Institute of Information Science - University of Miskolc

This page is read only. You can view the source, but not change it. Ask your administrator if you think this is wrong.
====== Matplotlib II – subplotok, több grafikon egy ábrán, grid, stílus, layout ======

==== Subplot alapok ====

**Egy ábrán több grafikon megjelenítése:**

<sxh python>
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)
</sxh>

==== Objektumorientált (OO) megközelítés ====

Komplexebb ábrák esetén strukturáltabb és tisztább.

Példa
<sxh python>
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()
</sxh>

Feladat: Készíts 2×2 subplot elrendezést.
Ábrázold:
  * x
  * x²
  * x³
  * sqrt(x)

<sxh python>
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()
</sxh>

==== Ábraméret és grid ====

**Ábraméret**
<sxh python>
plt.figure(figsize=(8, 4))
plt.plot(x, x**2)
plt.show()
</sxh>

**Rácsvonal**
<sxh python>
plt.plot(x, x**2)
plt.grid(True)
plt.show()
</sxh>

**OO módszerrel:**
<sxh python>
fig, ax = plt.subplots()
ax.plot(x, x**2)
ax.grid(True)
plt.show()
</sxh>

==== Kombinált vizualizáció ====

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

<sxh python>
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()
</sxh>

==== Stílus és olvashatóság ====

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

==== Összefoglaló feladatok ====

**1. Feladat:** 
  * Generálj 200 véletlen pontot.
  * Bal oldalon scatter plot
  * Jobb oldalon ugyanaz, de négyzetre emelt y értékkel

<sxh python>
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()
</sxh>

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

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

<sxh python> 
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()
</sxh>

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

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

<sxh python> 
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()
</sxh>

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

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

<sxh python> 
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()
</sxh>

**5. Feladat – Hőtérkép és vonaldiagram kombináció**

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

<sxh python>
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()
</sxh>

**6. Feladat – Komplex 2×2 adatvizualizációs panel**

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

<sxh python>
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()
</sxh>