Matplotlib II – subplotok, több grafikon egy ábrán, grid, stílus, layout

Egy ábrán több grafikon megjelenítése:

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10)

plt.subplot(1, 2, 1)
plt.plot(x, x)
plt.title("y = x")

plt.subplot(1, 2, 2)
plt.plot(x, x**2)
plt.title("y = x^2")

plt.tight_layout()
plt.show()

#Magyarázat: subplot(sorok, oszlopok, pozíció)

Komplexebb ábrák esetén strukturáltabb és tisztább.

Példa

fig, axes = plt.subplots(1, 2)

axes[0].plot(x, x)
axes[0].set_title("y = x")

axes[1].plot(x, x**2)
axes[1].set_title("y = x^2")

plt.tight_layout()
plt.show()

Feladat: Készíts 2×2 subplot elrendezést. Ábrázold:

• x
• x²
• x³
• sqrt(x)

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(1, 11)

fig, axes = plt.subplots(2, 2)

axes[0, 0].plot(x, x)
axes[0, 0].set_title("x")

axes[0, 1].plot(x, x**2)
axes[0, 1].set_title("x^2")

axes[1, 0].plot(x, x**3)
axes[1, 0].set_title("x^3")

axes[1, 1].plot(x, np.sqrt(x))
axes[1, 1].set_title("sqrt(x)")

plt.tight_layout()
plt.show()

Ábraméret

plt.figure(figsize=(8, 4))
plt.plot(x, x**2)
plt.show()

Rácsvonal

plt.plot(x, x**2)
plt.grid(True)
plt.show()

OO módszerrel:

fig, ax = plt.subplots()
ax.plot(x, x**2)
ax.grid(True)
plt.show()

Feladat:

• Egy cég havi bevétele 3 évre (NumPy mátrix):
• Felső grafikon: évenkénti összbevétel (bar)
• Alsó grafikon: havi átlagbevétel (line)

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(1)
bevetel = np.random.randint(100, 501, size=(3, 12))

ossz = bevetel.sum(axis=1)
havi_atlag = bevetel.mean(axis=0)

fig, axes = plt.subplots(2, 1, figsize=(8, 6))

axes[0].bar(["1. év", "2. év", "3. év"], ossz)
axes[0].set_title("Évenkénti bevétel")

axes[1].plot(havi_atlag)
axes[1].set_title("Havi átlagbevétel")
axes[1].grid(True)

plt.tight_layout()
plt.show()

Fontos alapelvek

• Ne használj túl sok görbét egy grafikonon
• Ha összehasonlítás a cél → subplot
• Használj gridet trendekhez
• Az ábra válaszoljon egy konkrét kérdésre

1. Feladat:

• Generálj 200 véletlen pontot.
• Bal oldalon scatter plot
• Jobb oldalon ugyanaz, de négyzetre emelt y értékkel

import numpy as np
import matplotlib.pyplot as plt

x = np.random.rand(200)
y = np.random.rand(200)

fig, axes = plt.subplots(1, 2, figsize=(10, 4))

axes[0].scatter(x, y)
axes[0].set_title("Eredeti")

axes[1].scatter(x, y**2)
axes[1].set_title("Transzformált")

plt.tight_layout()
plt.show()

2. Feladat – Több függvény összehasonlítása 2×2 subplot rácsban

1. Generálj 0–10 intervallumon 300 pontot.
2. Ábrázold 2×2-es subplot elrendezésben:
   • y = x
   • y = x^2
   • y = sqrt(x)
   • y = sin(x)
3. Minden grafikon kapjon külön címet.
4. Használj egységes stílust.
5. Alkalmazz tight_layout()-ot.

 
import numpy as np import matplotlib.pyplot as plt

plt.style.use("seaborn-v0_8")

x = np.linspace(0, 10, 300)

fig, axs = plt.subplots(2, 2, figsize=(10,8))

axs[0,0].plot(x, x)
axs[0,0].set_title("y = x")
axs[0,0].grid(True)

axs[0,1].plot(x, x**2)
axs[0,1].set_title("y = x^2")
axs[0,1].grid(True)

axs[1,0].plot(x, np.sqrt(x))
axs[1,0].set_title("y = sqrt(x)")
axs[1,0].grid(True)

axs[1,1].plot(x, np.sin(x))
axs[1,1].set_title("y = sin(x)")
axs[1,1].grid(True)

plt.tight_layout()
plt.show()

3. Feladat – Bevételi dashboard (2×1 layout)

1. Generálj 12×3 bevételi adatot.
2. Felső subplot: vonaldiagram havi bevételről üzletenként.
3. Alsó subplot: oszlopdiagram az éves összbevételről.
4. Használj grid-et.
5. Igazítsd a layout-ot.

 
import numpy as np import matplotlib.pyplot as plt

np.random.seed(0)
bevetel = np.random.randint(1000, 5000, (12, 3))
honapok = np.arange(1, 13)

fig, axs = plt.subplots(2, 1, figsize=(10,8))

#Felső grafikon

axs[0].plot(honapok, bevetel[:,0], label="Üzlet 1")
axs[0].plot(honapok, bevetel[:,1], label="Üzlet 2")
axs[0].plot(honapok, bevetel[:,2], label="Üzlet 3")
axs[0].set_title("Havi bevételek")
axs[0].set_xlabel("Hónap")
axs[0].set_ylabel("Bevétel")
axs[0].legend()
axs[0].grid(True)

#Alsó grafikon

eves = np.sum(bevetel, axis=0)
axs[1].bar(["Üzlet 1", "Üzlet 2", "Üzlet 3"], eves)
axs[1].set_title("Éves összbevétel")
axs[1].set_ylabel("Bevétel")
axs[1].grid(axis="y")

plt.tight_layout()
plt.show()

4. Feladat – Scatter és eloszlás egy ábrán (1×2 layout)

1. Generálj 500 darab (x,y) normál eloszlású pontot.
2. Bal oldalon scatter plot.
3. Jobb oldalon hisztogram az y értékekről.
4. Használj közös stílust.
5. Adj címeket és rácsvonalat.

 
import numpy as np import matplotlib.pyplot as plt

plt.style.use("ggplot")

np.random.seed(1)
x = np.random.randn(500)
y = np.random.randn(500)

fig, axs = plt.subplots(1, 2, figsize=(12,5))

axs[0].scatter(x, y, alpha=0.6)
axs[0].set_title("Scatter plot")
axs[0].set_xlabel("X")
axs[0].set_ylabel("Y")
axs[0].grid(True)

axs[1].hist(y, bins=30)
axs[1].set_title("Y eloszlása")
axs[1].set_xlabel("Y")
axs[1].set_ylabel("Gyakoriság")
axs[1].grid(True)

plt.tight_layout()
plt.show()

5. Feladat – Hőtérkép és vonaldiagram kombináció

1. Generálj 20×20-as mátrixot.
2. Bal subplot: imshow() hőtérkép.
3. Jobb subplot: az oszlopátlagok vonaldiagramja.
4. Adj colorbar-t.
5. Használj layout optimalizálást.

import numpy as np import matplotlib.pyplot as plt

np.random.seed(2)
matrix = np.random.rand(20, 20)

fig, axs = plt.subplots(1, 2, figsize=(12,5))

img = axs[0].imshow(matrix)
axs[0].set_title("Hőtérkép")
axs[0].set_xlabel("Oszlop")
axs[0].set_ylabel("Sor")

plt.colorbar(img, ax=axs[0])

col_mean = np.mean(matrix, axis=0)
axs[1].plot(col_mean)
axs[1].set_title("Oszlopátlagok")
axs[1].set_xlabel("Oszlop index")
axs[1].set_ylabel("Átlag")
axs[1].grid(True)

plt.tight_layout()
plt.show()

6. Feladat – Komplex 2×2 adatvizualizációs panel

1. Generálj 1000 normál eloszlású adatot.
2. Készíts 2×2 panelt:
3. Hisztogram
4. Dobozdiagram (boxplot)
5. Kumulatív összeg grafikon
6. Szórásablakos (rolling std) grafikon
7. Használj egységes stílust és layout optimalizálást.

import numpy as np import matplotlib.pyplot as plt

plt.style.use("bmh")

np.random.seed(3)
data = np.random.randn(1000)

fig, axs = plt.subplots(2, 2, figsize=(10,8))

#Hisztogram

axs[0,0].hist(data, bins=30)
axs[0,0].set_title("Hisztogram")
axs[0,0].grid(True)

#Boxplot

axs[0,1].boxplot(data)
axs[0,1].set_title("Boxplot")
axs[0,1].grid(True)

#Kumulatív összeg

cumsum = np.cumsum(data)
axs[1,0].plot(cumsum)
axs[1,0].set_title("Kumulatív összeg")
axs[1,0].grid(True)

#Rolling std (ablak=50)

window = 50
rolling_std = [np.std(data[i:i+window]) for i in range(len(data)-window)]
axs[1,1].plot(rolling_std)
axs[1,1].set_title("Rolling szórás (50)")
axs[1,1].grid(True)

plt.tight_layout()
plt.show()