slides.rst

   1 Plotting with Matplotlib
   2 ------------------------
   3
   4 Also creating a presentation with rst2pdf
   5 =========================================
   6
   7 Data Structures
   8 ---------------
   9 Favour simpler data structures if they do what you need.  In order:
  10
  11 #. Built-in Lists
  12     - 2xN data or simpler
  13     - Can't install system dependencies
  14 #. Numpy arrays
  15     - 2 (or higher) dimensional data
  16     - Lots of numerical calculations
  17 #. Pandas series/dataframes
  18     - 'Data Wrangling', reshaping, merging, sorting, querying
  19     - Importing from complex formats
  20
  21 Shamelessly stolen from https://stackoverflow.com/a/45288000
  22
  23 Loading Data from Disk
  24 ----------------------
  25 Natively
  26 ========
  27
  28 .. code-block:: python
  29
  30    >>> import csv
  31    >>> with open('eggs.csv', newline='') as csvfile:
  32    ...     spam = csv.reader(csvfile,
  33    ...                       delimiter=' ',
  34    ...                       quotechar='|')
  35    ...     for row in spam:
  36    ...         # Do things
  37    ...         pass
  38
  39 Loading Data from Disk
  40 ----------------------
  41 Numpy
  42 =====
  43
  44 .. code-block:: python
  45
  46    >>> import numpy
  47    >>> spam = numpy.genfromtxt('eggs.csv',
  48    ...                         delimiter=' ',
  49    ...                         dtype=None) # No error handling!
  50    >>> for row in spam:
  51    ...     # Do things
  52    ...     pass
  53
  54 ``numpy.genfromtxt`` will try to infer the datatype of each column if
  55 ``dtype=None`` is set.
  56
  57 ``numpy.loadtxt`` is generally faster at runtime if your data is well formated
  58 (no missing values, only numerical data or constant length strings)
  59
  60 Loading Data from Disk
  61 ----------------------
  62 Numpy NB.
  63 =========
  64 **Remind me to look at some actual numpy usage at the end**
  65
  66 - I think numpy does some type coercion when creating arrays.
  67 - Arrays created by ``numpy.genfromtxt`` can not in general be indexed like
  68   ``data[xstart:xend, ystart:yend]``.
  69 - Data of unequal types are problematic!  Pandas *may* be a better choice in
  70   that case.
  71 - Specifying some value for ``dtype`` is probably necessary in most cases in
  72   practice: https://docs.scipy.org/doc/numpy/reference/arrays.dtypes.html
  73
  74 Loading Data from Disk
  75 ----------------------
  76 Pandas
  77 ======
  78
  79 .. code-block:: python
  80
  81    >>> import pandas
  82    >>> # dtype=None is def
  83    >>> spam = pandas.read_csv('eggs.csv',
  84    ...                        delimiter=' ',
  85    ...                        header=None)
  86    >>> for row in spam:
  87    ...     # Do things
  88    ...     pass
  89
  90 ``header=None`` is required if the flie does not have a header.
  91
  92
  93
  94 Generating Data for Testing
  95 ---------------------------
  96
  97 Generating the data on the fly with numpy is convenient.
  98
  99 .. code-block:: python
 100
 101    >>> import numpy.random as ran
 102    >>> # For repeatability
 103    >>> ran.seed(7890234)
 104    >>> # Uniform [0, 1) floats
 105    >>> data = ran.rand(100, 2)
 106    >>> # Uniform [0, 1) floats
 107    >>> data = ran.rand(100, 100, 100)
 108    >>> # Std. normal floats
 109    >>> data = ran.randn(100)
 110    >>> # 3x14x15 array of binomial ints with n = 100, p = 0.1
 111    >>> data = ran.binomial(100, 0.1, (3, 14, 15))
 112
 113 Plotting Time Series
 114 --------------------
 115
 116 Plot data of the form:
 117
 118 .. math:: y=f(t)
 119
 120
 121 Subplots
 122 --------
 123
 124
 125 Saving Plots
 126 ------------
 127
 128 So far I've just displayed plots with ``plt.show()``.  You can actually save
 129 the plots from that interface manually, but when scripting, it's convenient
 130 to do so automatically:
 131
 132 .. code-block:: python
 133
 134    >>> # Some plotting has previously occured
 135    >>> plt.savefig('eggs.pdf', dpi=300, transparent=False)
 136
 137 The output format is interpreted from the file extension.
 138 The keyword arguments are optional here.  Other options exist.
 139
 140 Error Bars
 141 ----------
 142
 143
 144 Stacked Bar Graph
 145 -----------------
 146
 147
 148 Resources
 149 ---------
 150 NumPy User Guide: https://docs.scipy.org/doc/numpy/user/index.html
 151
 152 NumPy Reference: https://docs.scipy.org/doc/numpy/reference/index.html#reference
 153
 154 Matplotlib example gallery: https://matplotlib.org/gallery/index.html
 155
 156 Pandas: It probably exists.  Good luck.
 157
 158 This presentation: https://git.friedersdorff.com/max/plotting_with_matplotlib.git