Loading
Nota de Estudos
Study Reminders
Support
Text Version

Como ajustar Opções de Customização

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

    +

Como ajustar Opções de Customização

00:00 Speaker 1: Olá todo mundo, e bem-vindo à parte seis de nossa visualização de dados com Python e matplotlib, um tutorial de Seção Três. Neste tutorial, vamos estar falando de algumas coisas. Em primeiro lugar, notamos que o nosso gráfico é um pouco grande em manchas e depois talvez pequeno demais em outras manchas. Então, vamos em frente e puxe isso. Então aqui está o nosso gráfico, e podemos ver que pelo menos na carga padrão, as datas ficam um pouco sobre a borda. Mas depois também do lado esquerdo e do lado direito, talvez tenhamos talvez espaço demais. Embora se tivéssemos um rótulo, talvez não o fosse. Mas de qualquer maneira, vamos pelo menos configurar a configuração inicial do subplano.

00:41 S1: Então, para aqueles de vocês que não são familiares, geralmente o que eu faria ... E você deve ser familiar se você tem acompanhado ao menos, geralmente o que eu vou fazer é que eu vou ... Você clica em "configurar subplots" e você pode brincar com esses sliders para configurar tudo do jeito que você realmente quer que seja. Então, talvez com a esquerda, isso provavelmente seja bom o suficiente, isso ainda é espaço para um rótulo lá. E aí embaixo, precisamos de um pouco mais de espaço. Então, talvez 16 na parte inferior, e então nós ajustamos um pouco a direita. Talvez ... Sim 0,94 é provavelmente mais do que suficiente sobre. E aí o topo, podemos ajustar isso. Se tivéssemos o título, provavelmente não importará muito, mas vamos só por enquanto, vamos em frente e fazer um 0,95. E então o espaço de largura e espaço de cabeçalho, nós não temos realmente que mexer com isso agora, então podemos simplesmente deixar esses.

01:36 S1: Mas de qualquer forma, assim 0,9, 0,16, 0,94 e assim por diante, esses serão os nossos valores. Então o que eu vou fazer é, eu vou mexer nisso, ele vai ficar fora da tela, mas você pode deixar o seu na tela, e eu estou apenas codificando em tela cheia. Então eu vou colocar em uma tela diferente para mim, e nós vamos apenas pegar esses valores. Assim, iremos pergamar até o fundo, e pouco antes do "plot.show", vamos ajustar as subtramas. Então nós vamos dizer "plt.subplots_ajustar" e nós vamos ajustar ... Nós vamos fazer em ordem. E assim nós temos a esquerda, e optamos por fazer 0 ... Bem vamos fazer apenas 0,09 minutos. E aí a gente tinha o fundo, era igual a 0,16. Então tivemos direito igual a 0,94, top foi igual a 0,95, "wspace", vamos manter isso em 0,20 ... Ou na verdade 0,2, tudo bem, não precisamos do extra de 0 lá. E então "hspace" também pode ser igual a 0,2.

02:44 S1: Então vamos em frente e rodar essa nova versão agora. TSLA. E agora podemos ver a trama inadimplente aparece, e parece um pouco melhor até onde mostrar todas as informações que queremos ver. Nós poderíamos ... Se você fizer a trama maior para fora do portão, você pode querer ajustar esses lados, mas realmente não importa no momento. Ok, então vamos fechar isso. E agora o que eu quero que a gente fale é o que se a gente quisesse mudar o cronograma aqui de 10 anos para um dia? Bem se mudarmos isso, vamos em frente e também imprimimos a nova URL. Vamos dizer até correr esse real rápido, e nós vamos em frente e traçar a Tesla. Mas a gente vai ver que vamos ter um erro aqui. Então nós planejamos a Tesla, e então nós conseguimos esse grande erro giganteso gigante, e são "restos de dados não convertidos". E nós vemos 428. E o que aconteceu é que, vamos olhar os dados agora, vamos copiar isso e vamos colar esses novos dados aqui dentro. E veremos que não mais ... Basicamente tudo é o mesmo, exceto pelo fato de que isso não é mais uma data. Isto é o que é chamado de "um timestamp Unix".

03:56 S1: Então nós queremos ... Talvez a gente esteja lidando com dados que tem um timestamp Unix. Então, como manejar dados que vem com o tempo Unix em vez disso? Então o que nós faremos é que podemos fechar isso. E agora precisamos criar algum tipo de conversão para isso. E por sorte esses timestamps que lidam pelo menos com um número é bem mais fácil do que lidar com dados de data. Nós não precisamos de uma grande função chique como esta. Embora haja uma grande função chique, e isso vai funcionar para nós em segundo plano. Só que não temos que codificar, já é feito para nós. Então vamos dizer que estamos trabalhando com esses dados, ok, então isso seria o que usaríamos se ... E eu só vou copiar. Este seria o que usaríamos se estivesses a trabalhar com dados de longo prazo, mas deixe-me apenas fazer o Alt 3 aqui para comentar tudo. E então o que nós faremos é que vamos descer, e agora colar ... Para os conversores, na verdade não ... Só não vamos sequer usar um conversor por enquanto, nós só faremos isso, e então nós realmente executamos a conversão por conta própria.

05:00 S1: Então agora, depois que nós executamos esses dados, nós vamos aplicar uma função para ela e vamos dizer ... Bem primeiro precisamos criar isso. Por isso, vamos dizer "date_con" para conversor de data, e isso vai ser igual a "np" para NumPy ". vectorize". E nós queremos vectorizar ... E nós vamos usar datetime, então teremos que importar isso. Mas por enquanto nós vamos apenas fazer "dt.datetime.fromtimestamp". E assim, isso retornará uma vectorização para algo que se converterá de um timestamp a uma conversão de dados NumPy para nós. E vamos em frente e vamos para o topo aqui, e vá "importar datetime como dt". Voltando para baixo, é aqui que estamos trabalhando aqui. Por isso, temos a conversão de data agora e agora precisamos efetivamente aplicar isso. Então depois que temos data, agora temos a conversão de data.

05:55 S1: E agora vamos apenas re-valorizar a data. Por isso, vamos dizer data iguais conversão de data ou date_conversão dessa data, e então todo o resto pode basicamente ficar o mesmo. E de fato, no último tutorial nós não consertamos isso. Você sempre pode referencia plt, e desde que você esteja modificando que qualquer que seja o eixo que você esteja modificando na hora, ele vai escrever naquele eixo, mas nós já deveríamos ter convertido isso. Então, vamos mudar isso para ax1.plotdate, e todo o resto deve ficar bem. Então, vamos salvar e correr isso e ver se nos afastamos com esse novo formato basicamente. Então Tesla, estamos puxando essa informação, aparece pops o gráfico e aqui está. Portanto, esta é uma informação de data usando o tempo Unix. Tem todos esses zeros extras aqui que nós realmente não precisamos, mas só não vamos nos preocupar com isso. Então, isso seria hoje, na verdade o mercado está aberto agora mesmo, então estamos recebendo dados para hoje. Então, na verdade não é nem um dia inteiro aqui, mas este é o preço das ações para a Tesla agora mesmo.

07:00 S1: Então, de qualquer maneira, é assim que você pode ir em frente e converter dados para ... Unix dados a timestamps. Novamente, eu só queria cobrir convertendo um selo de data visual, além de converter um tempo Unix. Você não vai realmente ver dados de qualquer outra forma. Ou vai ser um timestamp que você reconhece, como um tempo escrito como o 12 de junho de 2014, ou será um timestamp Unix. Então, dependendo de que tipo de formato você precisa se converter, agora você pode. Então, de qualquer maneira, vamos em frente e fechamos isso, e me deixe fechar por aqui. Agora, no próximo tutorial, o que vamos estar falando é personalizar tiques e fazer talvez algumas cores, e especificar a quantidade de carrapatos, e até mesmo remover alguns tiques. E carrapatos se você não sabe, são os marcadores na borda do gráfico que meio que denotam novos preços ou o que for. Por isso, no nosso caso está exibindo números para o preço ou as datas, e assim por diante. Então é sobre isso que vamos estar falando nos próximos tutoriais, então fique atento para isso. 00:01 Speaker 1: Olá, todo mundo, e seja bem-vindo à sétima parte da Seção Três com visualização de dados com matplotlib em Python. Neste tutorial, o que vamos estar falando é personalizar os carrapatos e fazer alguma coloração e tudo isso. Então, vamos começar. Portanto, antes de mais nada, o que podemos fazer é configurar as cores do rótulo para o eixo. Agora, no momento nós na verdade não temos rótulos de eixo. Então, vamos em frente e adiciamos esses. Então, vamos fazer até aqui. Então, você não pode se safar com algo assim, como ax1.Ylabel, vamos dizer. Você não pode se safar de fazer isso, você tem que usar PLT. Agora, o que isso acaba fazendo com a gente é só podemos adicionar esses rótulos já que estamos trabalhando no eixo mas assim que começarmos a trabalhar em outro eixo, se fizermos embora ... Tentamos adicionar um rótulo Y, ele vai adicioná-lo a esse eixo. Nesse momento, nós só temos o único eixo, então não vai ser realmente totalmente óbvio ainda mas enquanto vamos você vai ver o que eu estou falando. Então vamos lá adicionar a etiqueta, e vamos chamar o rótulo de Y como preço, e então nós faremos um rótulo X, e este já será data.

01:15 S1: Ok. Então agora que temos aqueles nós podemos mudar suas cores. Agora geralmente, o que eu faço é você precisar definir a figura, você define o eixo, e talvez faça o edital para o eixo com etiquetas, e então a mesma coisa com um título se você quiser adicionar títulos por eixo, aqui é onde você faria. E aí eu não faço nada até que eu desça até o eixo aqui. E aí eu começo a fazer modificações e geralmente na verdade eu teria modificações multilinhas por baixo das modificações de linha única como esta, porque com o passar do tempo e você começar a editar eixo, você pode editá-las basicamente onde você quiser porque você as referencia dizendo AX1 ou AX5, ou o que for. Então você pode se afastar assim mas pode ficar bagunçado muito rápido. Então, definitivamente, é uma boa ideia para espécie de bloqueá-los todos juntos. Então, continuando em frente, temos grade de AX1 e depois acrescentaremos ... Vamos fazer ax1.Yaxis.label. E nós poderíamos fazer algo como "set color", e isso vai mudar a cor dessa etiqueta, e vamos fazer M para magenta.

02:24 S1: Então nós faremos ax1.Xaxis.label.set_color, e então podemos escolher uma cor diferente. Nós vamos fazer cyan. E, então, agora, podemos economizar e correr isso, e está demorando um pouco para aparecer. Lá vamos nós. E nos pergunta que estoque queremos traçar. Vamos traçar XOM para Exxon, e aqui está a nossa trama Exxon. Então agora podemos ver que há preço e há cores diferentes. Então, por inadimplência eles seriam negros mas por causa de nossas modificações eles são roxos e azuis. Então, nós vamos fechar isso agora e eu só vou mudar isso pra lá. E outra coisa que a gente pode querer ser capaz de fazer é modificar os carrapatos. Então, com nossos preços lá ... Tivemos muitos preços ao lado de lá então deixe-me apenas puxar isso mais uma vez. Então nós tínhamos todas essas marcas e ela basicamente está indo em décimos, mas e se você não quisesse ir em décimos? E se você só quisesse menos carrapatos? Bem, podemos modificar tiques. Podemos modificar exatamente o que aparece fazendo algo assim.

03:28 S1: Então poderíamos dizer ax1.set e podemos configurar X ou Y e nós vamos fazer set_Yticks, e então aqui dentro você passa uma lista dos tiques que você está disposto a usar. Então, nós poderíamos fazer um ... Esqueço quais eram os preços que havia, então, vamos trazer isso mais uma vez. Acho que foi em meados dos anos 80s embora no momento mas vamos olhar de novo. Certo, então o mais baixo seria 83,5 e o mais alto seria talvez 84,5, algo assim. Sim, então 83,5 84,5. Então, vamos fechar isso e vamos definir os carrapatos como 83,5, 84 e depois 84,5. E na verdade, vamos todo o caminho para 85. Na verdade, não, não. Vamos fazer 84,5 por enquanto e depois vamos mostrar adicionando mais e por que você pode fazer isso. Então, vamos apenas traçar o mesmo que nós temos tramado, então Exxon. Certo. Então, aqui o gráfico começa em uma quantidade razoável e ele sobe mas podemos ver o gráfico é um pouco menos volátil aparecendo, apesar de ser o mesmo gráfico. Mas se a gente dissesse zoom no gráfico como ele fez naturalmente, agora parece que, "Uau, mudanças realmente acentuadas". Mas quanto mais que fazemos algo assim ao gráfico ... E vamos continuar. Tomara ... Eu estava tentando um ... Opa, oh minha bondade. O que eu fiz?

[chuckle]

04:54 S1: Podemos fazer o gráfico parecer realmente estável embora, ao fazer algo assim, geralmente. Certo. Então, você faz algo assim e parece: "Ah, não há realmente tanta volatilidade" mas então você pode fazer com que pareça realmente volátil se você apenas fizer a altura e o alto e o baixo max. Então de qualquer forma, mas a outra razão pela qual você pode fazer algo assim é para uma lenda. Então, diga que você quer ter uma lenda, você sabe que vai ser aqui em cima. Bem, você pode adicionar 10% e configurar os ticks Y. Você também pode configurar Y min e max. Então você poderia fazer algo assim também para ter certeza de que você não está cobrindo sobre a sua lenda. Embora, eu prefiro a lenda com alfa e falaremos disso depois.

05:34 S1: Então de qualquer maneira, é isso para os tiques personalizantes e tudo mais. No próximo tutorial vamos estar falando sobre como adicionar fills e alfa. Então geralmente quando você faz um preenchimento é uma cor sólida mas podemos adicionar um alfa a ele que é uma medida de uma opaqueza, que nós estaremos falando a seguir. Então, obrigado por assistir e ficar atento para isso.
00:00 Speaker 1: Olá todo mundo e bem-vindo à oitava parte da Seção 3, tudo sobre customização para o módulo de visualização de dados Matplotlib para Python. Nesta parte vamos estar falando de filé e alfa, então vamos em frente e vamos começar. Então, primeiro de tudo se você se lembra dos gráficos de pilha havia uma espécie de preenchimento sob a linha, e sob a linha ela foi preenchida com cor, então podemos realmente fazer isso com qualquer linha que quisermos. Um problema com o preenchimento, porém, é que às vezes pode encobrir coisas que são importantes, por isso adicionamos um alfa, e esta é uma medida de opaqueza. Portanto, um alfa completo você não pode ver através dele, mas um alfa do zero é completamente transparente, então quanto mais baixo o alfa mais transparente será algo. Então, isso é isso. De novo, assim como com a pilha, lembre-se de como tivemos esse problema com rótulos? A mesma coisa é verdade aqui, então qualquer coisa que seja um elemento polvilhar, como um elemento polígono com matplotlib, não pode ser rotulado, então temos que tipo de fazer um pseudo-rótulo se quisermos ter rótulos. Mas tudo bem. Como você viu, pseudo rótulos são super fáceis de fazer, mas de qualquer forma, vamos em frente e vamos começar com alguns filos e alguns alfa.

01:11 S1: Então, primeiro de tudo, o preenchimento, podemos tratar um preenchi ... Podemos tramar assim se quisermos e depois fazer um preenchimento, e essa é uma maneira que poderíamos reter nossos rótulos, mas por enquanto vamos apenas comentar essa trama completamente, e vamos fazer um preenchimento simples. Então, para fazer um preenchimento bem simples você só faz ax1.fill_between, e aí você preenche entre, o que? Você tem o valor X, então isso é data, e então você tem o preço que nós queremos usar, então nós dizíamos 'Fechar p', e então entre o que valores, então vamos dizer 84, vamos preencher entre o preço e 84. Na verdade vamos fazer 83,5, causa que é o fundo do nosso gráfico, e isso é tudo. Então vamos em frente e basta correr esse real rápido, ver o que obtemos. Novamente, faremos a Exxon Mobil por causa da maneira que estamos preenchendo, e o gráfico resultante é esse. Então você tem a linha, e então abaixo da linha ela está preenchida com esse azul agradável, então esse é um preenchimento realmente simples, e algumas opções que podemos fazer uma vez que preenchemos, é algo como, alfa, e podemos dizer que o alfa é 0,5 agora, então podemos fazer isso. Vamos salvar e correr isso. Novamente, nós faremos Exxon, e agora temos as mesmas coisas, só que isso é claramente um pouco mais transparente, diminuímos o alfa, por assim dizer. Então, fechamos isso.

02:34 S1: Outra coisa que você pode fazer é você pode adicionar uma cor de borda, assim poderíamos dizer cor de borda, e podemos dizer que é igual 'K' e 'K 'é preto, para qualquer um que não saiba,' K ', é meio estranho, mas' B 'é na verdade azul, então preto precisava de uma cor, [chuckle] e ninguém estava usando' K ' então é por isso. Então lá nós fizemos isso, e poderíamos colorá-lo todos os tipos de cores, poderíamos fazer talvez vermelho seria um pouco mais óbvio então o que isso foi. Sim, tão vermelho que você definitivamente pode dizer. De qualquer forma, então essas são algumas das opções que você tem. Eu vou me livrar da cor de borda porque eu realmente não me importo muito com isso, mas podemos deixar o alfa se quisermos, realmente não importa lá. Então agora o que nós podemos fazer é ficar um pouco mais complexo, mas vamos comentar isso lá fora, e agora vamos fazer ... Nós vamos manter essa linha aqui, e aí o que vamos fazer ... Vamos apenas deletar esta linha. Então nós faremos um ... Vamos primeiro enredo disso e ver as datas com as qual estamos trabalhando aqui. Então, enredo preços Exxon, em vez disso. Então vamos dizer qualquer coisa acima de 83,75, esse será o nosso número de divisão, você vai entender o que eu quero dizer aqui em um segundo, então vamos fechar isso. Então 83,75 é o número que usaremos.

03:50 S1: Então, vamos, por baixo desta linha, vamos adicionar um ax1.fill_between e depois vamos dizer 'Date', o 'Close p', por preço próximo, e então vamos dizer, entre isso e 84,5, porque esse é o topo onde pode estar, e então o que podemos fazer é podemos adicionar essa pequena cláusula aqui e pode ser onde, e então podemos emitir uma coisa de equivalência realmente simples aqui, para que possamos dizer: "Onde fecho p é maior ou igual a," e dissemos o que foi, 83,75. Assim, podemos preencher este onde for o caso, e onde ele precisa ser igual a. Então, onde fechar p é maior ou igual a 83,75, e então nós vamos dizer "Face color equivale a verde". Então isso em qualquer lugar o preço está acima de 83,75 nós vamos dizer que isso é bom, isso é verde, chique isso.

04:50 S1: E então faremos alfa igual a 0,5, não sei, algo assim. Então vamos salvar e correr esse real rápido, e de novo, vamos fazer Exxon, e enchemos um pouco a direção errada, então deixe-me fechar isso. Nós queremos ter não 84,5, nós queríamos que isso fosse 83,75, como se fosse no outro, lá vamos nós. Exxon, lá vamos nós. Então qualquer hora o preço está acima, basicamente essa linha imaginária aqui, estamos ligando para aquele verde. Agora nós queremos tratar a qualquer momento o preço está abaixo dessa linha, o que queremos fazer? Bem, podemos pegar, basicamente essa linha exata, então vamos pegar essa linha, copiar, descer, colar, e aí nós queremos preencher entre isso e ainda podemos manter 83,75 como a linha, mas agora é onde fechar p é menor ou igual a isso, e aí vamos fazer uma cor de face vermelha, que deve fazer. Exxon, nós veremos. Certo.

06:00 S1: E agora vemos, ok nós temos filé todo o caminho até aqui de novo, espécie de linha imaginária que estamos chamando de algo de uso. Talvez a gente tenha comprado essa empresa aos 83,75 anos e assim, quando está abaixo de 83,75, perdemos dinheiro na empresa e como está acima fizemos todo esse dinheiro na empresa e assim por diante. Então você poderia usar isso para visualizar que mas principalmente o que nos interessa é mostrar os filos e, em seguida, opções com os filos e coisas que você pode fazer. Você pode ficar bem danado chique com seus filos na verdade.

06:32 S1: Então é isso para o tutorial de fills e alfa. No próximo tutorial, vamos estar falando sobre como você pode adicionar, remover e customizar a espinha do gráfico. Então, as espinhas são a borda do gráfico basicamente. Então, de qualquer maneira, é sobre isso que estaremos falando no próximo tutorial, então fique atento para isso.