Программирование | Отладка | Web-технологии | Microsoft Office | Теор.информатика | Исслед-е операций | Операц. сис-мы | Новости |
Проектирование ИС | Исск. инт-т | Трансляторы | Об авторах | Карта сайта | Поиск |
Язык программирования Turbo Pascal |
Среда программирования Delphi 6 |
Язык программирования C++ |
Язык программирования C# |
Язык программирования Assembler |
Язык программирования Go |
Язык программирования Haskell |
Язык программирования Java |
Язык программирования Kotlin |
Язык программирования LISP |
Язык программирования Prolog |
Язык программирования Python |
Параллельные алгоритмы |
Сети Петри |
Начала |
Отладчик Turbo Debugger |
Основы HTML |
Технология Flash |
Язык программирования Perl |
Основы языка PHP |
Основы PhotoShop |
Основы JavaScript |
Основы CSS |
Основы CorelDRAW |
Библиотека jQuery |
Текстовый процессор Microsoft Word |
Электронные таблицы Microsoft Excel |
Система управления базами данных Microsoft Access |
Использование VBA в Microsoft Excel |
Место информатики в системе наук |
Общие сведения об информации |
Кодирование информации в теории Шеннона |
Основные понятия теории алгоритмов |
Классические формализации понятия 'алгоритм' |
Понятие рекурсии |
Сложность алгоритма |
Методы разработки алгоритмов |
Сложность задачи |
Информационное моделирование |
Основные понятия теории графов |
Алгоритмы поиска на графах |
Матроиды. 'Жадные' алгоритмы |
Динамическое программирование |
Алгоритмы |
UNIX и Linux |
Унифицированный язык моделирования UML |
Введение в машинное обучение с использованием Python |
Основы создания нейросети на Python |
Глубокое обучение на Python |
Начала |
Динамические структуры данных |
Библиотека RX |
Основные классы и события Delphi |
Основные компоненты Delphi |
Организация потоков |
Технология COM |
Язык программирования Object Pascal |
Локальные БД в Delphi |
Библиотека OWL |
Библиотека Qt |
Библиотека STL |
Библиотека шаблонов классов Borland |
Основы компьютерной графики |
Динамические структуры данных |
Начала |
Обработка исключительных ситуаций |
Оптимизация с помощью ассемблера |
Основы объектно-ориентированного программирования |
Потоки ввода-вывода |
Разное |
Редактор Resource Workshop |
Среда Visual C++ |
Программирование в Microsoft Visual C++ 2010 |
Технология CUDA |
Технология OLE |
Начала |
16-битное программирование |
32-битное программирование |
Основы логического программирования |
Динамические структуры данных |
Visual Prolog |
Библиотека PyQt5 |
Библиотека Tkinter |
Визуализация данных |
Начала |
Задачи ComputerScience |
Рекурсия |
Вкладка RXControls |
Вкладка RXDBAware |
Вкладка RXTools |
Вкладка Standard |
Вкладка Additional |
Создание Internet-приложений |
Вкладка System |
Вкладка Win32 |
Вкладка Servers |
Технология ADO |
Вкладка QReport |
Вкладка InterBase |
Вкладка Dialogs |
Начала |
Среда программирования. Язык С/С++ |
На этом шаге мы рассмотрим настройку внешнего вида графиков.
Для настройки внешнего вида графиков можно воспользоваться параметрами:
Приведем примеры использования указанных параметров.
import matplotlib.pyplot as plt import numpy as np import pandas as pd import seaborn as sns mpg = sns.load_dataset("mpg") iris = sns.load_dataset("iris") iris_mod = iris[iris["species"] == "setosa"] sns.regplot(x="sepal_length", y="sepal_width", data=iris_mod, color='r') plt.show()
Рис.1. Демонстрация работы с параметром color функции regplot()
import matplotlib.pyplot as plt import numpy as np import pandas as pd import seaborn as sns mpg = sns.load_dataset("mpg") iris = sns.load_dataset("iris") iris_mod = iris[iris["species"] == "setosa"] markers = ["^", "*", "o"] plt.figure(figsize=(15, 5)) for i, m in enumerate(markers): plt.subplot(1, len(markers), i + 1) plt.title(f"marker = {m}") sns.regplot(x="sepal_length", y="sepal_width", data=iris_mod, color='r', marker=m) plt.show()
Рис.2. Демонстрация работы с параметром marker функции regplot()
Для более тонкой настройки используйте параметры scatter_kws, line_kws:
import matplotlib.pyplot as plt import numpy as np import pandas as pd import seaborn as sns mpg = sns.load_dataset("mpg") iris = sns.load_dataset("iris") iris_mod = iris[iris["species"] == "setosa"] s_kws = {"linewidths": 2, "edgecolors": 'g', 'color': 'r', "s": 50} p_kws = {'ls': '-.', 'lw': 3} sns.regplot(x="sepal_length", y="sepal_width", data=iris_mod, scatter_kws=s_kws, line_kws=p_kws) plt.show()
Рис.3. Демонстрация работы с параметром scatter_kws и line_kws функции regplot()
На следующем шаге мы продолжим изучение этого вопроса.