Loading

Alison's New App is now available on iOS and Android! Download Now

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

    +

Création d'options de personnalisation

00:01 Conférencier 1: Qu'est-ce qui se passe sur tout le monde? Bienvenue dans la partie 10 de notre Visualisation des données avec la série de tutoriel Python Matplotlib. Dans cette partie, ce dont nous allons parler, c'est la création de cartes à chandeliers à ciel ouvert. Donc, open-high-low-close est en général les données que nous obtenons. Ouvrir-haut-bas-proche de la barre de données que vous obtenez. Donc en général, avec les stocks, je veux dire, vous avez de nombreux titres échangés une seconde. Donc quand vous obtenez des données, surtout si c'est des données gratuites, beaucoup de fois, la granularité est changés pour que vous ayez des données d'une minute. Et dans les données d'une minute, on vous donne essentiellement le prix ouvert, le prix élevé, le bas et la fermeture. L'ouverture est le premier prix dans cette barre d'une minute. Le haut est le prix le plus élevé de cette barre d'une minute. Le plus bas, le plus bas, puis la clôture est le dernier prix. Avec ça, les gens font ces cartes appelées "cartes à chandelles", qui mettent toutes ces données ensemble et en font une représentation visuelle plutôt sympa. Donc c'est ce que nous allons couvrir dans ce tutoriel, c'est la création de graphiques à haute fermeture, ce qui est un type de graphique assez personnalisé. Alors, allons commencer.

01:08 S1: Tout d'abord, avec ça, ce que nous voulons aller de l'avant et c'est nous allons modifier notre ticker parce que nous allons finir par changer les tickers en un petit peu. Donc d'abord, on va arriver au sommet de notre script. Et avec toutes nos autres importations de matplotlib, nous allons importer matplotlib.ticker as M ticker. Encore une fois, M. ticker est quelque chose que beaucoup de gens font comme des normes. De plus, afin de tracer la méthode open-high-low-close, dites à matplotlib que c'est ce que nous sommes sur le point de lancer, donc c'est un graphique très personnalisé. Donc on va dire de matplotlib.finance, c'est là qu'un tas de fonctions financières pour matplotlib sont, nous allons importer le candlestick_openhighclose. Il y en a aussi un autre qui est fermé ou quelque chose comme ça, l'autre ordre, mais nous utiliserons OHLC puisque c'est ce que la plupart des gens appellent de toute façon. Donc c'est ce que nous allons faire.

02:13 S1: Laminage sur le bas, la prochaine chose que nous ferons, c'est après que nous aurons ... Eh bien, ce que nous devons faire d'abord, en fait, c'est qu'il faut ... Allons de l'avant et choisissons un délai plus long. Nous sortons de ces données d'une journée. Donc on va changer ça pour ... Pas trois jours, faisons trois mois. Et puis notre convertisseur, nous voulons essentiellement utiliser cette ligne et pas ces lignes, donc je vais le commenter. Et en fait, faisons le commentaire. Et ensuite nous allons annuler la mise en commentaire de cette ligne, donc on nous donne nos anciennes valeurs là-bas.

02:54 S1: Maintenant ce que nous voulons, c'est que nous allons descendre ici. Et après que nous ayons ces données, quand vous nourrez les données vers l'open-high-low-close, vous la nourrez fondamentalement le tableau de date ouvert-high-low-close, et vous pouvez même y avoir des trucs en volume. Donc c'est ce que nous allons faire d'abord, et nous allons courir jusqu'à maintenant. Nous allons juste le faire de façon légèrement inclinée, mais c'est bon. Ce que nous allons faire, c'est que nous allons dire, tout d'abord, X=0. Nous pouvons utiliser le mappage pour cela, mais la cartographie peut être vraiment déroutant. Nous allons voir un exemple de cartographie plus tard. Ce sera un petit exemple un peu plus simple. Donc X=o, et on va dire Y est égal à la longueur des dates. Alors, combien de paramètres de date, de variables ou de valeurs avons-nous, c'est ce que Y sera. Et puis on va dire New R pour nouveau ... Je suppose que c'est un tableau, mais peut-être devrions-nous appeler ça quelque chose d'autre, une nouvelle liste. Il n'y a pas de tableaux en Python sauf si vous avez NumPy de toute façon.

03:57 S1: Une nouvelle liste est égale à cela. Et puis on va dire que si X est moins que Y, qu'est-ce que nous voulons faire? Eh bien, on va dire que la ligne append est égale à la date X, open PX, haute PX open low PX, close PX, puis volume X. Donc c'est notre ligne append égale ça. Et puis on va dire que la nouvelle liste est égale ou en fait, une nouvelle ligne list.append. Et puis on dira X + =1. Donc ça va juste passer par cette déclaration de wow ici. Et chaque fois que c'est fait, il sera peuplé. Et alors ce que nous pouvons faire c'est plutôt de tracer ce prix de clôture, nous pouvons plutôt tracer le chandelier. Et aussi, allons-y et commetons-nous. Encore une fois, c'est les trois. Et en fait, je pense que ce code est dans le tutoriel, donc je vais juste le supprimer où le code de l'échantillon est sauvé. Donc il n'y a pas de sens à avoir un paquet de code écrit honnêtement, donc on se débarras de ça aussi.

05:20 S1: Une fois que nous avons les données, la prochaine chose que nous allons faire, c'est que nous voulons appeler candlestick_OHLC, et ensuite vous donnez l'axe que vous voulez tracer sur, qui est AX1. Et puis les données open-high-low-close, qui est new_list. Et puis vous pouvez ... Fondamentalement, ça peut être tout ce que vous faites. Alors, allons-y et ne faisons qu'un vrai rapide et assurez-vous que tout est chétif. Plotting X sur ... D'accord. Et donc il y a nos données pour l'instant. Parce que nous faisons des données plus longues, tout récemment, le prix est entré dans ces chiffres, donc c'est un peu ce que nous regardons ici. On va se débarrasser de cette tique prochaine. Mais il s'agit des données. Et donc on peut voir ces barres, et c'est ce qui sont des barres ouvertes-haut-bas.

06:04 S1: Maintenant, ce que nous pouvons faire ensuite est généralement, les gens sont ouverts-haut-de-bas-de-bas, et un mouvement est un mouvement positif est généralement marqué comme vert, et un mouvement négatif est marqué comme rouge. De plus, vous pouvez modifier la largeur, donc nous allons faire des largeégaux6. Tu verras qu'il pourrait être un peu plus gros. Et puis nous avons ces couleurs à égalité, et ensuite la couleur vers le bas est égale à quelque chose. Jusqu'à ce moment-là, nous avons utilisé des lettres, comme R, G, et ensuite la couleur vers le bas pourrait être R pour le rouge, et donc nous pouvons regarder ce vrai rapide. Bien sûr, ils ont un peu plus gros et les mouvements vers le haut sont verts, puis le rouge est dénoté comme une perte. Il y a plus de perte ici et ainsi de suite. Mais nous pouvons aussi faire des couleurs au format hexadécimal. Donc la version du vert serait la 418049, donc 418049, utilisez ce hachage, la livre. Et puis de nouveau pour la couleur en bas, la livre, et nous allons faire le ff1717 pour le rouge. Sauvegardez et exécutez cela. XOM à nouveau. Et c'est juste une version légèrement différente, mais c'est des formes hexadécimales. Donc c'est un peu plus léger d'un vert ou plus vert pastel, je suppose, mais néanmoins vert.

07:24 S1: Donc maintenant que nous avons fait ça, la prochaine chose est que vous pouvez remarquer que notre ticker ici n'est plus au format de date correct, et c'est pourquoi nous avions besoin de faire des réticards plus haut. Alors maintenant, allons nous débarrasser de tout ce code aussi. Et nous pouvons garder la rotation, mais la prochaine chose que nous voulons faire est d'arriver ici et de faire un ax1.xaxis.set_major_locator. Et d'abord, nous dirons mticker.maxNLocator. Et alors ce sera 10. Notez les plafonds, la capitale N, la capitale L, là. Et puis nous allons également définir le formateur principal, donc ax1.xaxis.set_major_formatter, et il s'agit de mDate.formatter, et ensuite nous avons mis n'importe quel format de la date que nous voulons avoir, et cela ne sera que %year-%m-%d. Et puis on ira de l'avant et on fera le label plt.y typique. Ce sera le prix, le label plt.x. Peut être une date, même si, en fait, nous n'avons même pas besoin de date. C'est assez évident que ce sont des dates.

08:46 S1: Et puis, allons de l'avant et économetons et exécutez ça. XOM à nouveau. Et bien sûr, nous pouvons voir très clairement maintenant, nous pouvons voir très clairement que ce sont les dates, le prix, et nous pouvons voir les dates. C'est super. On peut zoomer, tout ça. Une chose à noter est bien sûr, comme avant quand nous avions des dates, nous pouvons zoomer dans et dans et dans et dans, et nous avons des horodatages, mais maintenant vous pouvez voir juste répète cette date. Si nous voulions en montrer plus, nous le pouvions. Nous pourrions faire le pourcentage d'heures et de points de pourcentage minutes et les secondes si nous le voulions, mais parce que c'est des données quotidiennes, nous n'avons même pas ces données de toute façon.

09:21 S1: C'est pour ce tutoriel avec l'ouverture-haut-bas-close. Nous allons continuer à construire sur ce type de type de graphique, et nous allons ajouter d'autres sous-parcelles et des trucs comme ça. Mais dans le prochain tutoriel, ce dont nous allons parler, c'est des styles, et c'est juste une façon plus facile pour nous de modifier notre façon de voir notre graphique. Nous pouvons utiliser certains des presets, mais nous pouvons aussi faire nos propres styles pour les options de personnalisation que nous aimons. Donc c'est ce que vous devez regarder vers l'avant, alors restez à l'écoute pour ça. Merci d'avoir regardé.

00:00 Président 1: Bonjour tout le monde, et bienvenue à la partie 11, Personnalisation de Matplotlib qui est pour Visualisation des données en Python. Dans cette partie, nous allons parler des styles Matplotlib. Si vous avez suivi, et que vous avez peut-être une version plus ancienne de Matplotlib, il se peut que vous n'ayez pas de styles. Donc vous voulez aller de l'avant et faire une installation de Pip Matplotlib, ou une installation de Pip installer Matplotlib, mettre à jour si vous utilisez l'application Sudo pour l'obtenir, etc. Alors, assurez-vous que votre Matplotlib est à jour et qu'on va commencer.

00:32 S1: D'abord, nous allons de l'avant et faisons de Matplotlib, le style d'importation. Maintenant, ce que cela nous amène, c'est la capacité à utiliser ce genre de feuilles de style, c'est ce que je veux les appeler, les feuilles de style. Ils sont juste appelés styles, mais ils me rappellent les feuilles de style, comme pour CSS, Cascading Style Sheets pour HTML, où vous définissez un tas de valeurs, et l'idée est la même que l'idée pour les feuilles de style. Vous pouvez avoir un site sans feuille de style et de style tout comme vous allez, et c'est tout à fait fin. Mais il est beaucoup plus facile d'avoir une feuille de style central pour l'ensemble de votre site web, et ensuite quand vous allez changer quelque chose ou faire une nouvelle page, vous n'avez pas besoin de passer à travers et de coder tous ces styles à nouveau. Même chose avec le graphique. Comme vous pouvez le voir avant, nous avons eu ce massif, maintenant il est supprimé parce que nous nous sommes débarras de lui. Mais quand nous avons coiffé tous ces éléments dans nos haches, rappelez-vous que c'était huit lignes juste pour les axes un, et ce n'était pas vraiment beaucoup de personnalisation. Donc avec les styles, nous pouvons nous sauver beaucoup de maux de tête, surtout si nous aimons appliquer les mêmes styles à chaque fois, même si c'est peut-être juste 5, 10 lignes, avoir votre propre style rend votre vie un peu plus facile.

01:48 S1: Nous pouvons donc importer le style. Et tout d'abord, pour utiliser un style, on peut utiliser style.use et ensuite vous spécifiez le nom. Maintenant, vous n'êtes pas censés connaître tous les noms, mais je vais vous montrer les gars dans une minute, tous, mais ggplot est l'un d'eux. Et donc nous pouvons utiliser ça, nous pouvons sauver et gérer ça maintenant, et nous allons juste représenter Exxon Mobil à nouveau, et en haut pops ce graphique. Comme vous pouvez le voir, les choses sont vraiment beaucoup plus joli à l'extérieur de la porte: Le graphe a son propre petit fond, et la grille est en fait une ligne blanche sur le fond de couleur, et la police semble être un peu plus petite, et c'est un peu plus léger, ce n'est plus un noir solide. Juste un changement vraiment rapide et agréable. Donc certaines des autres choses que nous pourrions peut-être faire, c'est que nous pouvons regarder ... Il y en a un autre qui n'est que sombre, vous pouvez sauver et courir ça, et nous allons le faire monter. Et donc ça change tout. Donc pour avoir un fond noir, si vous vous souvenez, si votre texte est noir, alors pour changer votre fond en noir signifie que vous devez changer tout votre texte en blanc, toutes vos épines à blanc. Votre grille doit être blanche, etc. Donc, avoir ces styles, c'est comme, bam, tout est fait. Vous n'avez pas à faire beaucoup du tout.

03:08 S1: J'essaie de penser à d'autres. Une autre est, il y a une BMH. Et puis nous pouvons tracer Exxon ici. Ok. Donc je ne me souciais pas beaucoup de celui-ci, mais sur certains tableaux, ça a beaucoup de sens. Et enfin, il y en a un qui est 538. Celui-ci est en fait plutôt sympa, c'est probablement mon préféré de tous, et ggplot, je ne sais pas, l'un de ces deux. Donc voici 538, et comme vous pouvez le voir ici, ce qu'ils ont fait est en fait, il n'y a pas de épines du tout, mais ensuite vous avez vos étiquettes et tout ça. Et les étiquettes sont assez grosses, et le réseau est assez gros et solide et tout ce genre de choses. Alors, juste bien pour être en mesure d'importer tout simplement ça. Maintenant, pour trouver une liste des styles disponibles, vous pouvez juste imprimer et faire plt.style.available et qui imprimera tous les styles disponibles sur votre console, qui est ici. Oops, vous y allez. Donc, fond sombre, BMH, ggplot, grayscale. Grayscale est exactement ce qu'on dirait, c'est de l'échelle de gris. Il ne s'agit donc que d'éléments gris, ou de blanc à noir.

04:18 S1: Donc la prochaine chose que j'aimerais que nous allons faire, c'est que j'aimerais vous montrer où ces styles sont cachés. Donc quand nous voulons peut-être faire notre propre style, où aller et tout ça. Donc le chemin est juste dans votre répertoire Python, donc si vous êtes sous Windows, vous pouvez suivre. Sinon, vous devrez trouver votre répertoire, quel que soit le lieu de stockage de Matplotlib. Si vous ne le savez pas, voici comment vous pouvez le savoir. Vous pouvez ouvrir une invite de commande, vous pouvez également le taper dans IDLE également, mais nous allons l'ouvrir ici. Et je vais courir C: /. Vous pouvez probablement simplement taper "python". Et en fait, allons-y et faisons ça dans notre script que nous écrivons car cela risque de semer la confusion chez les gens. Mais ce que nous pouvons faire, c'est que nous avons importé matplotlib.pyplot en tant que PLT, donc nous devrions être en mesure d'obtenir en faisant imprimer le trait de soulignement des traits de soulignement des traits de soulignement. Il ne s'agit que de l'une de ces méthodes initiales qui est fournie avec presque tous les modules, et elle vous dira où est stocké ce module. Donc on peut voir, pour moi, ce module Pyplot est stocké dans ce répertoire, mais on peut voir le répertoire parent est Matplotlib, donc c'est là que nous voulons la tête. C'est ainsi que vous pouvez trouver où se trouvent les répertoires. Maintenant, allons-y et allez-y.

05:39 S1: Donc je suis dans le répertoire Python34, alors je vais à la bibliothèque là-bas, et les paquets de site, et nous recherchons Matplotlib. Nous sommes maintenant dans le répertoire Matplotlib. Et vous pouvez voir ici, il y a un répertoire pour le style, mais il n'y a rien là-bas. Donc ce n'est pas vraiment ce que nous recherchons, nous recherchons des données MPL, puis le style lib, et ensuite voici les feuilles de style. Donc maintenant ce que nous pouvons faire, c'est dire que nous aimais 538. Si vous n'avez pas le Bloc-notes + +, vous pouvez l'ouvrir avec le Bloc-notes régulier si vous le souhaitez, mais je recommande fortement Notepad + +. Donc une fois que vous avez ça, nous allons. Vous pouvez voir ici l'auteur original a mis ses informations là, donc nous savons d'où il vient et vous pouvez voir ici comment ça marche. Ok. Nous pouvons voir que vous définissez différentes variables. Donc, axes.facecolor. Il identifie la couleur de face. C'est le cycle des couleurs, donc si vous avez des lignes, c'est seulement le cycle à un, deux, trois, quatre, cinq couleurs avant qu'il se répète.

06:43 S1: Donc vous pouvez vouloir ajouter plus de couleurs ou quelque chose là, mais ça devrait faire bien. Et de toute façon, tout le code pour presque tous les trucs de ce genre de style. Mais vous pouvez voir qu'il y a 40 lignes, il y a de l'espace blanc, mais c'est 40 lignes. Probablement comme 30 sans l'espace blanc, mais même là, c'est 30 lignes d'information et parce qu'il utilise des haches ici, ça affecte tous les axes de toute façon, donc vous n'avez même pas à vous soucier de faire chaque axe à la fois.

07:14 S1: Donc dans le tutoriel suivant, nous allons juste couvrir la fabrication de notre propre petite feuille de style simple. Ce ne sera rien de trop, fou, mais nous ferons notre propre, juste pour que vous puissiez vous sentir à l'aise avec ça. Mais vous pouvez probablement déduire de cette information comment le faire, mais c'est ce que nous allons faire dans le prochain tutoriel. Alors restez à l'écoute. Merci d'avoir regardé.
00:00 Président 1: Qu'est-ce qui se passe sur tout le monde? Et bienvenue à la partie 12 de la section 3 de Matplotlib et Data Visualization avec Python. Dans ce tutoriel, ce dont nous allons parler, c'est de créer nos propres styles. Donc nous pouvons utiliser certains styles préfabriqués et nous pouvons peut-être même éditer les styles préfabriqués si nous voulions un peu, ou nous pouvons créer notre propre style complètement. Et la bonne chose à propos d'un style, c'est que vous pouvez aller avec les valeurs par défaut de Matplotlib et simplement changer quelques choses que vous voulez, donc vous n'avez pas vraiment à changer littéralement tout ou toutes les couleurs ou n'importe quoi, vous pouvez aller avec juste modifier à partir des valeurs par défaut exactement ce que vous voulez. Donc, si vous vous trouvez généralement toujours en train de faire la taille de la police un peu plus grande et peut-être de se débarrasser des épines de bord ou quelque chose comme ça, si vous vous trouvez en faisant ça chaque fois, alors vous pourriez aussi bien vous faire un peu simple style qui rend la police plus grande, se débarrassez de ces épines côté, et ce sera ça.

00:55 S1: Dans ce tutoriel, c'est ce dont nous allons parler. Nous allons juste faire notre propre petit style qui ne fait que quelques trucs. Et au lieu d'utiliser ce graphique très bas ouvert, nous allons juste faire un autre graphique rapide qui a juste quelques lignes pour que nous puissions voir le changement. Donc, vous devriez garder ce code parce que nous allons revenir à ce code, donc ne le supprimez pas simplement ou quelque chose comme ça, gardez ça autour. Mais je vais aller de l'avant et enlever la mienne, mais j'ai chaque vidéo enregistrée comme un tutoriel, donc j'ai le code retour. Alors assurez-vous de sauvegarder votre code de sauvegarde.

01:27 S1: Donc de toute façon, je vais supprimer ça et puis on va passer. Et ce sera une sorte de bonne exécution par les bases de Matplotlib de toute façon. Et donc on va importer matplotlib.pyplot as plt à partir de Matplotlib import style, et enfin, on va importer la cause aléatoire " parce que nous allons l'utiliser pour tracer des lignes aléatoires. Alors, on va style.use, et on va utiliser quelque chose. Pour l'instant, nous pouvons utiliser le complot GG. Et en fait, n'utilisons pas ce style. Nous utiliserons notre propre style dans une minute, mais le style que je vais utiliser. Et puis ce que nous allons dire, c'est que nous dirons, "Quatre étiquettes dans une gamme de huit." Qu'est-ce que nous voulons faire? On va dire, "X est un ensemble vide, et Y est vide ..." En fait, ce sont des listes vides, plutôt. Et puis on va dire: "Quatre I dans une fourchette de 1 à 10." Qu'est-ce que nous voulons faire? On va dire: "Les Ys sont égaux à la gamme aléatoire." Il ne s'agit que d'un nombre aléatoire de zéro à 15. Le X va juste être égal au I, donc il sera juste un, deux, trois, quatre, cinq, six, sept, huit, neuf, 10. Et puis on dira: "X.append les Xs, Y.append the Ys." Et une fois que nous aurons fini avec cette boucle, nous allons le tracer pour qu'il soit plt.plot XY, et ensuite nous dirons, "Label est égal à l'étiquette", donc c'est juste le numéro, le label est égal à l'étiquette. Et alors ça veut dire que nous allons avoir huit lignes fondamentalement, d'accord? Donc nous le faisons. Et finalement à la toute fin, nous allons plt.légendes, et puis nous allons faire plt.show.

03:07 S1: Ok, c'est un bon code simple là-bas. Allons sauver et courir ça. Et voilà ce graphique ici. Donc pas vraiment le graphique le plus préc du monde, mais nous avons quelques lignes. Nous voyons que nous avons beaucoup de chiffres. Et l'autre chose que nous pouvons voir à l'extérieur de la porte est la première répétition de la couleur. Comme je le disais avant, quand vous avez ce cycle de couleurs, Matplotlib nous pouvons voir a six couleurs avant qu'il ne commence à répéter. Donc 0 et 7 sont exactement la même couleur. Donc si vous essayez de tracer quelque chose qui a beaucoup de types différents d'étiquettes, disons, ou des jeux de données différents. De toute évidence, c'est en fait vraiment désordonnée, mais il y a parfois des endroits où vous pourriez avoir un graphique d'apparence plus propre qui a sept jeux de données différents qui ont besoin de sept étiquettes différentes, et donc vous devez avoir un moyen de gérer pour cela. Quoi qu'il en soit, gardez cela à l'esprit.

03:54 S1: Donc nous allons continuer et fermer ça maintenant, et faisons juste notre propre style. Pour ce faire, nous venons ici, et c'est là que se trouve la mienne. Encore une fois, nous avons montré comment accéder à ce répertoire avant d'importer Matplotlib, puis d'imprimer Matplotlib. En fait, je pense que nous avons fait des pyplois, et nous avons imprimé le fichier plt.file, et c'est comme ça que vous pouvez trouver où c'est. Mais nous avons déjà couvert ça, donc je ne vais pas le faire à nouveau. Et voici tous les styles que nous avons actuellement, et nous pouvons en faire un autre. Alors, il suffit de copier cette pâte, et on appellera celle-ci, "Notre style". Et puis on va l'éditer avec le Bloc-notes + +, je vais la ramener ici, et ici on y va. Alors sortons tout ce style, et ensuite nous pouvons commencer à écrire ce que nous voulons.

04:40 S1: Tout d'abord, nous pouvons rendre la ligne largeurs un peu plus grande. Au début, les largeurs de ligne sur ce graphe sont tellement maigre que je ne sais pas, ça m'ennuime parfois. Donc nous allons faire la largeur des lignes. Et nous pouvons en faire deux. Ensuite, nous remarquons que l'autre problème était de ces couleurs, donc nous pouvons dire quelque chose comme ça, comme "Axes.color_cycle", et c'est les couleurs que nous allons traverser. Et ce sont des codes de couleur hexadécimal, mais vous n'avez pas à y avoir le signe dièse. Maintenant, pour comprendre les couleurs à utiliser, la chose la plus facile que vous pouvez faire est simplement Google "hex couleur code", et vous pouvez vous trouver sur un site comme celui-ci. C'est celui que j'ai toujours utilisé, et vous pouvez commencer à choisir des couleurs, d'accord? Donc vous pouvez commencer à choisir une couleur verdâtre, et ensuite vous pourriez choisir plus d'une couleur jaunâtre comme celle-ci. C'est une sorte de jaune laid, mais pour les besoins du tutoriel, c'est bon. Et puis on fera un rougeâtre. Faisons ce bleu clair. Et vous pouvez aussi choisir vos propres couleurs. Tu peux kinda aller avec tout ce que tu veux. Il y a un bleu foncé. Je ne me souviens pas si nous avons un vrai vert foncé ou pas, mais allons-y et attrapons un vert foncé. Ok, donc c'est six. Et puis on peut avoir une couleur rosâtre plus brillante. Donc ça serait sept.

06:00 S1: Et ensuite, il suffit de choisir un autre. Je pense que j'aime une couleur que nous n'avons pas. Je ne pense pas que nous ayons une bonne orange. On va aller avec ça. Ok, donc maintenant on a, ce qui est ça, huit couleurs pour le cycle. Évidemment, tu pourrais continuer. Si vous trouvez des graphiques avec 30 lignes différentes ou quelque chose, allez-y, ajoutez 30 couleurs personnalisées différentes. Maintenant, la prochaine chose est la couleur des axes et ensuite la couleur du visage de la figure. Beaucoup de fois, ça a l'air bien s'ils sont identiques. Donc ce que nous ferons, c'est que nous aurons axes.facecolor: Et nous allons faire un F2, F1, F1. Et juste pour l'enregistrement, c'est cette couleur, n'est-ce pas? C'est presque blanc, mais pas vraiment. Et puis on va faire exactement la même chose avec la couleur de figure, et puis on aura exactement la même couleur. Et cela doit être une figure.

06:54 S1: Et ensuite nous allons faire axes.labelsize. Nous appellerons ces grands labels axes.grid. Nous ferons cela. Nous allons faire grid.linewidth. 0,25 est bon. Grid.linestyle. Faisons juste un trait d'union. Et puis nous devrions probablement changer la couleur à grid.color, C9, C9, C9. Et puis la taille de la police, faisons ça 12. Et allons nous débarrasser de ces coques majeures et mineures. Donc xtic.major.size: Zéro. Et puis nous allons juste copier cette ligne, donc nous allons juste faire quelques modifications au fur et à mesure. Alors, collez, collez, collez. Au lieu de major ici, mineur. Et puis encore, mineur. Au lieu de x, ce serait y et y. Donc vous avez x tick majeur, x tick minor, y tick majeur, y tick mineur.

07:50 S1: Ok. Donc nous avons fait un style, allons de l'avant et sauve ça. Ça s'appelle "notre style". Passons à ça. Et le style.use, nous allons utiliser notre style. Donc, maintenant, économtons et exécutez ça. Plot ça, et tu y vas. Nous avons notre propre style maintenant. Comme vous pouvez le voir, nous avons changé beaucoup de choses. Les étiquettes sont un peu plus grandes, les couleurs sont un peu plus joli, et la grille est. .. Peut-être que nous voudrions une grille un peu plus sombre, peut-être. On pourrait aussi faire de la grille une lumière, comme un blanc ou quelque chose comme ça. Je crois que F, F, F ou quelque chose est un blanc solide. Laisse-moi essayer ça. Donc, la couleur de la grille. Et si on en faisait un, deux, trois, quatre, six, oui. Donc bon, sauve ça. Et alors peut-être qu'une grille blanche serait bonne. Non, je ne peux même pas le voir. Ok. Peut-être que c'était une couleur non valide, en fait.

08:38 S1: En tout cas, vous pouvez jouer avec ça si vous voulez, mais il y a un exemple de comment vous pouvez kinda écrire votre propre style et peut-être vous débarrasser de ces x ou des épines. J'ai oublié de faire ça, mais c'est bon, nous sommes en course de toute façon. Mais vous pouvez vous débarrasser des épines si vous voulez ou vous pouvez faire toutes sortes de choses. Mais de toute façon, c'est déjà ... Il a fallu deux minutes pour faire un style déjà bien meilleur que celui par défaut de Matplotlib. Donc vous y allez.

09:04 S1: Ok, c'est ça avec les styles. Dans le prochain tutoriel, ce dont nous allons parler, c'est de créer des graphiques en direct, donc les graphiques qui mettent à jour en direct comme les données qu'ils lisent sont modifiés. Comme je le disais avant, quand vous avez un graphique, une fois que vous l'avez tracé, vous ne pouvez pas changer ce graphique. Eh bien, vous pouvez utiliser la fonctionnalité d'animation. Donc c'est ce dont nous allons parler dans le prochain tutoriel, alors restez à l'écoute pour ça.