plot(x, y, color='green')
plt.xlabel('x')
plt.ylabel('y')
plt.title("Linear graph")
plt.show()
foodPreference = ['Vegetarian', 'Non Vegetarian', 'Vegan', 'Eggitarian']
consumers = [30,100,10,60]
fig = plt.figure()
ax = fig.add_axes([0,0,1,1])
ax.axis('equal')
ax.pie(consumers, labels = foodPreference, autopct='%1.2f%%')
plt.title(label="Society Food Preference", loc="left", fontstyle='italic')
matplotlib.ylabel(ylabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)
Set the label for the y-axis.
x =['Geeks', 'for', 'geeks', 'tutorials']
y =[1, 2, 3, 4]
# Adding label on the y-axis
plt.ylabel('Numbers label')
plt.plot(x, y)
x =['Geeks', 'for', 'geeks', 'tutorials']
y =[1, 2, 3, 4]
font = {'family': 'Verdana', 'color': 'green', 'size': 20,}
# Adding the font styles to the label
plt.ylabel('Numbers label', fontdict = font)
plt.plot(x, y)
matplotlib.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class ‘matplotlib.figure.Figure’>, clear=False, **kwargs)
Create a new figure, or activate an existing figure.
fig = plt.figure()
fig.add_artist(lines.Line2D([0, 1, 0.5], [0, 1, 0.3]))
fig.add_artist(lines.Line2D([0, 1, 0.5], [1, 0, 0.2]))
plt.title('matplotlib.pyplot.figure() Example\n',
fontsize = 14, fontweight ='bold')
plt.show()
fig = plt.figure(figsize =(4, 4))
ax = Subplot(fig, 111)
fig.add_subplot(ax)
ax.axis["left"].set_visible(False)
ax.axis["bottom"].set_visible(False)
plt.title('matplotlib.pyplot.figure() Example\n', fontsize = 14, fontweight ='bold')
plt.show()
matplotlib.yticks(ticks=None, labels=None, **kwargs)
Get or set the current tick locations and labels of the y-axis. Pass no arguments to return the current values without modifying them.
valx = [30, 35, 50, 5, 10, 40, 45, 15, 20, 25]
valy = [1, 4, 3, 2, 7, 6, 9, 8, 10, 5]
plt.plot(valx, valy)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.xticks(np.arange(0, 60, 5))
plt.yticks(np.arange(0, 15, 1))
plt.show()
matplotlib.set_ylabel(ylabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)
Set the label for the y-axis
t = np.arange(0.01, 5.0, 0.01)
s = np.exp(-t)
fig, ax = plt.subplots()
ax.plot(t, s)
ax.set_ylim(1, 0)
ax.set_ylabel('Display Y-axis Label', fontweight ='bold')
ax.grid(True)
ax.set_title('matplotlib.axes.Axes.set_ylabel() \ Examples\n', fontsize = 14, fontweight ='bold')
plt.show()
