Loading

Mega May PDF Sale - NOW ON! 25% Off Digital Certs & Diplomas Ends in : : :

Claim My Discount!
Study Reminders
Support
Text Version

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Creación de opciones de personalización

00:01 Speaker 1: ¿Qué es lo que está pasando a todos? Bienvenido a la Parte 10 de nuestra Visualización de Datos con la serie de tutoriales de Python Matplotlib. En esta parte, de lo que vamos a hablar es de la creación de listas de candelabros a cielo abierto y de baja altura. Así que abierto-alto-bajo-cierre es generalmente los datos que obtenemos. Open-high-low-close pertenece a la barra de datos que obtiene. Por lo general, con las acciones, quiero decir, usted tiene muchas acciones negociadas un segundo incluso. Así que cuando obtienes datos, especialmente si son datos gratis, muchas veces, la granularidad se cambia a tal vez tienes datos de un minuto. Y en los datos de un minuto, básicamente se le da por lo general el precio abierto, alto precio, bajo, y un cierre. El abierto es el primer precio en esa barra de un minuto. El alto es el precio más alto en esa barra de un minuto. La baja, la más baja, y luego el cierre es el último precio. Con eso, la gente hace estos gráficos llamados "charts candelabros", que ponen todos esos datos juntos y hacen una representación visual bastante agradable de ella. Así que eso es lo que vamos a estar cubriendo en este tutorial, es la creación de gráficos de alta baja y baja, que es un tipo de gráfico muy personalizado. Así que vamos a empezar.

01:08 S1: En primer lugar, con esto, lo que queremos seguir adelante y hacer es que vamos a modificar nuestro ticker porque vamos a terminar cambiando los tickers en un poco. Así que primero, vamos a llegar a la cima de nuestro guión. Y junto con todas nuestras otras importaciones matplotlib, vamos a importar matplotlib.ticker como M ticker. Una vez más, M ticker es sólo algo que mucha gente hace como estándares. Además, con el fin de trazar un método abierto-de alto-bajo-cierre, dile a matplotlib que eso es lo que estamos a punto de lanzarlo, por lo que es un gráfico muy personalizado. Así que vamos a decir de matplotlib.finance, que es donde un montón de las funciones de finanzas para matplotlib son, vamos a importar el candellestick_openhighlowclose. También hay otro que es closehighlowopen o algo así, el otro orden, pero vamos a utilizar OHLC ya que eso es lo que realmente la mayoría de la gente los llama de todos modos. Así que eso es lo que vamos a seguir adelante y hacer.

02:13 S1: La siguiente cosa que vamos a hacer es básicamente después de llegar a ... Bueno, lo que tenemos que hacer primero, en realidad, es que necesitamos ... Sigamos adelante y escojamos un plazo más largo. Vamos a salir de este material de datos de un día. Así que vamos a cambiar eso a ... No tres días, hagamos tres meses. Y luego nuestro convertidor, básicamente wanna utilizar esta línea y no estas líneas, así que voy a comentar que fuera. Y en realidad, vamos a comentar esto. Y entonces vamos a descomentar esta línea, así que nos devuelven nuestros viejos valores allí.

02:54 S1: Ahora lo que vamos a seguir adelante y hacer es que vamos a venir aquí abajo. Y después de que tengamos estos datos, cuando alimentes los datos a la apertura-alta-baja-de cierre, básicamente lo alimentan la matriz de la fecha abierta-alta-baja-cerca, y usted puede incluso cosas en volumen allí. Así que eso es lo que vamos a seguir adelante y hacer primero, y sólo vamos a correr a través de la fecha. Sólo vamos a hacer esto de una manera ligeramente descuidada, pero eso está bien. Lo que vamos a hacer es que vamos a decir, en primer lugar, X=0. Podemos utilizar la correlación para esto, pero la correlación puede ser realmente confusa. Vamos a cubrir un ejemplo de mapeo más adelante. Será un pequeño ejemplo un poco más simple de todos modos. Así que X=o, y vamos a decir Y es igual a la longitud de las fechas. Así que cuántos parámetros de fecha o variables o valores tenemos, eso es lo que será Y. Y luego vamos a decir Nuevo R para nuevos ... Supongo que es una matriz, pero tal vez deberíamos llamarlo otra cosa, nueva lista. No hay matrices en Python a menos que tenga NumPy de todos modos.

03:57 S1: La nueva lista es igual a esa. Y entonces vamos a decir que mientras que X es menor que Y, ¿qué es lo que queremos hacer? Bueno, vamos a decir que la línea de adición es igual a la fecha X, abierta PX, alta PX alta baja alta PX, cerca de PX, y luego el volumen X. Así que es nuestra línea de adición es igual a eso. Y luego vamos a decir nueva lista igual o en realidad, nueva línea list.append. Y luego diremos X + =1. Así que esto se acaba de ejecutar a través de esta declaración de wow aquí. Y siempre que eso esté todo hecho, se llenará. Y entonces lo que podemos hacer es en lugar de planear este precio cercano, podemos en cambio, trazar el candelabro. Y también, vamos a seguir adelante y comentamos estos. Así que de nuevo, son los tres. Y de hecho, creo que este código está en la guía de aprendizaje, así que voy a eliminarlo donde se guarda el código de ejemplo. Así que no tiene sentido tener un montón de código comentado honestamente, así que vamos a deshacerse de eso, también.

05:20 S1: Así que una vez que tengamos los datos, lo siguiente que vamos a seguir adelante y lo hacemos es que llamaremos candelastick_OHLC, y entonces usted da el eje que usted desea graficar, que es AX1. Y luego los datos de cierre abierto y de baja baja, que son de nueva lista. Y luego se puede ... Básicamente, eso puede ser todo lo que haces. Así que vamos a seguir adelante y simplemente ejecutar que uno real rápido y asegurarse de que todo es hunky-dory. Trazando X en ... Derecho. Y así están nuestros datos por ahora. Debido a que estamos haciendo datos más largos, recientemente, el precio ha llegado a estos números, así que eso es lo que estamos viendo aquí. Nos desharemos de este material de garrapata a continuación. Pero este es el dato. Y así podemos ver a estos bares, y esto es lo que son barras de apertura-alta-baja.

06:04 S1: Ahora, lo que podemos hacer a continuación es generalmente, la gente hace abierta-alta-baja-cerca, y una subida es un movimiento positivo se suele marcar como verde, y un movimiento negativo se marca como rojo. También se puede modificar el ancho, por lo que haremos la anchura iguales.6. Verás que podría ser un poco más gordo. Y luego tenemos este color igual algo, y luego el color hacia abajo es igual a algo. Hasta este momento, hemos estado usando letras, como R, G, y luego el color hacia abajo podría ser R para rojo, y así podemos ver ese rápido rápido. Seguro que, se pusieron un poco más gordos y los movimientos hacia arriba son verdes y luego rojo se denotan como pérdida. Hay algo más de pérdida aquí y así sucesivamente. Pero también podemos hacer colores en forma hexadecimal. Así que la versión de verde sería el 418049, por lo que 418049, utiliza este hash, la libra. Y luego otra vez para el color abajo, libra, y haremos ff1717 para el rojo. Guarde y ejecute eso. XOM de nuevo. Y eso es sólo una versión ligeramente diferente, pero es hexadecimal anyways. Así que es un poco más ligero de un verde o más verde pastel, supongo, pero no obstante verde.

07:24 S1: Así que ahora que hemos hecho eso, lo siguiente es que puedes notar que nuestro ticker aquí abajo ya no está en el formato de fecha apropiado, y por eso necesitábamos hacer mticker arriba. Así que ahora, vamos a eliminar básicamente todo ese código también. Y podemos mantener la rotación, pero la siguiente cosa que queremos hacer es bajar aquí y hacer un ax1.xaxis.set_major_locator. Y primero, diremos mticker.maxNLocator. Y entonces esto será 10. Tenga en cuenta los límites, capital N, capital L. Y luego también estableceremos el formateador mayor, por lo que ax1.xaxis.set_major_formatter, y esto es mDate.formatter, y luego aquí ponemos el formato de la fecha que queremos tener, y eso será sólo %year-%m-%d. Y luego seguiremos adelante y haremos la típica etiqueta plt.y. Este será el precio, etiqueta plt.x. Puede ser la fecha, aunque en realidad, ni siquiera necesitamos fecha. Es bastante obvio que estas son fechas.

08:46 S1: Y luego sigamos adelante y salvemos y corramos eso. XOM de nuevo. Y luego seguro, podemos ver muy claramente ahora, podemos ver muy claramente que estas son las fechas, el precio, y podemos ver las fechas. Eso es genial. Podemos hacer zoom, todo eso. Una cosa a tener en cuenta es, por supuesto, como antes cuando teníamos fechas, podemos acercar y entrar y entrar y entrar, y tenemos indicaciones de fecha y hora, pero ahora se puede ver sólo repetir esa fecha. Si queríamos mostrar más, podríamos hacerlo. Podríamos hacer por ciento horas y colon por ciento minutos y por ciento segundos si queríamos, pero debido a que esto es datos diarios, ni siquiera tenemos esos datos de todos modos.

09:21 S1: Así es para este tutorial con la apertura-alta-baja-cerca. Vamos a seguir construyendo en este tipo de tipo de gráfico, y vamos a añadir más subtramas y cosas así. Pero en el siguiente tutorial, de lo que vamos a hablar es de estilos, y es sólo una manera más fácil para nosotros de modificar la apariencia de nuestro gráfico. Podemos usar algunos de los presets, pero también podemos hacer nuestros propios estilos para las opciones de personalización que nos gustan. Así que eso es lo que ustedes tienen que mirar hacia adelante, así que estén atentos para eso. Gracias por ver.

00:00 Speaker 1: Hola a todos, y bienvenido a la parte 11, Personalización de Matplotlib que es para la visualización de datos en Python. En esta parte, de lo que vamos a hablar es de los estilos Matplotlib. Si usted está siguiendo, y usted tiene tal vez una versión más antigua de Matplotlib, es posible que no tenga estilos. Así que vas a ir adelante y hacer una instalación de Pip Matplotlib, o una actualización de instalación de Pip Matplotlib, actualizar si estás utilizando la aplicación Sudo para conseguirlo, y así sucesivamente. Así que asegúrate de que tu Matplotlib está al día y vamos a seguir adelante y a empezar.

00:32 S1: En primer lugar, vamos adelante y hacemos desde Matplotlib, estilo de importación. Ahora, lo que esto nos trae es la capacidad de usar este tipo de hojas de estilo, eso es lo que les llamo wanna, hojas de estilo. Simplemente se llaman estilos, pero me recuerdan a las hojas de estilo, como para CSS, Cascading Style Sheets for HTML, donde se define un montón de valores, y la idea es la misma que la idea para las hojas de estilo. Puedes tener un sitio web sin una hoja de estilo y estilizar todo a medida que vayas, y eso está totalmente bien. Pero es mucho más fácil tener una hoja de estilo central para todo su sitio web, y luego cuando vas a cambiar algo o hacer una nueva página, no tienes que pasar y codificar todos esos estilos de nuevo. Lo mismo con el gráfico. Como se podía ver antes, teníamos este masivo, ahora se borra porque nos deshicimos de él. Pero cuando estábamos estilizando todos esos elementos en nuestros ejes, recordemos que eran ocho líneas sólo para los ejes uno, y realmente no era esa mucha personalización en realidad. Así que con estilos, podemos ahorrarnos mucho dolor de cabeza, sobre todo si nos gusta aplicar los mismos estilos cada vez, aunque quizá sean solo cinco, 10 líneas, tener tu propio estilo hace que tu vida sea un poco más fácil.

01:48 S1: Así que podemos importar estilo. Y en primer lugar, para utilizar un estilo, podemos ir style.use y luego se especifica el nombre. Ahora, no se espera que conozcas todos los nombres, pero te mostraré chicos en un minuto, todos ellos, pero ggplot es uno de ellos. Y así podemos usar eso, podemos ahorrar y ejecutar esto ahora, y sólo volveremos a trazar Exxon Mobil, y arriba pops este gráfico. Como se puede ver, las cosas son realmente mucho más bonito derecho fuera de la puerta: El gráfico tiene su propio fondo pequeño, y la rejilla es en realidad una línea blanca en el fondo de color, y la fuente parece ser un poco más pequeña, y es un poco más ligero, ya no es negro sólido. Sólo un cambio realmente rápido y agradable. Así que algunas de las otras cosas que posiblemente podríamos hacer es que podemos mirar ... Hay otro que es sólo dark_background, se puede guardar y ejecutar eso, y vamos a traer ese uno para arriba. Y así lo cambia todo. Así que para tener un fondo oscuro, si recuerdas, si tu texto es negro, entonces para cambiar tu fondo a negro significa que tienes que cambiar todo tu texto a blanco, todas tus espinas a blanco. Su cuadrícula tiene que ser blanca y así sucesivamente. Así que, teniendo estos estilos, es como, bam, todo está hecho. Usted no tiene que hacer mucho en realidad.

03:08 S1: Estoy tratando de pensar en algunos otros. Otro es, hay un BMH. Y entonces podemos trazar a Exxon aquí. Bueno. Así que realmente no me importa mucho esta, pero en algunos gráficos tiene mucho sentido. Y luego, por fin, hay una que es 538. Este es en realidad un bonito bonito, es probablemente mi favorito uno de todos ellos, y ggplot, no sé, uno de esos dos. Así que aquí tienes 538, y como puedes ver aquí, lo que han hecho es en realidad, no hay espinas en absoluto, pero luego tienes tus etiquetas y todo eso. Y las etiquetas son bastante grandes, y la rejilla es bastante grande y sólida y todo este tipo de cosas. Así que, sólo agradable para poder importar estos realmente simplemente. Ahora, para averiguar una lista de los estilos disponibles, sólo puede imprimir y hacer plt.style.available y que imprimirá todos los estilos disponibles a su consola, que está aquí. Oops, ahí vas. Así, fondo oscuro, BMH, ggplot, escala de grises. La escala de grises es exactamente lo que suena, es escala de grises. Así que son sólo elementos grises básicamente, o blancos a negros.

04:18 S1: Así que la siguiente cosa que me gustaría que fuéramos adelante y hacer es que me gustaría mostrarles a ustedes en donde estos estilos están escondidos. Así que cuando posiblemente queramos hacer nuestro propio estilo, dónde vamos a ir y todo eso. Así que el camino está justo en tu directorio de Python, así que si estás en Windows, puedes seguir adelante. De lo contrario, tendrás que encontrar tu directorio, donde esté almacenado Matplotlib. Si usted no sabe, aquí está cómo usted puede averiguar sin embargo. Puede abrir un indicador de mandatos, también podría escribirlo en IDLE, pero sólo lo abriremos aquí. Y voy a correr C:/. Usted podría probablemente simplemente escribir "python". Y de hecho, vamos a seguir adelante y hacerlo en nuestro guion que estamos escribiendo ya que eso podría confundir a la gente. Pero lo que podemos hacer es, hemos importado matplotlib.pyplot como PLT, por lo que debemos ser capaces de conseguir haciendo printplt.subrayado subrayado archivo subrayado. Este es solo uno de esos métodos iniciales que viene con bastante cada módulo, y te dirá dónde se almacena ese módulo. Así que podemos ver, para mí, este módulo de Pyplot se almacena bajo este directorio, pero podemos ver el directorio padre es Matplotlib, así que es donde nos wanna head. Así que es así como puedes averiguar dónde están los directorios. Ahora, vamos adelante y vamos allá.

05:39 S1: Así que estoy en el directorio Python34, entonces entraré en lib, y paquetes de sitio, y estamos buscando a Matplotlib. Así que ahora estamos en el directorio Matplotlib. Y puedes ver aquí, hay un directorio para el estilo, pero no hay nada allí. Así que eso no es en realidad lo que estamos buscando, estamos buscando un MPL datos y luego estilo lib, y luego aquí están las hojas de estilo. Así que ahora lo que podemos hacer es decir que nos gustaron 538. Podríamos hacer clic con el botón derecho y vamos a abrirlo con Notepad + +. Si no tienes Notepad + +, puedes abrirla con el Bloc de notas normal si quieres, pero recomiendo altamente Notepad + +. Así que una vez tengas eso arriba, aquí vamos. Puedes ver aquí arriba el autor original ha puesto su información allí, así que sabemos de dónde es y puedes ver aquí cómo está funcionando esto. Bueno. Podemos ver que se definen varias variables. Así, axes.facecocolor. Él está identificando el color de la cara. Este es el ciclo de color, así que si usted tiene líneas, sólo va a ir en bicicleta a través de uno, dos, tres, cuatro, cinco colores antes de que se repita.

06:43 S1: Así que usted puede añadir más colores o algo allí, pero esto debería hacer bien. Y de todos modos, todo el código básicamente para casi todas las cosas de este tipo de estilo. Pero puedes ver incluso esto es de 40 líneas, tiene un poco de espacio en blanco, pero son 40 líneas. Probablemente como 30 sin el espacio en blanco, pero incluso entonces, eso son 30 líneas de información y porque está usando hachas aquí, está afectando a todos los ejes de todos modos, por lo que no hay que preocuparse ni siquiera de hacer cada uno de los ejes a la vez.

07:14 S1: Así que en el siguiente tutorial, sólo vamos a cubrir la elaboración de nuestra propia pequeña hoja de estilo simple. No será nada demasiado fuera, loco, pero vamos a hacer de las nuestras, sólo para que se pueda poner cómodo con ella. Pero probablemente usted puede deducir de esta información cómo hacerlo, pero eso es lo que vamos a hacer en el siguiente tutorial. Así que estad atentos para eso. Gracias por ver.
00:00 Presidente 1: ¿Qué es lo que pasa con todos? Y bienvenidos a la Parte 12 de la Sección 3 de Matplotlib y Data Visualization con Python. En este tutorial, de lo que vamos a hablar es de crear nuestros propios estilos. Así que podemos utilizar algunos de los estilos prefabricados y podemos quizás incluso editar los estilos prefabricados si queríamos un poco, o podemos crear nuestro propio estilo por completo. Y lo bueno de un estilo es que puedes ir con los valores por defecto de Matplotlib y solo cambiar algunas cosas que quieras, para que realmente no tengas que cambiar literalmente todo o todos los colores o lo que sea, puedes ir con solo modificar de los impagos exactamente lo que quieras. Así que si usted se encuentra típicamente siempre haciendo el tamaño de la fuente un poco más grande y tal vez deshacerse de las espinas del borde o algo así, si usted se encuentra haciendo eso cada vez, entonces usted podría tan bien sólo hacerse un poco de estilo simple que hace la fuente más grande, se deshace de esas espinas laterales, y eso será eso.

00:55 S1: Así que en este tutorial, de eso vamos a hablar. Sólo vamos a hacer nuestro propio pequeño estilo que sólo hace algunas cosas. Y en lugar de usar este gráfico de alta baja y baja, sólo vamos a hacer otra gráfica rápida que sólo tiene unas pocas líneas para que podamos ver el cambio. Así que deberías mantener este código porque vamos a volver a este código con el tiempo, así que no sólo elimínalo o algo así, manténganlo alrededor. Pero voy a ir adelante y quitar el mío, pero tengo cada video guardado como un tutorial, así que tengo el código de copia de seguridad. Así que asegúrese de guardar el código de copia de seguridad.

01:27 S1: Así que de todos modos, voy a borrar eso y luego vamos a pasar. Y esto será una especie de buena ejecución a través de los conceptos básicos de Matplotlib. Y así vamos a ir a importar matplotlib.pyplot como plt del estilo de importación Matplotlib, y luego, finalmente, vamos a importar la causa aleatoria que vamos a utilizar para dibujar líneas aleatorias. Entonces, vamos a estile.use, y usaremos algo. Por ahora, sólo podemos usar la trama GG. Y de hecho, no utilicemos este estilo. Usaremos nuestro propio estilo en un minuto, pero el estilo lo usaré. Y entonces lo que vamos a decir es que diremos, "Cuatro etiquetas en el rango de ocho". ¿Qué es lo que queremos hacer? Vamos a decir, "X es un conjunto vacío, y Y es un vacío ..." En realidad, estas son listas vacías, más bien. Y luego vamos a decir, "Cuatro yo en el rango de uno a 10". ¿Qué es lo que queremos hacer? Vamos a decir, "Los Ys son iguales a rank.rand rango." Sólo será un número aleatorio básicamente de cero a 15. La X será igual a la I, así que sólo será una, dos, tres, cuatro, cinco, seis, siete, ocho, nueve, 10. Y entonces sólo diremos, "X.append the Xs, Y.append the Ys." Y luego una vez que hayamos terminado con ese cuatro loop, lo trazaremos para que sea plt.plot XY, y luego diremos, "Label equals label", por lo que solo va a ser el número básicamente, label equals label. Y entonces esto significa que vamos a tener ocho líneas básicamente, ¿de acuerdo? Así que lo hacemos. Y luego finalmente en el extremo, vamos a plt.legend, y luego vamos a hacer plt.show.

03:07 S1: Okay, tan bonito código simple allí. Vamos a ahorrar y ejecutar eso. Y arriba aparece este gráfico aquí. Así que no es realmente el gráfico más bonito del mundo, pero sí tenemos algunas líneas. Vemos que tenemos muchos números. Y la otra cosa que podemos ver a la derecha de la puerta es la primera repetición del color. Así que como decía antes, cuando tienes ese ciclo de color, Matplotlib podemos ver tiene seis colores antes de que empiece a repetir. Así que 0 y 7 son en realidad el mismo color exacto. Así que si estás tratando de trazar algo que tiene un montón de diferentes tipos de etiquetas, digamos, o diferentes conjuntos de datos. Obviamente, esto en realidad es realmente desordenado, pero a veces hay donde usted podría tener un gráfico de aspecto más limpio que tiene siete conjuntos de datos diferentes que necesitan siete etiquetas diferentes, y por lo que es necesario tener una manera de manejar para eso. De todos modos, así que ten eso en mente.

03:54 S1: Así que vamos a seguir adelante y cerrar esto ahora, y vamos a hacer nuestro propio estilo. Así que para hacer eso, venimos aquí, y aquí es donde está el mío. De nuevo, hemos mostrado cómo llegar a este directorio antes de importar Matplotlib y luego imprimir Matplotlib. En realidad, creo que hicimos pyplot, e hicimos imprimir plt.file, y así es como se puede averiguar dónde está. Pero ya lo cubrimos, así que no voy a volver a hacerlo. Y así que aquí están todos los estilos que tenemos actualmente, y podemos hacer otro. Así que vamos a copiar este, pegar, y vamos a llamar a este, "Nuestro estilo." Y luego lo editaremos con Notepad + +, déjame traerlo por aquí, y aquí vamos. Así que vamos a aclarar todo este estilo, y luego podemos empezar a escribir lo que queramos.

04:40 S1: En primer lugar, podemos hacer que los anchos de línea sean un poco más grandes. Así que en un principio, los anchos de línea en ese gráfico son tan flacos que no sé, sólo me molesta a veces. Así que haremos line.line width. Y podemos hacer estos dos. Entonces, notamos que el otro problema eran esos colores, por lo que podemos decir algo así, como "Axes.color_cycle", y este es el color que vamos a recorrer en bicicleta. Y estos son códigos de color hex, pero no tienes que tener el signo de la libra allí. Ahora, para averiguar los colores a utilizar, lo más fácil que puede hacer es sólo Google "código de color hex", y usted puede encontrarse en un sitio web como este. Este es el que siempre termino usando, y usted puede empezar a escoger colores, ¿de acuerdo? Así que puedes empezar a escoger un color verdoso sería esto, y entonces podrías escoger más de un color amarillento como este. Es una especie de amarillo feo, pero para propósitos del tutorial, eso está bien. Y luego haremos uno rojizo. Hagamos este azul claro. Y usted puede simplemente escoger sus propios colores, también. Puedes ver kinda con lo que sea que quieras. Hay un azul oscuro. No recuerdo si conseguimos un verde oscuro real o no, pero vamos adelante y agarramos un verde oscuro. Vale, así que eso es seis. Y entonces podemos obtener un color pinkish más brillante. Así que serían siete.

06:00 S1: Y entonces vamos a elegir básicamente uno más. Creo que me gusta un color que no tenemos. No creo que tengamos una buena naranja todavía. Solo vamos a ir con eso. Vale, así que ahora tenemos, qué es esto, ocho colores para ir en bicicleta. Obviamente, podrías seguir adelante. Si te encuentras trazando gráficos con 30 líneas diferentes o algo, adelante, añade 30 colores personalizados diferentes. Ahora, lo siguiente es el color de cara de los ejes y luego el color de la cara de la figura. Muchas veces, esto se ve bien si son idénticos. Así que lo que haremos es que tendremos axes.facecocolor: Y haremos esto un F2, F1, F1. Y solo para el disco, ese es este color, ¿verdad? Es casi blanco, pero no realmente. Y luego vamos a hacer exactamente lo mismo con el color figure.face, y entonces sólo tendremos que ser exactamente el mismo color. Y esto tiene que ser figura.

06:54 S1: Y entonces haremos axes.labelsize. Llamaremos a estas grandes etiquetas axes.grid. Eso lo haremos realidad. Haremos grid.linewidth. 0,25 es bueno. Grid.linestyle. Vamos a hacer que sea un guión ahí. Y entonces probablemente deberíamos cambiar el color a grid.color, C9, C9, C9. Y luego tamaño de fuente, hagamos que un 12. Y vamos a deshacernos de esas garrapatas mayores y menores. Así que xtic.major.size: Cero. Y luego vamos a copiar esta línea, así que sólo vamos a hacer algunas ediciones a medida que vamos. Así que luego pega, pega, pega. En lugar de mayor aquí, menor. Y luego de nuevo, menor. En lugar de x tick, esto sería y y. Así que tienes x tick major, x tick menor, y tick major, y tick menor.

07:50 S1: De acuerdo. Así que hemos hecho un estilo, sigamos adelante y salvemos eso. Eso se llama "nuestro estilo". Vamos a pasar esto. Y el estile.use, usaremos nuestro estilo. Así que, ahora vamos a ahorrar y a correr eso. Plot it up, and there you go. Ahora tenemos nuestro propio estilo. Así que como puedes ver, hemos cambiado bastantes cosas. Las etiquetas son un poco más grandes, los colores son un poco más bonito, y la red es ... Tal vez querríamos una rejilla un poco más oscura, posiblemente. También podríamos hacer que la rejilla sea una luz, como un blanco o algo así. Creo que F, F, F o algo es un blanco sólido. Permítanme que lo intente. Así que la cuadrícula de color Lo que si lo hiciéramos uno, dos, tres, cuatro, seis, sí. Así que bueno, salvo eso. Y entonces tal vez una rejilla blanca se vería bien. Nope, ni siquiera puedo verlo. Bueno. [chuckle] Tal vez ese era un color no válido, sin embargo, en realidad.

08:38 S1: De todos modos, puedes jugar con eso si quieres, pero hay un ejemplo de cómo puedes escribir tu propio estilo y entonces tal vez deshacerse de estas x o las espinas. Me olvidé de hacer eso, pero eso está bien, estamos kinda corriendo de todos modos. Pero puedes deshacerte de las espinas si querías o puedes hacer todo tipo de cosas. Pero de todos modos, esto ya ... Tomó como dos minutos hacer un estilismo ya bastante mejor que el Matplotlib por defecto. Así que ahí se va.

09:04 S1: Bien, así que eso es con estilos. En el siguiente tutorial, de lo que vamos a hablar es de crear gráficos en vivo, así que los gráficos que se actualizan en vivo a medida que se modifican los datos que están leyendo. Así que como decía antes, cuando tienes un gráfico, una vez que lo has trazado, no puedes cambiar ese gráfico. Bueno, puedes si estás usando la funcionalidad de animación. Así que eso es de lo que vamos a estar hablando en el siguiente tutorial, así que estad atentos para eso.