ภาพรวม Rolling Mean หรือค่าเฉลี่ยเคลื่อนที่ ใช้วิเคราะห์แนวโน้มข้อมูลอนุกรมเวลา (time series) โดยใช้เมธอด rolling() ร่วมกับ apply() หรือเรียก mean() โดยตรง ขั้นตอนการทำงาน Import pandas สร้าง DataFrame ที่มีคอลัมน์หมวดหมู่ (Car) และค่าตัวเลข (Reg_Price) จัดกลุ่มด้วย groupby() แล้วใช้ rolling

ภาพรวม เมื่อแกน X เป็น datetime index การพลอตเส้นที่สีเปลี่ยนตามค่า (multicolor line) ต้องใช้ LineCollection จาก matplotlib.collections ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์และปรับ padding สร้างข้อมูล datetime index และค่า y ด้วย numpy สร้าง figure และ axes แปลงวันที่เป็นตัวเลขด้วย mdates.date

ภาพรวม บทความนี้สาธิตวิธีเพิ่มข้อความกำกับ (annotation) ให้แต่ละจุดข้อมูลบน Scatter Plot โดยใช้ข้อมูลจากคอลัมน์ของ Pandas DataFrame ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์และปรับ padding สร้าง DataFrame ที่มีคอลัมน์ x, y และ points (ข้อความกำกับ) สร้าง Scatter Plot ด้วย df.plot.scatter() ใช้ ax.

ภาพรวม เมื่อทำงานกับ matplotlib มักจะต้องส่งออบเจ็กต์การพลอต (plotting objects) ผ่านฟังก์ชันเพื่อสร้างกราฟที่ซับซ้อน คำถามคือควรส่งเป็น Axis, Axes หรือ Figure บทความนี้จะแนะนำแนวทางที่เหมาะสมพร้อมตัวอย่างโค้ด ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์และปรับ padding ระหว่าง subplots ในเมธอด plot() ให้พ

ใช้ ax.xaxis.set_tick_params(labeltop=True, labelbottom=False) ย้าย Label แกน X ไปด้านบน ตัวอย่างโค้ด from matplotlib import pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True fig, ax = plt.subplots(1, 1) # Show tick labels on top ax.xaxis.set_tick_p

ลบขอบสีขาว (White Border) รอบภาพ imshow โดยตั้งค่า Figure Size ให้ตรง Aspect Ratio ของข้อมูล และปิด Axis ตัวอย่างโค้ด import numpy as np import matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True data = np.random.randint(0, 50, (50, 50)) siz

ใช้ ax.set_xticks() และ ax.set_yticks() กำหนดตำแหน่ง Ticks บน Heatmap/Image จาก imshow() ตัวอย่างโค้ด import numpy as np import matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True ax = plt.gca() data = np.random.rand(6, 6) ax.imshow(data)

เลื่อนกราฟตามแกน X โดย Plot เส้นเดิม และเส้นที่เลื่อน (Shift X Values) พร้อม Legend ตัวอย่างโค้ด import numpy as np import matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True x = np.linspace(-5, 5, 100) y = np.sin(x) # Original graph plt.pl

Plot 2 ชุดข้อมูลที่มีความยาว Array ต่างกัน โดยระบุ X, Y แยกกันสำหรับแต่ละชุด ตัวอย่างโค้ด import numpy as np import matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True y1 = (np.random.random(100) - 0.5).cumsum() y2 = y1.reshape(-1, 10).mean(

อ่าน CSV หลายคอลัมน์ แล้วใช้ DataFrame.plot() วาดกราฟเส้นหลายเส้นพร้อมกัน ตัวอย่างโค้ด import pandas as pd from matplotlib import pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True columns = [mpg, displ, hp, weight] df = pd.read_csv(auto-mpg.csv, usec

ใช้ set_tick_params() ปิด Label และ set_xticks([]), set_yticks([]) ปิด Tick Marks ตัวอย่างโค้ด import numpy as np from matplotlib import pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True x = np.linspace(-10, 10, 100) y = np.sin(x) plt.plot(x, y) ax

อ่าน CSV 3 คอลัมน์ (x, y, color) แล้ววาด Scatter Plot สีตามคอลัมน์ที่ 3 ตัวอย่างโค้ด import pandas as pd from matplotlib import pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True columns = [data1, data2, data3] df = pd.read_csv(input.csv, usecols=colu

ใช้ ax.broken_barh() วาดแท่งแนวนอนที่斷續 (Broken) หลายช่วงในแต่ละ Row ตัวอย่างโค้ด import matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True fig, ax = plt.subplots() # Row 1: 2 bars at y=10-19 (height 9) ax.broken_barh([(110, 30), (150, 10)

ใช้ plt.hlines() วาดเส้นแนวนอน แล้วเพิ่ม Label ด้วย plt.text() ที่ปลายเส้น ตัวอย่างโค้ด import matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.autolayout] = True # Horizontal line y=1, x from 1 to 4, orange plt.hlines(y=1, xmin=1, xmax=4, lw=7, color=orang

สร้าง Animation 3D โดยใช้ mpl_toolkits.mplot3d.Axes3D และ matplotlib.animation.FuncAnimation ขั้นตอน Import: Axes3D, animation สร้างข้อมูล Parametric: t, x=cos(t)-1, y=0.5*(cos(2t)-1), z=t สร้าง Figure และ 3D Axes ปิด Axis: ax.axis(off) Plot เส้นเริ่มต้น กำหนดฟังก์ชัน anima

ใช้ Matplotlib วาดจุดข้อมูล วาดวงกลมรอบจุดที่สนใจ และเพิ่ม Annotation พร้อมลูกศร ขั้นตอน ตั้งค่า Figure สร้างข้อมูลและเลือกจุดที่จะทำเครื่องหมาย Plot ข้อมูลทั้งหมด ตั้งค่า Axis Limits วาดวงกลม: plot(x, y, o, ms=radius*2, mec=yellow, mfc=none, mew=2) เพิ่ม Annotation: annota

สร้าง Scatter Plot แสดง Clustering โดยใช้ Matplotlib: สุ่มข้อมูล, กำหนด Cluster และ Centers แล้ว Plot พร้อม Marker ต่างกัน ขั้นตอน ตั้งค่า Figure Size และ Layout สร้างข้อมูล X, Y, Cluster Labels, Centers ด้วย NumPy สร้าง Figure และ Subplot Plot Scatter ข้อมูล สีตาม Cluster Plot

รากที่สอง ตัวอย่างโค้ด my_list = [3, 5, 7, 10, 12] print(The list is :) print(my_list) my_mean = sum(my_list) / len(my_list) my_variance = sum([((x - my_mean) ** 2) for x in my_list]) / len(my_list) my_result = my_variance ** 0.5 print(The result is :) print(my_result) ผลลัพธ์ The original list

ตรวจสอบว่าทุกค่าใน range_list อยู่ในช่วง Min-Max ของ my_list หรือไม่ (Logic ในโค้ดตัวอย่างมีข้อบกพร่อง) ตัวอย่างโค้ด my_list = [5, 6, 4, 7, 8, 13, 15] print(The list is : ) print(my_list) range_list = [4, 7, 10, 6] my_result = True for elem in range_list: if elem != max(my_list): my_r

ใช้ enumerate() วนลูปลิสต์สตริง พร้อมเช็คว่า Index อยู่ในลิสต์ Index ที่ต้องการหรือไม่ แล้วบวกความยาว ตัวอย่างโค้ด my_list = [python, is, best, for, coders] print(The list is :) print(my_list) index_list = [0, 1, 4] result = 0 for index, element in enumerate(my_list): if index in index_list: