หลังพลอตแล้ว สามารถดึงข้อมูล x, y กลับมาได้จาก Line2D object ด้วยเมธอด get_xdata() และ get_ydata() ใช้งานได้ทั้ง plot, scatter, และ artists อื่นๆ ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้างข้อมูล y และพลอต รับคืน curve object ดึงข้อมูล: xdata = curve.get_xdata(), ydata = curve.get_ydata

เมื่อใช้ plt.subplot() พร้อม sharey (หรือ sharex) ตามค่าเริ่มต้น tick labels จะแสดงบน axes ทุกตัว ไม่ซ่อนอัตโนมัติเหมือน subplots() ทำให้เห็นป้ายทุกซับพลอต ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้าง ax1 ด้วย plt.subplot(1, 2, 1) สร้าง ax2 ด้วย plt.subplot(1, 2, 2, sharey=ax1) พลอตข้อ

คำนวณจุดกึ่งกลางของแต่ละ bin จาก patches ที่คืนค่าจาก plt.hist() โดย (patch._x0 + patch._x1)/2 แล้วตั้งค่า xticks และ labels ใหม่ ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้างข้อมูลสุ่มและจำนวน bins พลอต histogram รับคืน n, bins, patches คำนวณตำแหน่งกึ่งกลาง: ticks = [(p._x0 + p._x1)/2

พลอต boxplot จาก DataFrame ก่อน แล้ววนลูปคอลัมน์ สร้างจุด scatter จำลองการกระจาย (jitter) ด้วย np.random.normal() รอบตำแหน่งกล่อง แล้วพลอตทับซ้อน ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้าง DataFrame 2 คอลัมน์ พลอต boxplot: data.boxplot() วนลูปคอลัมน์ สร้าง x ด้วย normal distribution

คำนวณ min, max, mean, std ของข้อมูลแต่ละคอลัมน์ สร้าง DataFrame ใหม่จากสถิติเหล่านี้ แล้วใช้ df.boxplot() พลอตกล่องแสดงการกระจาย ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้างข้อมูลสุ่ม 5x5 คำนวณ min, max, avg, std ตามแกนคอลัมน์ (axis=0) สร้าง DataFrame ใหม่จากสถิติ 4 ค่า พลอต boxplot

ใช้ ax.legend() ตั้งค่า handlelength=0, handletextpad=0, fancybox=True เพื่อซ่อนสัญลักษณ์เส้น/เครื่องหมาย ทิ้งแค่ข้อความป้ายกำกับ ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้างข้อมูลและพลอตพร้อม label สร้าง legend ด้วย ax.legend(handlelength=0, handletextpad=0, fancybox=True) แสดงผล ตั

ใช้ sns.clustermap() สร้าง heatmap แล้วเข้าถึง axes ผ่าน g.ax_heatmap เพิ่ม plt.Rectangle patch ที่ตำแหน่งเซลล์ที่ต้องการ พร้อมกำหนดสีขอบและความหนา ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้าง DataFrame สร้าง clustermap ด้วย sns.clustermap() เข้าถึง heatmap axes: ax = g.ax_heatmap เพ

ตั้งค่าความหนาของ hatch pattern ด้วย plt.rcParams[hatch.linewidth] = ค่า ก่อนพลอต แล้วใช้ hatch=/ ใน plt.scatter() พร้อม marker=s (สี่เหลี่ยม) ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้างข้อมูล x, y = sin(x) ตั้งค่า hatch linewidth: plt.rcParams[hatch.linewidth] = 1 พลอต scatter marker

Matplotlib รองรับ marker แบบ tuple: (num_sides, style, rotation) เช่น (3, 0, angle) สำหรับสามเหลี่ยมหมุนตามมุมที่กำหนด ใช้ได้กับ plt.plot() และ plt.scatter() ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้างข้อมูล x, y แบบสุ่ม สร้างอาร์เรย์มุมหมุนต่างกัน วนลูป zip(x, y, angles) พลอตแต่ละจุด

ใช้ np.tri() สร้าง mask แบบสามเหลี่ยม (1 ที่และต่ำกว่า diagonal, 0 ที่อื่น) นำไปใช้กับ np.ma.array() แล้วพลอตด้วย plt.imshow() ได้ heatmap แสดงครึ่งเดียว ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้างข้อมูลสุ่ม 5x5 สร้าง mask ด้วย np.tri(data.shape[0], k=-1) (lower triangle) สร้าง masked

สำหรับข้อมูล discrete ใช้ plt.hist() ตั้งค่า bins=len(data) และ edgecolor=black เพื่อให้แต่ละค่าได้ bin แยกต่างหาก และขอบแท่งชัดเจน ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ เตรียมรายการค่าคั่น พลอต histogram ด้วย plt.hist(data, bins=len(data), edgecolor=black) แสดงผล ตัวอย่างโค้ด from

ใช้ ax.annotate() พร้อม xycoords=ax.get_xaxis_transform() ซึ่งใช้พิกัด x แบบข้อมูล (data) แต่ y แบบ axes fraction (0-1) ทำให้วางข้อความนอกพื้นที่พลอตได้ ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้างข้อมูล scatter แบบสุ่ม สร้าง figure และ axes พลอต scatter ด้วย ax.scatter() เพิ่ม annot

ในข้อมูลการเงินรายวัน ต้องการข้ามวันเสาร์-อาทิตย์ (weekday 5, 6) ใช้ pd.date_range สร้างช่วงวันที่ แล้ววนลูปตรวจสอบ t.weekday() ข้ามการพลอตถ้าเป็น 5 หรือ 6 ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้าง DataFrame ด้วย pd.date_range วนลูป index และ timestamp ถ้า weekday ไม่ใช่ 5, 6 ให้พลอ

Seaborn lineplot() รองรับพารามิเตอร์ linestyle เหมือน Matplotlib ตั้งค่า linestyle=dashed (หรือ --) เพื่อได้เส้นประ ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้างข้อมูล x, y พลอตด้วย sns.lineplot(x=x, y=y, linestyle=dashed) แสดงผล ตัวอย่างโค้ด import seaborn as sns import numpy as np f

ใช้พารามิเตอร์ bbox ใน plt.text() กำหนด facecolor, alpha (ความโปร่งใส 0-1), edgecolor เพื่อสร้างกล่องพื้นหลังข้อความแบบโปร่งใส ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้างข้อมูลและพลอตกราฟ เพิ่มข้อความด้วย plt.text() พร้อม bbox=dict(facecolor=red, alpha=0.4, edgecolor=black) แสดงผล ต

Log scale ปกติไม่รองรับค่า 0 หรือติดลบ ใช้ plt.xscale(symlog) และ plt.yscale(symlog) แทน (Symmetric Log) ซึ่งรองรับค่า 0 และติดลบได้โดยใช้สเกล log แบบสมมาตร ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ พลอตข้อมูลที่มีค่า 0 ตั้งค่า xscale และ yscale เป็น symlog แสดงผล ตัวอย่างโค้ด from matp

ใช้ plt.subplot() พร้อมพารามิเตอร์ sharex และ sharey อ้างอิงจาก axes แรก ทำให้ทุกซับพลอตมีขอบเขตแกนเท่ากันโดยอัตโนมัติ ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้าง axes แรก ax1 = plt.subplot(2, 2, 1) ตั้ง xlim, ylim สร้าง axes ต่อไปด้วย sharex=ax1, sharey=ax1 พลอตข้อมูลบนแต่ละ axes แ

ใช้ plt.annotate() พร้อม arrowprops วาดลูกศรสองหัวระหว่างสองเส้นแนวนอน (axhline) แล้วเพิ่มข้อความระยะทางด้วย annotate อีกครั้ง ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ วาดเส้นแนวนอน 2 เส้นด้วย plt.axhline() วาดลูกศรด้วย plt.annotate(, xy=(x1,y1), xytext=(x2,y2), arrowprops=dict(arrowstyle=

ใช้ ax.scatter() บน axes 3D แล้วปิดแกนและกริดทั้งหมดด้วย ax.axis(off) ได้ scatter 3D แบบ minimalist สะอาดตา ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้าง figure และ axes 3D สร้างข้อมูล xs, ys, zs แบบสุ่ม พลอต scatter 3D ด้วย ax.scatter() กำหนด colormap ปิดแกนด้วย ax.axis(off) แสดงผล

เนื่องจาก bar3d ไม่รองรับ legend โดยตรง ให้สร้าง proxy artist ด้วย plt.Rectangle แล้วส่งเข้า ax.legend() พร้อมป้ายกำกับ ขั้นตอนการทำงาน ตั้งค่าขนาดรูปและเลย์เอาต์ สร้าง figure และ axes 3D พลอตชุดแท่งแรก สร้าง Rectangle proxy สีเขียว พลอตชุดแท่งที่สอง สร้าง Rectangle proxy สีแดง สร้าง leg