Loading
Nota de Estudos
Study Reminders
Support
Text Version

Criando 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

    +

Criando Opções de Customização

00:01 Speaker 1: O que está acontecendo todo mundo? Bem-vindo à Parte 10 de nossa Visualização de Dados com a série de tutorial Python Matplotlib. Nesta parte, o que nós vamos falar é a criação de gráficos de candelabros abertos de alta-baixa. Por isso, open-high-low-close é geralmente os dados que obtemos. Pertém-high-low-close pertém para a barra de dados que você obtém. Então, geralmente, com ações, quer dizer, você tem muitos estoques negociados um segundo mesmo. Por isso, quando você recebe dados, especialmente se for dados grátis, muitas vezes, a granularidade é alterada para talvez você tenha dados de um minuto. E em dados de um minuto, você basicamente é dado geralmente o preço aberto, preço alto, baixo e um fechamento. O aberto é o primeiro preço naquele bar de um minuto. O alto é o preço mais alto naquele bar de um minuto. A baixa, a mais baixa, e depois o fechamento é o último preço. Com isso, as pessoas fazem esses gráficos chamados de 'gráficos de candlestick', que colocam todos esses dados juntos e fazem uma representação visual bem bacaninha dele. Então, é isso que vamos estar cobrindo neste tutorial, é a criação de gráficos de alto-baixo-baixo-baixo, que é um tipo gráfico bastante customizado. Então, vamos começar.

01:08 S1: Primeiro de tudo, com isso, o que queremos seguir adiante e fazer é vamos modificar nosso ticker porque vamos acabar trocando os tickers daqui a pouco. Então primeiro, nós vamos chegar até o topo do nosso roteiro. E junto com todas as nossas outras importações matplotlib, nós vamos importar matplotlib.ticker como M ticker. Novamente, o M ticker é apenas algo que muita gente faz como padrões. Além disso, para planejar o método open-high-low-low-close, conte para o matplotlib que é isso que estamos prestes a lançar nele, então é um gráfico muito personalizado. Então nós vamos dizer de matplotlib.finanças, que é onde um monte das funções de finanças para matplotlib são, vamos importar o candlestick_openhighlowclose. Tem também um outro que é closehighlowopen ou algo assim, a outra ordem, mas usaremos o OHLC já que é o que realmente a maioria das pessoas os chama de qualquer jeito. Então é isso que nós vamos seguir adiante e fazer.

02:13 S1: Rolling on down, a próxima coisa que nós faremos é basicamente depois que chegarmos a ... Bem, o que temos que fazer primeiro, na verdade, é que precisamos ... Vamos em frente e escolha um cronograma mais longo. Nós vamos sair dessa coisa de dados de um dia. Então nós vamos mudar isso para ... Não três dias, vamos fazer três meses. E aí o nosso conversor, nós basicamente queremos usar essa linha e não essas linhas, então eu vou comentar isso. E na verdade, vamos comentar isso. E aí nós vamos descomentar essa linha, então nós estamos dando de volta nossos valores antigos lá.

02:54 S1: Agora o que nós queremos ir em frente e fazer é que vamos descer aqui. E depois que temos esses dados, quando você alimenta os dados para o open-high-low-close, você basicamente alimenta-o da matriz de data open-high-low-close, e você pode até mesmo coisas em volume lá. Então é isso que nós vamos seguir em frente e fazer primeiro, e nós só vamos correr até o encontro. Nós só vamos fazer isso de uma forma um pouco desleixada, mas tudo bem. O que nós vamos fazer é que vamos dizer, antes de tudo, X=0. Podemos usar o mapeamento para isso, mas o mapeamento pode ser realmente confuso. Cobriremos um exemplo de mapeamento posteriormente. Será um pequeno exemplo um pouco mais simples de qualquer jeito. Então X=o, e nós vamos dizer que Y é igual ao comprimento das datas. Então, quantos parâmetro de data ou variáveis ou valores nós temos, é o que Y será. E aí nós vamos dizer Nova R para novos ... Suponho que seja uma matriz, mas talvez devêssemos chamá-la de outra coisa, nova lista. Não há matrizes em Python a menos que você tenha NumPy de qualquer maneira.

03:57 S1: Nova lista é igual a isso. E aí nós vamos dizer enquanto X é menor que Y, o que queremos fazer? Bem vamos dizer que a linha de apendida é igual à data X, open PX, high PX open high baixo PX, fechar PX e, em seguida, volume X. Então, essa nossa linha de append é igual a isso. E aí nós vamos dizer nova lista igual ou na verdade, nova linha list.append. E aí nós vamos dizer X + =1. Então, isso só vai correr por essa declaração de uau aqui. E sempre que isso for tudo feito, ele será povoado. E então o que podemos fazer é em vez de traçar esse preço tão próximo, podemos em vez disso, traçar o castiçal. E também, vamos em frente e comente isso. Então, de novo, são todos três. E na verdade, eu acho que este código está no tutorial, então eu vou simplesmente remotá-lo onde o código de amostra é salvo. Então nenhum sentido em ter um monte de código comentado honestamente, então nós vamos nos livrar disso também.

05:20 S1: Então, uma vez que temos os dados, a próxima coisa que vamos seguir adiante e fazer é queremos chamar candlestick_OHLC, e aí você dá o eixo que você quer tramar, que é AX1. E então os dados de open-high-low-close, que é new_list. E então você pode ... Basicamente, isso pode ser tudo o que você faz. Então vamos em frente e basta correr esse rapidinho e ter certeza de que tudo é cacheado-dória. Plotar X em ... Certo. E assim há nossos dados por enquanto. Porque estamos fazendo dados mais longos, apenas recentemente, o preço chegou a esses números, então é meio que o que estamos olhando para cá. Nós vamos nos livrar dessa coisa de carrapato em seguida. Mas este são os dados. E assim podemos ver esses bares, e isso é o que são bares de alto-baixo-baixo.

06:04 S1: Agora, o que podemos fazer a seguir é geralmente, as pessoas fazem open-high-low-close, e um up é um movimento positivo é geralmente marcado como verde, e um movimento negativo é marcado como vermelho. Também você pode modificar a largura, assim vamos fazer largura equals.6. Você vai ver que pode engordar um pouco. E aí temos essas cores em cima de algo igual, e então a cor para baixo é igual a alguma coisa. Até este ponto, passamos a usar apenas letras, como R, G, e então color down poderia ser R para vermelho, e assim podemos olhar para aquele real rápido. Com certeza, eles ficaram um pouco mais gordos e os movimentos de cima são verdes e depois o vermelho é denotado como perda. Há mais perda aqui e assim por diante. Mas também podemos fazer cores em forma hexadecimal. Assim, versão de verde seria a de 418049, portanto, 418049, use este hash, a libra. E então novamente para cor para baixo, libra, e nós faremos ff1717 para vermelho. Salve e execute isso. XOM de novo. E isso é apenas uma versão um pouco diferente, mas que é hexadecimais de qualquer maneira. Por isso, é um pouco mais leve de um verde ou mais verde pastel-ly suponho, mas ainda assim verde.

07:24 S1: Então agora que nós fizemos isso, a próxima coisa é você pode notar que nosso ticker aqui embaixo não está mais em formato de data adequada, e por isso precisávamos fazer mticker acima. Então, agora, vamos nos livrar de basicamente todo esse código também. E podemos manter o rodízio, mas a próxima coisa que a gente quer fazer é descer aqui e fazer um ax1.xaxis.set_major_locator. E primeiro, vamos dizer mticker.maxNLocator. E então esta será 10. Observe as capas, capital N, capital L lá. E aí também vamos definir o grande formatador, então o ax1.xaxis.set_major_formatter, e este é mDate.formatter, e então aqui colocamos qualquer que seja o formato da data que queremos ter, e isso será apenas %ano-%m-%d. E aí nós vamos em frente e fazer o rótulo típico de plt.y. Este será preço, rótulo plt.x. Pode ser data, embora, na verdade, nem precisamos de data. É bem óbvio que são datas.

08:46 S1: E então vamos em frente e vamos salvar e correr isso. XOM de novo. E então com certeza o suficiente, podemos ver muito claramente agora, podemos ver muito claramente que essas são as datas, o preço e podemos ver as datas. Isso é ótimo. Podemos dar um zoom, tudo isso. Uma coisa a notar é claro, como antes de quando tínhamos datas, podemos dar zoom e dentro e dentro e dentro, e conseguimos timestamps, mas agora você pode ver apenas repete essa data. Se quisemos mostrar mais, poderíamos. Poderíamos fazer por cento horas e cólon por cento minutos e por cento segundos se quisessem, mas porque isso são dados diários, nem temos esses dados de qualquer maneira.

09:21 S1: Então é isso para este tutorial com o open-high-low-close. Nós vamos continuar construindo esse tipo de gráfico tipo, e nós estaremos adicionando mais subtramas e coisas assim. Mas no próximo tutorial, o que vamos estar falando é de estilos, e é apenas uma maneira mais fácil de nós modificarmos como o nosso gráfico se parece. Podemos usar algumas das pré-definições, mas também podemos fazer nossos próprios estilos para as opções de customização que gostamos. Então é isso que vocês têm que olhar para frente, então fiquem atentos para isso. Obrigado por assistir.

00:00 Speaker 1: Olá todo mundo, e bem-vindo à parte 11, Customizando Matplotlib que é para Visualização de Dados em Python. Nesta parte, o que vamos estar falando são os estilos Matplotlib. Se você aconteceu de estar acompanhando junto, e tem talvez uma versão mais antiga de Matplotlib, você pode não ter estilos. Assim você vai querer ir em frente e fazer um Pip install Matplotlib, ou um Pip instalar upgrade Matplotlib, atualizar se você está usando o app Sudo para obtê-lo e assim por diante. Por isso, certifique-se que seu Matplotlib está atualizado e vamos em frente e começar.

00:32 S1: Primeiro, vamos seguir em frente e fazer a partir de Matplotlib, estilo de importação. Agora, o que isso nos traz é a capacidade de usar esses tipos de folhas de estilo, é o que eu quero chamá-los de folhas de estilo. Eles são apenas chamados de estilos, mas eles me lembram de folhas de estilo, como para CSS, Cascading Style Sheets para HTML, onde você define um monte de valores, e a ideia é a mesma da ideia para folhas de estilo. Você pode ter um site sem uma folha de estilo e estilo tudo o que você vai, e isso é totalmente bem. Mas é muito mais fácil ter uma folha de estilo central para o seu site inteiro, e aí quando você for mudar alguma coisa ou fazer uma nova página, você não precisa passar por dentro e codificar todos esses estilos de novo. Mesma coisa com o gráfico. Como você pôde ver antes, nós tivemos esse massivo, agora é deletado porque nos livamos disso. Mas quando estávamos estilhando todos esses elementos em nossos eixos, lembre-se que eram oito linhas só para eixos um, e realmente não era essa muita customização na verdade. Por isso, com estilos, podemos nos salvar de muita dor de cabeça, principalmente se gostemos de aplicar os mesmos estilos toda vez, mesmo que talvez sejam apenas cinco, 10 linhas, ter seu próprio estilo torna sua vida um pouco mais fácil.

01:48 S1: Então podemos importar estilo. E antes de mais nada, para usar um estilo, podemos ir style.use e então você especifica o nome. Agora, você não deve saber todos os nomes, mas eu mostro os caras em um minuto, todos eles, mas ggplot é um deles. E assim podemos usar isso, podemos salvar e comandar isso agora, e vamos apenas tramar a Exxon Mobil novamente, e subir pops este gráfico. Como você pode ver, as coisas são realmente muito mais bonitas de fora do portão: O gráfico tem seu próprio pequeno fundo, e a grade é na verdade uma linha branca sobre o fundo colorido, e a fonte parece ser um pouco menor, e é um pouco mais leve, não é mais sólida preta. Apenas uma mudança realmente rápida e agradável. Por isso, algumas das outras coisas que poderíamos possivelmente fazer é podemos olhar para ... Tem outro que é apenas dark_background, você pode economizar e correr isso, e nós vamos trazer essa de cima. E assim muda tudo. Por isso, para ter um fundo escuro, se você se lembra, se o seu texto é preto, então para mudar seu fundo para preto significa que você tem que mudar todo o seu texto para branco, todos os seus espinhos para branco. Sua grade precisa ser branca e assim por diante. Então, ter esses estilos, é tipo, bam, tudo é feito. Você não tem que realmente fazer muito em nada.

03:08 S1: Estou tentando pensar em alguns outros. Outro é, há um BMH. E aí nós podemos traçar a Exxon aqui. Ok. Então eu realmente não me importo muito com essa, mas em alguns gráficos faz muito sentido. E então, finalmente, tem um que é 538. Esse aqui é na verdade um bem legal, provavelmente é o meu favorito de todos eles, e ggplot, sei lá, um desses dois. Então aqui tem 538, e como você pode ver aqui, o que eles fizeram é na verdade, não tem espinhas em nada, mas aí você tem seus rótulos e tudo mais. E os rótulos são bem grandes, e a grade é bastante grande e sólida e todo esse tipo de coisa. Então, só legal para poder importar esses realmente simplesmente. Agora, para figurar uma lista dos estilos disponíveis, você pode apenas imprimir e fazer plt.style.disponível e que irá imprimir todos os estilos disponíveis para o seu console, que está aqui. Opa, lá vai você. Então, fundo escuro, BMH, ggplot, grayscale. Grayscale é exatamente o que soa como, é grayscale. Por isso, são apenas elementos cinzentos basicamente, ou brancos a preto.

04:18 S1: Então, a próxima coisa que eu gostaria que a gente fosse em frente e fazer é eu gostaria de mostrar para vocês onde esses estilos estão escondidos. Então, quando possivelmente queremos fazer o nosso próprio estilo, para onde nós íamos e tudo mais. Assim, o caminho está apenas em seu diretório Python, então se você estiver no Windows, você pode seguir junto. Caso contrário, você terá que encontrar o seu diretório, onde quer que o Matplotlib esteja armazenado. Se você não sabe, aqui está como você pode descobrir no entanto. Você pode abrir um prompt de comando, você também poderia digitá-lo em IDLE também, mas nós vamos apenas abrirá-lo aqui em cima. E eu vou correr C: /. Você provavelmente poderia apenas digitar "python". E de fato, vamos em frente e faça isso no nosso roteiro que estamos escrevendo já que isso pode confundir as pessoas. Mas o que podemos fazer é, importamos matplotlib.pyplot como PLT, então devemos ser capazes de fazer o arquivo printplt.underscore underscore underscore. Este é apenas um daqueles métodos iniciais que vem com praticamente todos os módulos, e vai dizer onde aquele módulo é armazenado. Assim, podemos ver, para mim, esse módulo Pyplot é armazenado sob esse diretório, mas podemos ver o diretório pai é Matplotlib, então é aí que nós queremos cabeça. Então é assim que você pode descobrir onde estão os diretórios. Agora, vamos em frente e cabeça lá.

05:39 S1: Então eu estou no diretório Python34, então eu vou entrar em lib lá, e pacotes de sites, e estamos procurando por Matplotlib. Então agora estamos no diretório Matplotlib. E você pode ver aqui, há um diretório para estilo, mas não há nada lá. Então, não é na verdade o que procuramos, procuramos um dado MPL e depois estilo lib, e então aqui estão as folhas de estilo. Então agora o que podemos fazer é dizer que gostamos de 538. Poderíamos clicar com o botão direito do mouse e vamos abri-lo com o Notepad + +. Se você não tiver o Notepad + +, você pode abri-lo com o Notepad regular se quiser, mas eu recomendo muito o Notepad + +. Então, uma vez que você tenha isso para cima, aqui vamos nós. Você pode ver aqui em cima o autor original colocou suas informações lá, então nós sabemos de onde ele é e você pode ver aqui como isso está funcionando. Ok. Podemos ver que você define várias variáveis. Então, axes.facecolor. Ele está identificando a cor da face. Esse é o ciclo de cores, então se você tem linhas, só vai dar um ciclo através de um, dois, três, quatro, cinco cores antes de se repetir.

06:43 S1: Então você pode querer adicionar mais cores ou algo lá, mas isso deve fazer simplesmente bem. E de qualquer forma, todo o código basicamente para praticamente todas as coisas desse tipo de estilo. Mas você pode ver até mesmo isso são 40 linhas, tem um espaço em branco, mas são 40 linhas. Provavelmente como 30 sem o espaço em branco, mas mesmo assim, são 30 linhas de informação e porque ele está usando axé aqui, está afetando todos os eixos de qualquer maneira, então você não precisa nem se preocupar em fazer cada axé de cada vez.

07:14 S1: Então no próximo tutorial, nós só vamos cobrir fazendo nossa própria chapa de estilo simples. Não será nada muito fora, louco, mas vamos fazer o nosso, só para que você possa meio que se sentir confortável com isso. Mas você provavelmente pode meio que deduzir dessas informações como fazer, mas é o que vamos fazer no próximo tutorial. Então fique atento para isso. Obrigado por assistir.
00:00 Speaker 1: O que está acontecendo todo mundo? E bem-vindos à Parte 12 da Seção 3 de Matplotlib e Visualização de Dados com Python. Neste tutorial, o que nós vamos estar falando é criar nossos próprios estilos. Assim, podemos usar alguns dos estilos pré-feitos e podemos até mesmo editar os estilos pré-feitos se quisemos um pouco, ou podemos criar nosso próprio estilo completamente. E o bom de um estilo é você poder ir com os padrões do Matplotlib e simplesmente mudar algumas coisas que você quer, então você não precisa realmente mudar literalmente tudo ou todas as cores ou o que for, você pode ir com apenas modificar a partir dos padrões exatamente o que você quer. Por isso, se você se encontrar tipicamente sempre fazendo o tamanho da fonte um pouco maior e talvez se livrar das espinhas de borda ou algo assim, se você se encontra fazendo isso cada vez mais, então você pode muito bem apenas fazer você mesmo um pequeno estilo simples que torna a fonte maior, se livre dessas espinhas laterais, e isso será isso.

00:55 S1: Então neste tutorial, é sobre isso que nós vamos falar. Nós só vamos fazer o nosso próprio estilo pequeno que só faz algumas coisas. E em vez de usar esse gráfico de fechamento de alto baixo, só vamos fazer um outro gráfico rápido que só tem algumas linhas para que possamos ver a mudança. Então você deve manter esse código porque nós vamos voltar para esse código eventualmente, então não exclua apenas ou algo do tipo, mantenha-o por perto. Mas eu vou seguir em frente e remover o meu, mas tenho cada vídeo guardado como tutorial, então eu tenho o código back up. Por isso, certise-se de salvar seu código de backup.

01:27 S1: Então, de qualquer maneira, eu vou deletar isso e então nós só vamos passar. E esta será uma espécie de boa corrida através de bacias de Matplotlib de qualquer jeito. E assim vamos importar matplotlib.pyplot como plt do Matplotlib import style, e então finalmente, nós vamos importar aleatoriamente ' porque vamos usá-lo para desenhar linhas aleatórias. Então, nós vamos style.use, e usaremos alguma coisa. Por enquanto, podemos apenas usar a trama de GG. E na verdade, não vamos usar este estilo. Usaremos o nosso próprio estilo em um minuto, mas o estilo eu vou usar isso. E aí o que vamos dizer é que vamos dizer: "Quatro rótulo no intervalo de oito". O que queremos fazer? Nós vamos dizer: "X é um conjunto vazio, e Y é um vazio ..." Na verdade, essas são listas vazias, em vez disso. E aí nós vamos dizer: "Quatro eu no intervalo de um a 10." O que queremos fazer? Nós vamos dizer: "Os Ys são iguais ao random.rand range." Vai ser apenas um número aleatório basicamente de zero a 15. O X só vai igualar o I, então será apenas um, dois, três, quatro, cinco, seis, sete, oito, nove, 10. E aí só vamos dizer "X.append the Xs, Y.append the Ys." E então uma vez que somos feitos com esse quatro laço, vamos trafegá-lo para que seja plt.plot XY, e então vamos dizer: "Label equivale a rótulo", então isso só vai ser o número basicamente, rótulo equivale a rótulo. E então isso significa que vamos ter oito linhas basicamente, ok? Então nós fazemos isso. E então finalmente no final, vamos plt.legend, e aí vamos apenas fazer plt.show.

03:07 S1: Ok, tão bom código simples lá. Vamos salvar e correr isso. E up pops este gráfico aqui. Portanto, não é realmente o gráfico mais bonito do mundo, mas temos algumas linhas. Vemos que temos um monte de números. E a outra coisa que podemos ver bem fora do portão é a primeira repetição de cores. Então como eu estava dizendo antes, quando você tem aquele ciclo de cores, o Matplotlib que podemos ver tem seis cores antes de começar a repetir. Então 0 e 7 são na verdade exatamente a mesma cor. Então, se você está tentando traçar algo que tenha muitos tipos diferentes de rótulos, digamos, ou diferentes datasets. Obviamente, isso na verdade é realmente bagunçado, mas às vezes há onde você realmente pode ter um gráfico de aparência mais limpa que tem sete datasets diferentes que precisam de sete rótulos diferentes, e por isso você precisa ter uma maneira de lidar para isso. Enfim, então mantenha isso em mente.

03:54 S1: Então nós vamos em frente e fechar isso agora, e vamos fazer o nosso próprio estilo. Então, para fazer isso, a gente vem por aqui, e é aqui que o meu está. Novamente, mostramos como chegar a este diretório antes de importar Matplotlib e depois imprimir Matplotlib. Na verdade, acho que fizemos pyplot, e fizemos print plt.file, e é assim que se pode descobrir onde ele está. Mas nós já cobrimos isso, então eu não vou fazer isso de novo. E então aqui estão todos os estilos que temos atualmente, e podemos fazer apenas mais um. Então vamos copiar este aqui, colar, e chamaremos este aqui: "Nosso estilo". E aí vamos editá-lo com o Notepad + +, deixe-me trazer para cá, e aqui vamos nós. Então vamos deixar claro todo esse estilo, e aí podemos começar a escrever o que quisermos.

04:40 S1: Então, antes de mais nada, podemos tornar as larguras de linha um pouco maiores. Por isso, inicialmente, as larguras de linha nesse gráfico são apenas tão magras que eu não sei, só me incomoda às vezes. Assim, faremos a largura lines.line. E nós podemos fazer esses dois. Depois, notamos que o outro problema eram aquelas cores, então podemos dizer algo assim, como "Axes.color_cycle", e esta são as cores que vamos percorrer. E estes são códigos de cores hex, mas você não precisa ter a placa de libra aí. Agora, para descobrir cores para usar, a coisa mais fácil que você pode fazer é apenas o Google "hex color code", e você pode se encontrar em um site como este. Esta é a que eu sempre acabo usando, e você pode simplesmente começar a escolher cores, ok? Então você pode começar a escolher uma cor esverdeada seria isso, e então você poderia escolher mais uma cor amarelada assim. É uma espécie de amarelo feio, mas para finalidades do tutorial, tudo bem. E então nós faremos um avermelado. Vamos fazer esse azul claro. E você pode simplesmente escolher suas próprias cores, também. Você pode meio que ir com o que quer que você queira. Há um azul escuro. Não me lembro se conseguimos um verde escuro de verdade ou não, mas vamos em frente e agarramos um verde escuro. Ok, então são seis. E aí nós podemos obter uma cor pinkish mais brilhante. Então, seriam sete.

06:00 S1: E então vamos escolher basicamente mais uma. Acho que gosto de uma cor que a gente não tem. Eu acho que ainda não temos uma boa laranja. Nós vamos simplesmente com isso. Ok, então agora a gente tem, o que é isso, oito cores para fazer ciclo. Obviamente, você poderia continuar indo. Se você encontrar gráficos de plotagem com 30 linhas diferentes ou alguma coisa, vá em frente, adiciote 30 cores personalizadas diferentes. Agora, a próxima coisa são os machados enfrentam a cor e depois a cor da figura. Muitas vezes, isso parece bom se eles são idênticos. Então o que nós faremos é teremos axes.facecolor: E faremos deste um F2, F1, F1. E só para constar, essa é essa cor, né? É quase branco, mas não realmente. E aí nós vamos fazer exatamente a mesma coisa com a cor figure.face, e então teremos apenas essa mesma cor exata. E isso precisa ser figura.

06:54 S1: E então nós faremos axes.labelsize. Chamaremos esses grandes rótulos de axes.grade. Nós vamos fazer isso um verdadeiro. Vamos fazer grid.linewidth. 0,25 é bom. Grid.linestyle. Vamos fazer disso um traço lá. E então provavelmente devemos mudar a cor para grid.color, C9, C9, C9. E então tamanho da fonte, vamos fazer que um 12. E vamos nos livrar desses tiques maiores e menores. So xtic.major.size: Zero. E aí vamos copiar essa linha, então só vamos fazer algumas arestas à medida que vamos. Então, então cole, cole, cole. Em vez de major aqui, menor. E depois novamente, menor. Em vez de x carrapato, este seria y e y. Então você tem x tick major, x tick menor, y tick major, y tick minor.

07:50 S1: Ok. Por isso, fizemos um estilo, vamos em frente e economamos isso. Isso é chamado de "nosso estilo". Vamos passar por isso. E o style.use, usaremos o nosso estilo. Então, agora vamos salvar e correr isso. Enredo isso, e lá vai você. Nós temos o nosso próprio estilo agora. Então como você pode ver, nós mudamos bastante algumas coisas. Os rótulos são um pouco maiores, as cores são um pouco mais bonitas, e a grade é ... Talvez a gente quisesse uma grade um pouco mais escura, possivelmente. Poderíamos também fazer da grade uma luz, como um branco ou algo do tipo. Eu acredito F, F, F ou algo é um branco sólido. Deixa eu tentar isso. Então cor da grade. E se a gente fizesse um, dois, três, quatro, seis, sim. Tão bom, salve isso. E aí então talvez uma grade branca ficaria boa. Nope, eu não consigo nem ver. Ok. [chuckle] Talvez essa tenha sido uma cor inválida embora, na verdade.

08:38 S1: Enfim, você pode brincar com isso se quiser, mas há um exemplo de como você pode meio que escrever o seu próprio estilo e então talvez se livrar desses x ou dos espinhos. Eu esqueci de fazer isso, mas tudo bem, estamos meio correndo de qualquer jeito. Mas você pode se livrar das espinhas se você quisesse ou você pode fazer todo tipo de coisa. Mas de qualquer forma, isso já é ... Demorou como dois minutos para fazer um styling já bastante substancialmente melhor do que o padrão Matplotlib. Então lá vai você.

09:04 S1: Ok, então é isso com estilos. No próximo tutorial, o que vamos estar falando é criar gráficos ao vivo, então gráficos que atualizam ao vivo como os dados que eles estão lendo são modificados. Então como eu estava dizendo antes, quando você tem um gráfico, uma vez que você trama isso, você não pode mudar esse gráfico. Bem, você pode se estiver usando a funcionalidade de animação. Então, é sobre isso que vamos estar falando no próximo tutorial, então fique atento para isso.