การเปลี่ยนสีพื้นหลัง Axes (Face Color) ใช้ ax.set_facecolor() เพื่อเปลี่ยนสีพื้นหลังของ axes เฉพาะตัว ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding ดึง axes ปัจจุบันด้วย plt.gca() พิมพ์สีพื้นหลังเริ่มต้น สร้าง subplot 1 (ด้านซ้าย) พล็อตข้อมูลสุ่ม ตั้ง title สร้าง subplot 2 (ด้านขวา) ดึง axes ตั้ง s

การสร้างวงกลมแบ่งสีครึ่งดำครึ่งขาว ใช้ Wedge patch สองชิ้นครอบคลุม 180 องศาแต่ละชิ้น ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้าง figure และ subplots กำหนด theta1=0, theta2=180 สำหรับครึ่งแรก สร้าง Wedge สองอัน: สีดำ (0-180) และ สีขาว (180-360) เพิ่ม artist ทั้งสองด้วย ax.add_artist() ตั

การเข้าถึง Figure Object จาก Pandas Plot ใช้ ax.get_figure() บน Axes object ที่คืนจาก pandas plot ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้าง DataFrame df พล็อต horizontal bar chart ด้วย df.plot.barh() ได้ Axes object ดึง Figure ด้วย ax.get_figure() เพิ่ม legend และแสดงผล ตัวอย่างโค้ด fr

การทำ Animation หลาย Plots พร้อมกันด้วย For Loop รวม Line2D objects และ Bar patches ใน list เดียว แล้วอัปเดตใน animate() ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้าง figure และ axes กำหนด xlim, ylim สร้างหลายเส้น (lines) และแท่ง (rectangles) รวมเป็น list patches ใน animate() ใช้ for loop อ

การทำ Annotation ที่ปลายเส้นกราฟ ใช้ annotate() วางข้อความที่ตำแหน่งสุดท้ายของแต่ละเส้นใน DataFrame plot ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding กำหนดจำนวนแถว rows สร้าง DataFrame ข้อมูลสุ่ม และคำนวณ cumsum() พล็อต DataFrame ด้วย plot() วนลูป ax.lines และ column names ดึงค่า y สุดท้ายของแ

การเปลี่ยนสีข้อความเริ่มต้นทั่วทั้ง Figure ใช้ rcParams.update() อัปเดต text.color และ axes.labelcolor ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding ตรวจสอบค่าเริ่มต้นด้วย plt.rcParams[text.color] อัปเดต rcParams dict: text.color และ axes.labelcolor ตั้งค่า title และ label แสดงผลด้วย show() ตัวอ

การใช้ hue ใน Seaborn Jointplot jointplot รองรับ parameter hue สำหรับจัดสีตามกลุ่มข้อมูล ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้างข้อมูล x ด้วย numpy สร้าง dictionary ข้อมูล curve ต่างๆ แปลงเป็น DataFrame สร้าง jointplot ด้วย jointplot() ระบุ hue แสดงผลด้วย show() ตัวอย่างโค้ด from m

การสร้าง Subplots จำนวนมากใน Figure เดียว ใช้ subplots() กำหนด nrows และ ncols เพื่อสร้าง grid ของ subplots ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding กำหนดจำนวน rows และ cols สร้าง figure และ subplots ด้วย plt.subplots(nrows=rows, ncols=cols) แสดงผลด้วย show() ตัวอย่างโค้ด from matplotlib impo

การเพิ่ม Legend ให้ Pie Chart ใช้ค่าที่คืนจาก pie() (patches, texts) เพื่อสร้าง legend แยกต่างหาก ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding เตรียม labels, colors, sizes เรียก pie() รับคืน patches, texts สร้าง legend ด้วย plt.legend(patches, labels, loc=best) ตั้งค่า plt.axis(equal) ทำให้วงกลม

การปรับความถี่และรูปแบบ Datetime Ticks ใช้ matplotlib.dates MonthLocator และ DateFormatter ควบคุม tick locations และ labels ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้าง DataFrame พร้อม datetime index พล็อต DataFrame ตั้งค่า X-axis major locator ด้วย mdates.MonthLocator(interval=1) ตั้งค่า

การพล็อต Phase Spectrum (Angle Spectrum) ใช้เมธอด phase_spectrum() ของ Axes เพื่อแสดง phase spectrum ของสัญญาณ ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding ตั้งค่า random seed เพื่อ reproducibility กำหนด dt (sampling interval) คำนวณ Fs (sampling frequency) สร้างเวกเตอร์เวลา t สร้างสัญญาณรบกวน (n

การสร้างลูกศรแบบวนลูปด้วย Patch Collection รวม Wedge (แท่งโค้ง) และ Polygon (หัวลูกศร) ไว้ใน PatchCollection ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้างฟังก์ชัน make_loop() ที่รับ center, radius, theta1, theta2 สร้าง Wedge สำหรับวงแหวนโค้ง คำนวณตำแหน่งหัวลูกศรจาก geometry สร้าง Polygon สำ

การปรับขนาด Colorbar ให้แคบลง ใช้ parameter shrink ในเมธอด colorbar() ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้างข้อมูลสุ่มด้วย numpy แสดงภาพด้วย imshow() เก็บคืนค่า image object สร้าง colorbar ด้วย plt.colorbar(im, shrink=0.50) แสดงผลด้วย show() ตัวอย่างโค้ด import numpy as np from matp

การสร้าง Animation ด้วย FuncAnimation ใช้ FuncAnimation เพื่ออัปเดตข้อมูลแบบ real-time บน subplots ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้าง figure และ subplots สร้างฟังก์ชัน init() สำหรับ clear frame ใช้ FuncAnimation เรียกฟังก์ชัน animate ซ้ำๆ กำหนดฟังก์ชัน animate อัปเดตข้อมูลใน Line

การดึงรายการ File Formats ที่รองรับ ใช้ get_supported_filetypes() จาก canvas ของ figure ปัจจุบัน ขั้นตอนหลัก ดึง figure ปัจจุบันด้วย plt.gcf() เข้าถึง canvas และเรียก get_supported_filetypes() วนลูปแสดง key (extension) และ value (คำอธิบาย) ตัวอย่างโค้ด from matplotlib import pyplot as plt f

การเพิ่ม Legend ให้ FacetGrid Bar Plot ใช้ g.add_legend() หลังจาก map_dataframe เพื่อแสดง legend อัตโนมัติ ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้าง DataFrame พร้อมคอลัมน์ col1 สร้าง FacetGrid ด้วย col และ hue ใช้ map_dataframe() พร้อม sns.scatterplot ตั้งค่า axis labels เพิ่ม legend

การปรับขนาด Jointplot ให้ไม่เป็นสี่เหลี่ยมจัตุรัส ใช้ set_figwidth() และ set_figheight() บน figure object ของ jointplot ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้างข้อมูล x และ y ด้วย numpy สร้าง DataFrame พร้อม 2 คอลัมน์ สร้าง jointplot ด้วย jointplot() ปรับความกว้างและความสูง figure ด้วย

การปรับขนาดฟอนต์ใน Venn Diagram ใช้เมธอด set_fontsize() บน text objects ของ set_labels และ subset_labels ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้าง 3 เซ็ทสำหรับ Venn diagram พล็อต 3-set area-weighted Venn diagram ด้วย venn3() วนลูปผ่าน out.set_labels และ out.subset_labels ใช้ set_fontsize(

การปรับระยะห่าง Label แกนจาก Tick Labels ใช้ parameter labelpad ในเมธอด xlabel() และ ylabel() ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding พล็อตข้อมูลด้วย plot() ตั้งค่า tick positions ด้วย xticks() ตั้งค่า margins เป็น 0 ตั้งค่า X-axis label พร้อม labelpad แสดงผลด้วย show() ตัวอย่างโค้ด from

การพล็อตฟังก์ชัน y = 1/x พล็อตฟังก์ชันตรงกันข้ามพื้นฐาน พร้อมจัดการจุดไม่ต่อเนื่องที่ x=0 ขั้นตอนหลัก ตั้งค่าขนาดรูปและ padding สร้างจุดข้อมูลด้วย numpy.linspace พล็อต x และ 1/x ด้วย plot() เพิ่มตำนานด้วย LaTeX formatting แสดงผลด้วย show() ตัวอย่างโค้ด import numpy as np import matplotli