ภาพรวม จัดเรียงลิสต์สตริงตามค่าสัมบูรณ์ของความต่างระหว่างจำนวนตัวอักษรพิมพ์ใหญ่ (uppercase) และพิมพ์เล็ก (lowercase) อัลกอริทึม นับตัวพิมพ์เล็ก: sum(1 for c in s if c.islower()) นับตัวพิมพ์ใหญ่: sum(1 for c in s if c.isupper()) คืนค่า abs(lower - upper) ใช้เป็น key ใน list.sort() ตัวอย่า

ภาพรวม มีหลายวิธีลบคอลัมน์จาก DataFrame: del, pop(), drop() แต่ละวิธีมีความแตกต่างเล็กน้อย วิธีต่างๆ 1. ใช้ del (ในโค้ดตัวอย่าง) del dataFrame[ColumnName] ลบ inplace (เปลี่ยน DataFrame ต้นฉบับ) ไม่คืนค่าที่ลบ Error หากคอลัมน์ไม่มีอยู่ 2. ใช้ pop() col = dataFrame.pop(ColumnName) ลบ i

ภาพรวม สร้าง 3D plot ใน Matplotlib โดยเพิ่ม subplot ด้วย projection=3d ต้อง import mpl_toolkits.mplot3d (อาจ implicit) ขั้นตอนการทำงาน Import matplotlib.pyplot และ numpy กำหนดขนาดฟิกเกอร์ สร้างข้อมูล x, y, z (ตัวอย่าง: z = x² + y²) สร้าง figure เพิ่ม subplot: fig.add_subplot(111, project

ภาพรวม การหมุน axes ทั้งระบบพิกัด (ไม่ใช่แค่ข้อความ) ต้องใช้ Affine2D transform และ floating_axes จาก mpl_toolkits.axisartist ขั้นตอนการทำงาน Import: matplotlib.pyplot, Affine2D, floating_axes กำหนดขนาดฟิกเกอร์ สร้าง figure กำหนดขอบเขต axes: scales = (xmin, xmax, ymin, ymax) สร้าง transf

ภาพรวม เมื่อมีข้อมูลเป็น list of tuples (label, value) สามารถแยกเป็น 2 list แล้วพลอต Bar Chart ได้ ซึ่งทำหน้าที่เหมือน Histogram ความถี่ ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์ สร้าง list of tuples: [(a, 1), (c, 3), ...] แยก label และ frequency ออกเป็น list แยกกัน ใช้ plt.bar() พลอต แสดงผล ต

ภาพรวม ใน Pie Chart หากมีสไลด์เล็กมาก ฉลากจะทับซ้อนและอ่านยาก ใช้ฟังก์ชัน lambda ใน autopct เพื่อแสดง % เฉพาะสไลด์ที่ใหญ่พอ ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์ สร้าง DataFrame มีคอลัมน์ activities และ hours ใช้ df.set_index(activities).plot.pie() ใน autopct ใช้ lambda: 25 else None แสดงผล

ภาพรวม เมื่อสร้างหลาย subplots แนวตั้ง มักต้องการให้แกน X ใช้ scale เดียวกัน (shared X-axis) เพื่อเปรียบเทียบง่าย ใช้พารามิเตอร์ sharex ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์ สร้าง figure เพิ่ม subplot แรก ax1 = fig.add_subplot(2, 1, 1) เพิ่ม subplot ที่สอง ax2 = fig.add_subplot(2, 1, 2, sharex

ภาพรวม ปกติแกน X และ Y จะอยู่ที่ขอบกราฟ สามารถย้ายมาไว้ที่จุดกำเนิด (0,0) ภายในพื้นที่พลอตได้โดยปรับ spines ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์ สร้าง figure และ axes พลอตข้อมูล (ตัวอย่าง y = x²) color none แสดงผล ตัวอย่างโค้ด import numpy as np import matplotlib.pyplot as plt plt.rcPar

ภาพรวม ใช้ fill_between() วนลูปสร้างชั้นสีหลายชั้น ใต้เส้นโค้ง เพื่อเอฟเฟกต์สีรุ้ง ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์ สร้างฟังก์ชัน plot_rainbow_under_curve() กำหนดรายการสีรุ้ง 7 สี สร้างข้อมูล x ด้วย np.linspace() วนลูป 0-6: พลอตเส้นโค้งและ fill_between เลื่อนขึ้นทีละชั้น แสดงผล ตัวอ

ภาพรวม Rug Plot แสดงการกระจายของข้อมูล 1 มิติ โดยวาดเส้นเล็ก (tick marks) ตามแกน มักใช้ร่วมกับ Density Plot (KDE) ขั้นตอนการทำงาน Import numpy, scipy.stats, matplotlib.pyplot สร้างข้อมูล x คำนวณ Kernel Density Estimate (KDE) 2 แบบ: Scotts Rule และ Silvermans Rule สร้าง figure และ axes วา

ภาพรวม Time Series plot แสดงข้อมูลตามลำดับเวลา ใช้ Seaborn สำหรับ static plot หรือ Plotly สำหรับ interactive plot ตัวอย่างด้วย Seaborn import seaborn as sns from matplotlib import pyplot as plt import pandas as pd import numpy as np plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcParams[figure.a

ภาพรวม Pandas มีเมธอด plot() ในตัว สามารถพลอตหลาย DataFrame บน axes เดียวกันได้โดยส่งพารามิเตอร์ ax ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์ สร้าง DataFrame 2 ตัว (df1, df2) ข้อมูลต่างกัน พลอต df1 ก่อน เก็บ axes ที่คืนมา พลอต df2 ส่ง ax=ax ให้ใช้ axes เดียวกัน แสดงผล ตัวอย่างโค้ด import panda

ภาพรวม การสร้าง Circle object จำนวนมาก (พันลูกขึ้นไป) ด้วยลูปปกติจะช้า มาก ใช้ matplotlib.collections.CircleCollection แทนเพื่อประสิทธิภาพสูง ขั้นตอนการทำงาน Import numpy, matplotlib.pyplot, matplotlib.collections กำหนดขนาดฟิกเกอร์ สร้างข้อมูลสุ่ม: จำนวนวงกลม, ตำแหน่ง (xy), ขนาด (sizes) สร

ภาพรวม สร้างวงกลมซ้อนกันหลายชั้น สีตามลำดับสีรุ้ง ใช้ plt.Circle และ ax.add_artist() ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์ สร้าง figure และ axes ตั้งค่า aspect ratio เท่ากัน (plt.axis(equal)) กำหนด list สีรุ้ง 7 สี วนลูปสร้าง Circle รัศมีลดลงเรื่อยๆ ตำแหน่ง (0,0) เพิ่มแต่ละวงกลมลง axes แสด

ภาพรวม Grouped Boxplot แสดงการกระจายของข้อมูลแยกตามกลุ่ม (เช่น เพศ) ในแต่ละหมวดหมู่ (เช่น วัน) ใช้ Seaborn ทำได้ง่ายมาก ขั้นตอนการทำงาน Import seaborn และ matplotlib.pyplot กำหนดขนาดฟิกเกอร์ โหลดตัวอย่างข้อมูล tips จาก Seaborn ใช้ sns.boxplot() กำหนด x, y และ hue แสดงผล ตัวอย่างโค้ด im

ภาพรวม ใช้โมดูล matplotlib.animation สร้างอนิเมชันข้อความที่เปลี่ยนขนาดและสีแบบเรียลไทม์ ขั้นตอนการทำงาน Import animation จาก matplotlib กำหนดขนาดฟิกเกอร์ สร้าง figure และ axes เพิ่ม text object ด้วย ax.text() กำหนดรายการสีสำหรับสลับกัน สร้างฟังก์ชัน animate() ที่อัปเดต fontsize และ co

ภาพรวม บางครั้งต้องการพิกัดพิกเซลจริงบน canvas สำหรับการคลิก mouse, tooltip หรือ export ข้อมูล ใช้ transformation pipeline ของ matplotlib ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์ สร้าง scatter plot แบบสุ่ม ดึงข้อมูล x, y ด้วย get_data() แปลงจาก data coordinates เป็น pixel coordinates ด้วย ax.tran

ภาพรวม LaTeX จัดการช่องว่างในโหมดคณิตศาสตร์อัตโนมัติ แต่บางครั้งอาจต้องการปรับช่องว่างด้วยตนเอง Matplotlib รองรับคำสั่ง spacing ของ LaTeX คำสั่งช่องว่างใน LaTeX \; – thick space (กว้าง) \: – medium space (ปานกลาง) \, – thin space (บาง) \! – negative thin space (ลบช่องว่าง/ดึงให้ใกล้กัน)

ภาพรวม การจัดเรียงแท่งใน Bar Chart ให้เรียงตามค่าจะทำให้อ่านข้อมูลง่ายขึ้น โดยใช้ sort_values() ของ DataFrame ก่อนพลอต ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์ สร้าง DataFrame มีคอลัมน์ names และ marks สร้าง subplot แรก: พลอตข้อมูลต้นฉบับ สร้าง subplot ที่สอง: เรียงข้อมูลด้วย df.sort_values(marks

ภาพรวม Contour plot แสดงเส้นระดับ (contour lines) ของข้อมูล 3 มิติบนระนาบ 2 มิติ บทความนี้สาธิตวิธาดึงพิกัดจุดบนเส้น contour กลับมาใช้งาน ขั้นตอนการทำงาน กำหนดขนาดฟิกเกอร์และปรับ padding สร้างข้อมูล x, y และเมทริกซ์ m สร้าง contour plot ด้วย plt.contour(x, y, m) เข้าถึง cs.collections เพื่