หมุนข้อความ annotation ให้ขนานกับเส้น คำนวณมุม theta จากความชัน (slope) เพื่อหมุนข้อความให้ตรงกับเส้น ขั้นตอน สร้าง figure ใหม่ด้วย figure() เพิ่ม axes ด้วย add_subplot() กำหนดตัวแปร m (ความชัน) และ c (จุดตัดแกน y) สร้างจุดข้อมูล x, y ด้วย NumPy คำนวณ theta = arctan(m) สำหรับการหมุนข้อความ วาดเส้

ปรับขนาด/ตำแหน่ง subplot หลังสร้าง axes ใช้ GridSpec จัดการ layout และเปลี่ยนตำแหน่ง axes หลังสร้างแล้ว ขั้นตอน สร้าง figure ใหม่หรือเปิดใช้งาน figure ที่มีอยู่ด้วย figure() เพิ่ม axes เข้า figure ด้วย add_subplot() ใช้ GridSpec() สร้าง grid layout ตั้งค่าตำแหน่งของ grid specs ตั้งค่า subplotspec

วางป้ายกำกับระหว่าง tick marks สองตัว ขั้นตอนการวาง label ให้อยู่ตรงกลางระหว่าง tick marks: โหลดข้อมูลตัวอย่าง r สร้างสำเนาอาร์เรย์ แปลงชนิดข้อมูล สร้าง figure และ subplots ด้วยเมธอด subplots() วาดกราฟ date และ r ตั้งค่า locator ของ major/minor ticker ด้วย set_major_locator() และ set_minor_locato

ปรับขนาดตัวอักษรในตาราง Matplotlib ใช้เมธอด set_fontsize() เพื่อเปลี่ยนขนาดฟอนต์ของตาราง ขั้นตอน สร้าง figure และ subplots (nrows=1, ncols=1) สร้างข้อมูลสุ่มด้วย NumPy กำหนดค่า columns ตั้งค่า axis เป็น tight และ off กำหนดตัวแปร fontsize ตั้งค่าขนาดฟอนต์ตารางด้วย set_fontsize() แสดงด้วย show()

แสดงเมทริกซ์ 2D เป็นภาพพร้อมแถบสี ใช้ NumPy สร้างอาร์เรย์ 2 มิติ และนำไปใช้กับเมธอด imshow() พร้อมสร้าง colorbar ขั้นตอน สร้าง data2D ด้วย NumPy ใช้ imshow() แสดงข้อมูลเป็นภาพบน grid 2 มิติ สร้าง colorbar สำหรับ ScalarMappable instance ด้วยเมธอด colorbar() และอิมเมจจาก imshow() แสดงภาพด้วย show()

วาดกราฟ PDF จากข้อมูลตัวอย่าง เพื่อวาดกราฟฟังก์ชันความหนาแน่นความน่าจะเป็น (PDF) จากตัวอย่าง สามารถใช้ NumPy สร้างจุดข้อมูล x และ y ขั้นตอน สร้างจุดข้อมูล x และ p ด้วย NumPy วาดกราฟ x และ p ด้วยเมธอด plot() กำหนดช่วงแกน X แสดงกราฟด้วยเมธอด show() ตัวอย่างโค้ด import numpy as np from matplotlib

การจำกัดกลุ่มที่แสดงใน countplot เพื่อจำกัดจำนวนกลุ่มใน Seaborn countplot สามารถใช้ตัวแปร group_count ในอาร์กิวเมนต์ของเมธอด countplot() ขั้นตอน สร้าง figure และ subplots 2 ชุด สร้าง DataFrame ด้วย Pandas พร้อม 2 คีย์ กำหนดตัวแปร group_count เพื่อจำกัดจำนวนกลุ่มใน countplot() ใช้เมธอด countplot()

ภาพรวม สาธิตการวาง Mask (Segmentation) ทับภาพต้นฉบับด้วย Alpha Blending ขั้นตอน สร้าง Mask 10x10 มีค่า 1 ในพื้นที่กลาง สร้างภาพสุ่ม + Noise Mask พื้นที่ที่ Mask=0 ด้วย np.ma.masked_where พลอตภาพต้นฉบับ (ซ้าย) และภาพทับ Mask (ขวา) ใช้ alpha=0.7 และ Colormap jet สำหรับ Mask ตัวอย่างโค้ด from matp

ภาพรวม ใช้ axhline() บนแต่ละ Axes ของ Subplots เพื่อวาดเส้นแนวนอน ขั้นตอน สร้าง Figure และ Subplots (3 แถว) บนแต่ละ Ax เรียก axhline(y=..., xmin=..., xmax=..., c=..., linewidth=..., zorder=...) แสดงผล ตัวอย่างโค้ด from matplotlib import pyplot as plt fig, (ax1, ax2, ax3) = plt.subplots(3) plt.

ภาพรวม สาธิตการวาด Rectangle Patch พร้อมกำหนดสีขอบ (Edge Color), สีพื้น (Face Color), และความหนาขอบ ขั้นตอน สร้าง Figure และ Subplot สร้าง Rectangle ด้วย matplotlib.patches.Rectangle กำหนด: xy (มุมล่างซ้าย), width, height, edgecolor, facecolor, linewidth เพิ่ม Patch: ax.add_patch(rect) เพิ่มข้อคว

ภาพรวม สาธิตการพลอตหลายเส้นใน Loop ให้ Marker และ Line มีสีตรงกัน โดยใช้ Iterator สำหรับ Marker ขั้นตอน ตั้งค่า m, n และข้อมูล X สร้าง Figure, Subplot สร้าง Marker Cycle ด้วย itertools.cycle() วนลูป พลอต Marker ก่อน (linestyle=) แล้วค่อย Line (linestyle=-) ด้วย Marker เดียวกัน ตัวอย่างโค้ด impo

ภาพรวม สี Default ของ Scatter Points คือสีน้ำเงิน #1f77b4 (Tableau Blue) สาธิตการตรวจสอบและใช้สีนี้ ขั้นตอน สร้าง Figure, Subplot พลอต Sc จุดที่ (-1, 1) โดยไม่ระบุสี (ใช้ Default) Annotate ป้ายกำกับ พลอตจุดที่ (1, 1) ระบุสี c=#1f77b4 (Hex) Annotate ป้ายกำกับ ตั้งค่า Limits และแสดงผล ตัวอย่างโค้

ภาพรวม ใช้ plt.figure(figsize=...) ก่อน plt.matshow() และระบุ fignum ให้ตรงกับ Figure Number ขั้นตอน สร้าง Figure พร้อม Figsize: plt.figure(figsize=(10, 8)) สร้าง DataFrame พลอต Correlation Matrix ด้วย plt.matshow(df.corr(), fignum=1) แสดงผล ตัวอย่างโค้ด import pandas as pd from matplotlib impo

ภาพรวม สาธิตการอ่านและแสดงรูปภาพด้วย OpenCV (cv2) ขั้นตอน อ่านภาพ: cv2.imread(filename, flag) แสดงภาพ: cv2.imshow(window_name, image) รอการกดปุ่ม: cv2.waitKey(0) (0 = รอไม่มีเวลา) ปิดหน้าต่างทั้งหมด: cv2.destroyAllWindows() ตัวอย่างโค้ด import cv2 img = cv2.imread(baseball.png, cv2.IMREAD_COLO

ภาพรวม สาธิตการกำหนดตำแหน่งและป้ายกำกับ Ticks บนแกน X เอง โดยใช้ set_xticks() และ set_xticklabels() ขั้นตอน สร้างข้อมูล X, Y พลอตข้อมูล สร้าง Subplot และตั้งค่า X-Ticks ตำแหน่งที่ต้องการ ตั้งค่า X-Tick Labels พร้อม rotation=45 แสดงผล ตัวอย่างโค้ด import matplotlib.pyplot as plt plt.rcParams[fi

ภาพรวม ใช้ cbar.ax.tick_params(labelsize=...) เพื่อปรับขนาดฟอนต์ Tick Labels ของ Colorbar ขั้นตอน สร้างข้อมูลและพลอตด้วย imshow() สร้าง Colorbar: cbar = plt.colorbar(im) ตั้งค่าขนาดฟอนต์: cbar.ax.tick_params(labelsize=10) แสดงผล ตัวอย่างโค้ด import numpy as np from matplotlib import pyplot as p

ภาพรวม ใช้ set_edgecolor() บน Node Collection ที่ได้จาก draw_networkx_nodes() เพื่อเปลี่ยนสีขอบโหนด ขั้นตอน สร้าง DataFrame ด้วย Edge List (From, To) สร้าง Graph จาก DataFrame: nx.from_pandas_edgelist() คำนวณ Layout: spring_layout() วาด Nodes: nodes = draw_networkx_nodes() ตั้งค่าสีขอบ: nodes.set

ภาพรวม สาธิตการกำหนดตำแหน่งและป้ายกำกับ Ticks ของ Colorbar เองด้วย set_ticks() และ set_ticklabels() ขั้นตอน สร้างข้อมูลสุ่มและพลอตด้วย imshow() สร้าง Colorbar ด้วย plt.colorbar(im) ตั้งค่า Ticks: cbar.set_ticks([0.2, 0.4, 0.6, 0.8]) ตั้งค่า Labels: cbar.set_ticklabels([A, B, C, D]) แสดงผล ตัวอย

ภาพรวม Seaborn barplot() แสดง Error Bars (Confidence Intervals) โดย Default สามารถปิดได้ด้วย ci=None ขั้นตอน โหลด Dataset ตัวอย่าง (Titanic) พลอต Barplot ด้วย ci=None แสดงผล ตัวอย่างโค้ด import seaborn as sns import matplotlib.pyplot as plt plt.rcParams[figure.figsize] = [7.00, 3.50] plt.rcPar

ภาพรวม สาธิตการสร้าง Custom Colormap จากรายการสี และใช้กับ imshow() ขั้นตอน ตั้งค่า Figure สร้างข้อมูลสุ่ม 5x5 สร้าง Colormap ด้วย ListedColormap([r, g, b]) พลอตด้วย plt.imshow(data, cmap=cmap) แสดงผล ตัวอย่างโค้ด from matplotlib import pyplot as plt from matplotlib.colors import ListedColormap