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

    +

Creazione delle opzioni di personalizzazione

00.01 Speaker 1: cosa sta succedendo a tutti? Benvenuti nella parte 10 della nostra Data Visualization con serie tutorial Python Matplotlib. In questa parte, quello di cui parleremo è la creazione di grafici a canlestick open - high - low - close. Così aperti - high - low - close sono generalmente i dati che otteniamo. Le perle di chiusura ad alto contenuto di apertura alla barra dei dati si ottengono. Così in generale, con le scorte, insomma, si hanno molte scorte scambiate un secondo anche. Quindi quando si ottengono dati, soprattutto se si tratta di dati gratuiti, molte volte la granularità è cambiata in forse si hanno dati di un minuto. E in dati di un minuto, in pratica ci si dà di solito il prezzo aperto, alto prezzo, basso e uno stretto. L'apertura è il primo prezzo in quel bar di un minuto. L'alto è il prezzo più alto in quel bar di un minuto. Il basso, il più basso e poi la chiusura è l'ultimo prezzo. Con questo, le persone fanno di questi grafici chiamati 'canlestick grafici', che mettono insieme tutti quei dati e ne fanno una bella rappresentazione visiva. Ecco quello che stiamo coprendo in questo tutorial, è la creazione di grafici a chiusura ad alta quota, che è un tipo grafico abbastanza personalizzato. Quindi, iniziamo.

01.08 S1: Prima di tutto, con questo, quello che vogliamo andare avanti e fare è modificare il nostro ticker perché finiremo per cambiare i ciclisti in un po '. Per prima cosa, arriveremo fino in cima alla nostra sceneggiatura. E insieme a tutte le nostre altre importazioni di matplotlib, importeremo matplotlib.ticker come M ticker. Ancora, M ticker è solo qualcosa che un sacco di gente fa come standard. Inoltre, per tracciare un metodo open - high - low - close, raccontare matplotlib che è quello che stiamo per lanciarlo, quindi è un grafico molto personalizzato. Quindi diremo da matplotlib.finance, che è dove sono un branco di funzioni di finanza per matplotlib, imporremo il candlestick_openhighlowclose. Ce n' è anche un altro che è stretto da vicino o qualcosa del genere, l'altro ordine, ma useremo OHLC dato che è quello che davvero la maggior parte delle persone le chiama comunque. Quindi è quello che andremo avanti e fare.

02.13 S1: Rolling on down, la prossima cosa che faremo è praticamente dopo arrivare a ... Beh, quello che dobbiamo fare prima, in realtà, è necessario ... Andiamo avanti e scegli un calendario più lungo. Usciremo da questa roba di dati di un giorno. Così cambieremo che a ... Non tre giorni, facciamo tre mesi. E poi il nostro convertitore, praticamente vogliamo usare questa linea e non queste righe, quindi lo commento. E in realtà, commentamo questo. E poi non commenteremo questa linea, quindi ci ridiamo i nostri vecchi valori lì.

02.54 S1: Ora quello che vogliamo andare avanti e fare è che scenderemo qui. E dopo avere questi dati, quando si alimentano i dati al - high - high - low - close, si alimenta praticamente la matrice di data open - high - low - close, e si può anche roba in volume lì. Quindi è quello che andremo avanti e fare prima, e dureremo solo attraverso la data. Lo faremo solo in modo leggermente inclinato, ma va bene così. Quello che faremo è che diremo, prima di tutto, X=0. Possiamo usare la mappatura per questo, ma la mappatura può essere davvero confusa. Copriremo un esempio di mappatura più avanti. Sarà un esempio leggermente più semplice. Così X=o, e diremo Y è uguale alla lunghezza delle date. Quindi quanti parametri di data o variabili o valori abbiamo, ecco cosa sarà Y. E poi diremo New R per nuovi ... Suppongo che sia una schiera, ma forse dovremmo chiamarlo altro, nuovo elenco. Non ci sono schiere a Python a meno che tu non abbia NumPy comunque.

03.57 S1: Nuovo elenco uguale a quello. E poi diciamo che mentre X è meno di Y, cosa vogliamo fare? Beh diciamo che la linea append è uguale alla data X, open PX, alta PX open high low PX, chiudi PX e poi volume X. Quindi ecco la nostra linea appendici uguale a quella. E poi diremo nuova lista uguale o in realtà, nuova linea list.append. E poi diremo X + =1. Quindi che correrà solo attraverso questa dichiarazione wow qui. E ogni volta che sarà tutto fatto, sarà popolato. E poi quello che possiamo fare è invece di tramandare questo caro prezzo, possiamo invece tracciare il candelabro. E inoltre, andiamo avanti e commentate questi out. Così di nuovo, sono tutti e tre. E infatti penso che questo codice sia nel tutorial, quindi lo rimuoverò solo dove viene salvato il codice del campione. Quindi non ha senso avere un mucchio di codici commentato onestamente, quindi ci libereremo anche di questo.

05.20 S1: Così una volta che avremo i dati, la prossima cosa che andremo avanti e fare è che vogliamo chiamare candlestick_OHLC, e poi si dà l'asse su cui si vuole tracciarlo, ovvero AX1. E poi i dati open - high - low - close, che è new_list. E poi puoi ... Praticamente, questo può essere tutto quello che fai. Quindi andiamo avanti e basta correre che un vero veloce e far sì che tutto sia accecante. Plotting X su ... Giusto. E così ci sono i nostri dati per ora. Perché stiamo facendo dei dati più lunghi, solo di recente il prezzo è entrato in questi numeri, quindi è un po' quello che stiamo guardando qui. Ci libereremo di questa roba da zecca prossima. Ma questi sono i dati. E così possiamo vedere questi bar, e questo è quello che sono le barrette ad alta chiusura.

06.04 S1: Ora, quello che possiamo fare dopo è generalmente, le persone fanno apertura - alta - bassa, e un up è un movimento positivo è di solito segnato come il verde, e un movimento negativo è segnato come rosso. Inoltre è possibile modificare la larghezza, quindi faremo larghezza equals.6. Vedrai che potrebbe un po' ingrassare. E poi abbiamo questi colori in alto qualcosa, e poi il colore giù equivale a qualcosa. Fino a questo punto, abbiamo solo usato lettere, come R, G e poi il colore in giù potrebbe essere R per il rosso, e così possiamo guardare quel vero veloce. Certo basta, hanno un po' di ingrasso e i movimenti verso l'alto sono verdi e poi il rosso è denotato come perdita. Qui c'è qualche perdita in più e così via. Ma possiamo anche fare colori in forma esadecimale. Quindi la versione del verde sarebbe la 418049, quindi 418049, usa questo hash, la sterlina. E poi ancora per il colore in calo, sterlina e faremo ff1717 per il rosso. Salva e corri quello. XOM di nuovo. E questa è solo una versione leggermente diversa, ma è comunque esadecimale. Quindi è un po' più leggero di un verde o più pastello - verde, suppongo, ma comunque verde.

07.24 S1: Ora che abbiamo fatto così, la cosa successiva è che si potrebbe notare che il nostro ticker qui sotto non è più in un formato di data corretto ed è per questo che avevamo bisogno di fare mticker sopra. Quindi ora, liberamoci di praticamente tutto quel codice anche. E possiamo mantenere la rotazione, ma la prossima cosa che vogliamo fare è scendere qui e fare un ax1.xaxis.set_major_locator. E prima, diremo mticker.maxNLocator. E poi questo sarà il 10. Nota la cappa, capitale N, capitale L lì. E poi imposteremo anche il formatore maggiore, quindi ax1.xaxis.set_major_formatter, e questo è mDate.formatter, e poi qui abbiamo messo qualunque sia il formato della data che vogliamo avere, e che sarà solo %anno - %m -. E poi andremo avanti e faremo la tipica etichetta plt.y. Questo sarà prezzo, etichetta plt.x. Può essere data, anche se in realtà non abbiamo nemmeno bisogno di appuntamento. E'abbastanza ovvio che si tratta di date.

08.46 S1: E poi andiamo avanti e salviamo e corri. XOM di nuovo. E poi abbastanza sicuro, possiamo vedere molto chiaramente ora, possiamo vedere molto chiaramente che queste sono le date, il prezzo e possiamo vedere le date. Questo è fantastico. Possiamo ingrandire, tutto questo. Una cosa da notare è ovviamente, come prima quando avevamo delle date, possiamo zoomare dentro e dentro e dentro e dentro e abbiamo avuto timbri, ma ora si può vedere solo che si ripete quella data. Se volevamo mostrare di più, potremmo. Potremmo fare per cento ore e virgola per cento minuti e per cento secondi se volessimo, ma perché questo è dati giornalieri, non abbiamo nemmeno quei dati.

09.21 S1: Così è per questo tutorial con l'apertura - high - low - close. Continueremo a costruire su questo tipo di tipo grafico e ci aggiungeremo più sottografici e roba del genere. Ma nel prossimo tutorial quello di cui parleremo sono gli stili, ed è solo un modo più semplice per modificare come appare il nostro grafico. Possiamo usare alcuni dei preseti, ma possiamo anche fare i nostri stili per le opzioni di personalizzazione che ci piacciono. Ecco allora quello che voi ragazzi dovete guardare avanti, quindi restate sintonizzati per questo. Grazie per aver guardato.

00.00 Speaker 1: Ciao a tutti e benvenuti alla parte 11, personalizzazione Matplotlib che è per Data Visualization in Python. In questa parte, quello di cui parleremo sono gli stili di Matplotlib. Se ti è capitato di seguirti, e hai forse una versione più vecchia di Matplotlib, potresti non avere gli stili. Quindi vorrete andare avanti e fare un Pip install Matplotlib, o un Pip install upgrade Matplotlib, aggiornare se si sta utilizzando l'app Sudo per ottenerlo e così via. Quindi assicurati che il tuo Matplotlib sia aggiornato e andiamo avanti e iniziamo.

00.32 S1: Primo, andiamo avanti e facciamo da Matplotlib, import style. Ora, quello che questo ci porta è la capacità di usare questi fogli di stile, ecco cosa voglio chiamarli, fogli di stile. Si chiamano solo stili, ma mi ricordano fogli di stile, come per CSS, Cascading Style Sheets per HTML, dove si definiscono un mucchio di valori, e l'idea è la stessa dell'idea per i fogli di stile. Puoi avere un sito web senza un foglio di stile e stile tutto come te, e questo va benissimo. Ma è molto più facile avere un foglio di stile centrale per tutto il tuo sito web, e poi quando vai a cambiare qualcosa o a fare una nuova pagina, non devi passare e codificare di nuovo tutti quegli stili. Stessa cosa con il grafico. Come si poteva vedere prima, avevamo questo massiccio, ora è cancellato perché ci siamo liberati. Ma quando stessimo stilando tutti quegli elementi nei nostri assi, ricordate che erano otto linee solo per gli assi uno, e davvero non era che tanta personalizzazione in realtà. Quindi con gli stili possiamo risparmiarci un sacco di mal di testa, soprattutto se ci piace applicare gli stessi stili ogni volta, anche se magari sono solo cinque, 10 righe, avere il proprio stile rende la vita un po' più facile.

01.48 S1: Così possiamo importare stile. E prima di tutto, per usare uno stile, possiamo andare a style.use e poi specificare il nome. Ora, non vi aspettate di conoscere tutti i nomi, ma vi mostrerò ragazzi in un minuto, tutti, ma la ggplot è uno di loro. E così possiamo usarlo, possiamo risparmiare e correre questo ora, e faremo di nuovo la trama di Exxon Mobil, e su pops questo grafico. Come potete vedere, le cose sono davvero molto preziate proprio dal cancello: il grafico ha il suo piccolo background e la griglia è in realtà una linea bianca sullo sfondo colorato, e il font sembra essere un po' più piccolo ed è un po' più leggero, non è più un nero solido. Solo un cambiamento davvero veloce e bello. Quindi alcune delle altre cose che potremmo eventualmente fare è che possiamo guardare ... Ce n' è un altro che è solo dark_background, puoi risparmiare e correre che, e porteremo quello in alto. E così cambia tutto. Quindi avere uno sfondo scuro, se si ricorda, se il tuo testo è nero, allora per cambiare il tuo background in nero significa dover cambiare tutto il tuo testo in bianco, tutte le tue spine a bianco. La tua griglia deve essere bianca e così via. Allora, avere questi stili, è come, bam, tutto fatto. Non devi fare davvero molto per niente.

03.08 S1: Sto cercando di pensare ad alcuni altri. Un altro è, c'è un BMH. E poi possiamo tracciare Exxon qui. Ok. Quindi non mi interessa molto per questo, ma su alcune carte ha molto senso. E poi finalmente ce n' è uno che è 538. Questa è in realtà una bella carina, è probabilmente la mia preferita di tutte, e ggappeso, non lo so, uno di quei due. Ecco quindi 538, e come potete vedere qui, quello che hanno fatto è in realtà, non c'è niente di spine, ma poi avete le vostre etichette e tutto quanto. E le etichette sono piuttosto grandi e la griglia è abbastanza grande e solida e tutto questo genere di cose. Quindi, semplicemente bello poter importare questi veramente semplicemente. Ora, per capire una lista degli stili disponibili, potete solo stampare e fare plt.style.available e che stamperanno tutti gli stili disponibili alla vostra console, che è qui. Ops, ci sei. Quindi, sfondo scuro, BMH, ggplot, scala di grigi. Grayscale è proprio esattamente quello che sembra, è grigia. Quindi sono solo elementi grigi sostanzialmente, o bianchi al nero.

04.18 S1: Così la prossima cosa che vorrei che andassimo avanti e fare è che mi piacerebbe mostrarvi ragazzi dove questi stili sono nascosti. Così quando forse vogliamo realizzare il nostro stile, dove saremmo andati e tutto quello. Quindi il percorso è proprio nella tua directory Python, quindi se sei su Windows puoi seguire. In caso contrario, dovrai trovare la tua directory, ovunque Matplotlib venga memorizzato. Se non lo sai, ecco come puoi scoprire però. Puoi aprire un prompt dei comandi, potresti anche digitare anche in IDLE, ma lo apriremo qui sopra. E correrò C: /. Probabilmente potresti solo digitare "python". E infatti, andiamo avanti e lo facciamo nel nostro script che stiamo scrivendo da quando potrebbe confondere le persone. Ma quello che possiamo fare è, abbiamo importato matplotlib.pyplot come PLT, quindi dovremmo essere in grado di ottenere facendo printplt.underscore underscore underscore underscore. Questo è solo uno di quei metodi iniziali che arrivano con praticamente ogni modulo, e ti dirà dove è memorizzato quel modulo. Così possiamo vedere, per me, questo modulo Pyplot è memorizzato sotto questa directory, ma possiamo vedere la directory principale è Matplotlib, quindi è lì che vogliamo la testa. Ecco come si può capire dove sono le directory. Ora, andiamo avanti e a testa lì.

05.39 S1: Così sono nella directory Python34, poi andrò in lib lì, e i pacchetti del sito, e stiamo cercando Matplotlib. Così ora siamo nella directory Matplotlib. E potete vedere qui, c'è una directory per stile, ma lì non c'è niente. Quindi non è in realtà quello che stiamo cercando, stiamo cercando un dato MPL e poi stile lib e poi ecco i fogli di stile. Quindi ora quello che possiamo fare è dire che ci è piaciuto 538. Potremmo fare clic con il tasto destro del mouse e aprirlo con Notepad + +. Se non hai Notepad + +, puoi aprirlo con il Notepad regolare se vuoi, ma ti consiglio vivamente Notepad + +. Così una volta che hai così, qui andiamo. Potete vedere qui l'autore originale ha messo lì le sue informazioni, quindi sappiamo da dove viene e potete vedere qui come funziona. Ok. Possiamo vedere che si definiscono varie variabili. Quindi, axes.facecolor. Sta identificando il colore del viso. Questo è il ciclo del colore, quindi se avete delle linee, si farà ciclo solo attraverso uno, due, tre, quattro, cinque colori prima che si ripeta.

06.43 S1: Quindi potreste voler aggiungere altri colori o qualcosa lì, ma questo dovrebbe fare solo bene. E comunque, tutto il codice praticamente per praticamente tutta la roba di questo tipo di stile. Ma si vede anche questa è 40 righe, ha uno spazio bianco, ma sono 40 linee. Probabilmente come 30 senza lo spazio bianco, ma anche allora, ecco 30 righe di informazioni e perché qui sta usando gli assi, sta influenzando comunque tutti gli assi, quindi non bisogna nemmeno preoccuparsi di fare ogni assi alla volta.

07.14 S1: Così nel prossimo tutorial copriremo solo di fare il nostro piccolo semplice foglio di stile. Non sarà niente di troppo fuori, pazzo, ma faremo il nostro, solo per poterti mettere a proprio agio. Ma probabilmente si può dedurre da questa informazione come fare, ma è quello che faremo nel prossimo tutorial. Quindi restate sintonizzati per questo. Grazie per aver guardato.
00.00 Speaker 1: cosa sta succedendo a tutti? E benvenuti nella parte 12 della sezione 3 di Matplotlib e Data Visualization con Python. In questo tutorial quello di cui parleremo sta creando i nostri stili. Così possiamo usare alcuni degli stili precostituiti e possiamo magari anche modificare gli stili precostituiti se volessimo un po' o possiamo creare il nostro stile completamente. E il bello di uno stile è che si può andare con i default di Matplotlib e basta cambiare qualche cosa che si desidera, quindi non bisogna assolutamente cambiare letteralmente tutto o tutti i colori o qualunque cosa, si può andare con solo modificazioni dalle impostazioni predefinite esattamente ciò che si desidera. Quindi se ti ritrovi tipicamente sempre a rendere la dimensione del carattere un po' più grande e magari a liberarti dei bordi spini o qualcosa del genere, se ti ritrovi a fare che ogni singola volta, allora potresti anche solo renderti un piccolo stile semplice che rende il font più grande, ci si libera di quelle spine laterali, e questo sarà così.

00.55 S1: Così in questo tutorial, ecco di cosa parleremo. Faremo solo il nostro piccolo stile che fa solo poche cose. E invece di usare questo grafico ravvicinato ad alto contenuto aperto, faremo solo un altro grafico veloce che ha solo poche righe in modo da poter vedere il cambiamento. Quindi dovresti mantenere questo codice perché torneremo a questo codice alla fine, quindi non eliminarlo solo o qualcosa del genere, tienilo in giro. Ma io vado avanti e rimuovo il mio, ma ho ogni video salvato come tutorial, quindi ho il codice back up. Quindi assicurati di salvare il codice di backup.

01.27 S1: Quindi, comunque, cancellerò quello e poi passeremo solo. E questo sarà una sorta di buon run attraverso dei basici di Matplotlib. E quindi andremo a importare matplotlib.pyplot come plt da Matplotlib import style, e poi finalmente, importeremo casualmente 'perche' la useremo per disegnare linee casuali. Poi, faremo style.use e useremo qualcosa. Per ora possiamo solo usare la trama GG. E infatti, non usiamo questo stile. Useremo il nostro stile in un minuto, ma lo stile che userò. E poi quello che diremo è che diremo: "Quattro etichetta in gamma di otto". Cosa vogliamo fare? Diremo: "X è un set vuoto e Y è un vuoto ..." In realtà queste sono liste vuote, piuttosto. E poi diremo: "Quattro I in campo da uno a 10". Cosa vogliamo fare? Diremo: "Gli Ys sono uguali a gamma random.rand". Sarà solo un numero casuale praticamente da zero a 15. La X sarà appena uguale alla I, quindi sarà solo una, due, tre, quattro, cinque, sei, sette, otto, nove, 10. E poi diremo solo "X.append i Xs, Y.append lo Ys". E poi una volta finito con quel quattro loop, la trinciamo così sarà plt.plot XY, e poi diremo, "Label uguale etichetta", quindi sarà solo il numero in sostanza, etichetta uguale etichetta. E poi questo significa che avremo otto linee fondamentalmente, ok? Così lo facciamo. E poi finalmente alla fine, faremo la leggenda, e poi faremo solo pl.show.

03.07 S1: Ok, quindi bel codice semplice lì. Salviamo e corri quello. E su pops questo grafico qui. Quindi non proprio il grafico più bello del mondo, ma abbiamo delle linee. Vediamo che abbiamo un sacco di numeri. E l'altra cosa che possiamo vedere proprio fuori dal cancello è la prima ripetizione del colore. Così come dicevo prima, quando hai quel ciclo di colori, Matplotlib che possiamo vedere ha sei colori prima che inizi a ripetere. Quindi 0 e 7 sono in realtà lo stesso identico colore. Quindi se state cercando di tracciare qualcosa che ha un sacco di etichette diverse, diciamo o diversi datasets. Ovviamente questo è in realtà davvero messinoso, ma a volte ci sono dove si potrebbe avere in realtà un grafico più pulito che ha sette diversi datasets che hanno bisogno di sette etichette diverse e quindi è necessario avere un modo per gestarlo. Comunque, tenete così a mente.

03.54 S1: Così andiamo avanti e chiudiamo questo ora, e facciamo solo il nostro stile. Quindi per farlo, veniamo qui, ed è qui che si trova il mio. Ancora, abbiamo mostrato come arrivare a questa directory prima importando Matplotlib e quindi stampare Matplotlib. In realtà penso che abbiamo fatto pyplot, e abbiamo fatto stampare il file plt.file ed è così che si può capire dove si trova. Ma l'abbiamo già coperto, quindi non lo farò più. E quindi ecco tutti gli stili che abbiamo attualmente, e possiamo farne un altro. Quindi cogliamo solo questo, incolla e chiameremo questo, "Il nostro stile". E poi lo modifichiamo con Notepad + +, fatelo portare qui sotto, e qui andiamo. Quindi chiariamo subito questo intero stile e poi possiamo iniziare a scrivere quello che vogliamo.

04.40 S1: Così prima di tutto possiamo rendere le larghezze di linea un po' più grandi. Così inizialmente le larghezze di linea su quel grafico sono solo così magre che non so, mi da fastidio a volte. Quindi faremo larghezza lines.line. E possiamo fare questi due. Poi, notiamo che l'altro problema erano quei colori, quindi possiamo dire una cosa del genere, come "Axes.color_cycle", e questo sono i colori che attraversiamo. E questi sono codici colore hex, ma non devi avere il segno della sterlina lì. Ora, per capire i colori da usare, la cosa più semplice che si possa fare è solo Google "hex color code", e ci si può trovare su un sito web come questo. Questo è quello che fingo sempre usando, e puoi solo iniziare a scegliere i colori, ok? Così puoi iniziare a scegliere un colore verde sarebbe questo, e poi potresti scegliere più di un colore giallorosso come questo. È una specie di giallo brutto, ma per gli scopi del tutorial, va bene così. E poi faremo un rossonero. Facciamo questo blu chiaro. E puoi anche solo scegliere i tuoi colori. Puoi un po' andare con qualunque cosa tu voglia. C'è un blu scuro. Non ricordo se abbiamo ottenuto un vero verde scuro o no, ma andiamo avanti e afferriamo un verde scuro. Ok, quindi sono sei. E poi possiamo ottenere un colore pinkish più luminoso. Quindi sarebbero sette.

06.00 S1: E poi scegli praticamente uno in più. Penso che mi piace un colore che non abbiamo. Non credo che abbiamo ancora una buona arancia. Ci andremo solo con quello. Ok, quindi ora abbiamo, cos' è questo, otto colori a ciclo attraverso. Ovviamente, potresti continuare a andare. Se ti trovi a tracciare grafici con 30 linee diverse o qualcosa, vai avanti, aggiungi 30 colori personalizzati diversi. Ora, la cosa successiva sono i colori del viso degli assi e poi il colore viso della figura. Un sacco di volte, questo sembra bello se sono identici. Quindi quello che faremo è avere axes.facecolor: E lo faremo un F2, F1, F1. E solo per la cronaca, questo è questo colore, giusto? È quasi bianco, ma non proprio. E poi faremo la stessa identica cosa con il colore di figure.face, poi avremo solo quello stesso identico colore. E questo deve essere figura.

06.54 S1: E poi faremo axes.labelsize. Chiameremo queste grandi etichette axes.grid. Lo renderemo un vero. Faremo grid.linewidth. 0,25 è buono. Grid.linestyle. Facciamo solo un trattino lì. E poi dovremmo probabilmente cambiare il colore a grid.color, C9, C9, C9. E poi la dimensione dei font, facciamo che un 12. E liberamoci di quelle zecche maggiori e minori. Così xtic.major.size: Zero. E poi facciamo solo copiare questa riga, quindi faremo solo qualche edita mentre andiamo. Quindi incollare, incollare, incollare. Invece di maggiore qui, minore. E poi ancora, minore. Invece di x tick, questo sarebbe y e y. Così hai x tick major, x tick minore, y tick major, y tick minore.

07.50 S1: Ok. Così abbiamo fatto uno stile, andiamo avanti e salviamo così. Questo si chiama "il nostro stile". Spostiamo questo passo. E lo style.use, useremo il nostro stile. Quindi, ora salviamo e corri quello. Trama tutto, e ci si va. Abbiamo il nostro stile ora. Così come potete vedere, abbiamo cambiato piuttosto poche cose. Le etichette sono un po' più grandi, i colori sono un po' precari e la griglia è ... Forse vorremmo una griglia leggermente più scura, possibilmente. Potremmo anche rendere la griglia una luce, come un bianco o qualcosa del genere. Credo F, F, F o qualcosa è un bianco solido. Lasciamelo provare. Quindi il colore della griglia. E se ne facessimo uno, due, tre, quattro, sei, sì. Così bene, salva questo. E poi così magari una griglia bianca sembrerebbe buona. Nope, non riesco nemmeno a vederlo. Ok. [ chuckle] Forse quello era un colore non valido però, in realtà.

08.38 S1: Comunque, puoi giocare con quello se vuoi, ma c'è un esempio di come puoi scrivere un po' il tuo stile e poi magari liberarti di queste x o delle spine. Ho dimenticato di farlo, ma va bene così, stiamo praticamente correndo a lungo. Ma puoi liberarti delle spine se volevi o puoi fare ogni tipo di roba. Ma comunque questo è già ... Ci sono voluti due minuti per fare uno styling già abbastanza sostanzialmente migliore rispetto al Matplotlib predefinito. Quindi ci si va.

09.04 S1: Ok, quindi è con gli stili. Nel prossimo tutorial quello di cui parleremo è creare dei grafici dal vivo, quindi i grafici che si aggiornano in diretta come i dati che stanno leggendo vengono modificati. Così come dicevo prima, quando hai un grafico, una volta che ne hai la trama, non puoi cambiare quel grafico. Beh, puoi se stai usando la funzionalità di animazione. Ecco di cosa parleremo nel prossimo tutorial, quindi restate sintonizzati per questo.