Summary  
This chapter introduces how to create and manage Figure and Axes objects in matplotlib’s artist layer via the pyplot module, demonstrating the use of subplots() to set up a canvas, plotting on the Axes, and printing the canvas with show().

General domain of usage  
Data visualization

`matplotlib` sisältää kolme kerrosta:
* **Backend-kerros**: piirtää kuvaajan näytölle tai tiedostoihin;
* **Artist-kerros**: määrittelee, miten data järjestetään, koostuu yhdestä oliosta, `Artist`;
* **Scripting-kerros**: yhdistää edelliset kaksi kerrosta ja helpottaa niiden käyttöä.

Pääpaino on scripting-kerroksessa, erityisesti `pyplot`-moduulissa, sekä artist-kerroksessa. Artist-kerros sisältää seuraavat:

* **Säiliöt** (esim. `Figure`, `Axes`);
* **Primitiiivit** (esim. viiva, suorakulmio, ympyrä, teksti jne).

`Figure` on pääasiallinen `Artist`-olio ja sitä voi ajatella kankaana, johon kaikki kuvaajat sijoitetaan. Se pitää kaiken koossa.

Toisaalta, `Axes` on olio, joka koostuu kahdesta akselista: x-akselista ja y-akselista.



`Figure` = kangas, `Axes` = x-akseli + y-akseli.

Huomio

Seuraavaksi tarkastellaan `Figure`-olion ja sen `Axes`-olioiden luomista:

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot()
plt.show()

Data on kaikkialla ympärillämme, ja sen ymmärtäminen on erittäin tärkeää. Visualisointi auttaa käsittelemään dataa löytämällä siitä tiettyjä kuvioita ja oivalluksia. Kehität vankan perustan datan visualisoinnille Pythonilla ja sen kirjastoilla, kuten matplotlib ja seaborn, saadaksesi mahdollisimman paljon tietoa datasta selkeällä ja tiiviillä tavalla.

Tutustu Matplotlibin keskeisiin tietojen visualisoinnin perusteisiin. Käy läpi sen ydinkäsitteet, tarkastele sen etuja ja luo ensimmäinen yksinkertainen kuvaaja tämän keskeisen piirtoalustan avulla.

Hallitse tiedon visualisointi suosituimpien kuvaajatyypien avulla. Opi rakentamaan viiva-, piste- ja pylväsdiagrammeja havainnollistaaksesi datasta saadut oivallukset selkeästi.

Opi tekemään kaavioistasi informatiivisempia ja visuaalisesti houkuttelevampia. Lisää otsikoita, selitteitä, värejä ja ruudukoita sekä tutustu useiden alikuvioiden tehokkaaseen asetteluun.

Tutustu tilastollisiin visualisointeihin, jotka auttavat analysoimaan aineistojen jakaumia ja rakenteita. Laadi histogrammeja, laatikkokaavioita ja piirakkakaavioita syvällisempien tilastollisten havaintojen löytämiseksi.

Vie visualisointitaitosi seuraavalle tasolle Seabornin avulla. Luo edistyneitä kaavioita, kuten countplot-, KDE-, pair plot- ja heatmap-kaavioita, samalla kun hallitset Seabornin tyylikkäät ulkoasut ja mukautusmahdollisuudet.

Kankaan Luominen

Awesome!

Kankaan Luominen