Tous les artistes surveillent maintenant si leur état interne a été modifié mais pas reflété dans l'affichage (8216stale8217) par un appel à dessiner. Il est donc possible de déterminer de façon pragmatique si une figure donnée doit être retracée dans une session interactive. Pour faciliter l'utilisation interactive, une méthode drawall a été ajoutée à pyplot qui redessinera toutes les figures qui sont 8216stale8217. Pour rendre cela pratique pour une utilisation interactive matplotlib enregistre maintenant une fonction soit avec IPython8217s 8216postexecute8217 événement ou avec le displayhook dans le python standard REPL pour appeler automatiquement plt. drawall juste avant le contrôle est retourné à la REPL. Cela garantit que l'ordre de tirage est différé et seulement appelé une fois. Le résultat de cela est que pour les backends interactifs (y compris matplotlib portable) en mode interactif (avec plt. ion ()) mettra automatiquement à jour le tracé pour être vert. Toute modification ultérieure des objets Artist fera de même. Il s'agit de la première étape d'une plus grande consolidation et de la simplification des éléments internes pyplot. Les méthodes de traçage qui prennent des matrices comme entrées peuvent maintenant également fonctionner avec des données étiquetées et décompresser ces données. Cela signifie que les deux exemples suivants produisent le même tracé: Cela fonctionne pour la plupart des méthodes de traçage, qui attendent des séquences d'arrays comme entrées. Les données peuvent être tout ce qui prend en charge getitem pour accéder au tableau comme des valeurs avec des clés de chaîne. En plus de cela, d'autres modifications ont été apportées, ce qui rend le travail avec des données étiquetées (ex pandas. Series) plus facile: Pour les méthodes de traçage avec l'argument de mot-clé étiquette, une des entrées de données est désignée comme la source d'étiquette. Si l'utilisateur ne fournit pas d'étiquette que l'objet de valeur sera introspecté pour une étiquette, actuellement en recherchant un attribut de nom. Si l'objet de valeur n'a pas d'attribut de nom mais a été spécifié par une clé dans le kwarg de données, la clé est utilisée. Dans les exemples ci-dessus, il en résulte une étiquette implicite 2 pour les deux cas. Plot () utilise maintenant l'index d'une série au lieu de np. arange (len (y)). Si aucun argument x n'est fourni. Il s'agit d'une forme plus générique de l'axe axes. colorcycle paramétré. Maintenant, nous pouvons faire du cycle plus que des couleurs, mais aussi des styles, des trappes et presque n'importe quelle autre propriété d'artiste. La notation Cycler est utilisée pour définir des cycles de propriété. L'ajout de cyclers ensemble sera comme si vous étiez zip (), réunissant deux ou plusieurs cycles de propriétés ensemble: vous pouvez même multiplier les cyclers, ce qui revient à utiliser itertools. product () sur deux ou plusieurs cycles de propriétés. N'oubliez pas d'utiliser des parenthèses si vous écrivez un paramètre propicy multi-ligne. Les quatre couleurs proposées comme nouvelle valeur par défaut sont disponibles sous forme de viridis (la nouvelle valeur par défaut en 2.0), magma. plasma. Et inferno Plusieurs nouveaux styles ont été ajoutés, y compris de nombreux styles du projet Seaborn. En outre, afin de préparer la version 2.0 à venir, un style 8216classic8217 et 8216default8217 a été ajouté. Pour cette version, les styles 8216default8217 et 8216classic8217 sont identiques. En les utilisant maintenant dans vos scripts, vous pouvez aider à assurer une transition en douceur pendant les futures mises à niveau de matplotlib, de sorte que vous pouvez mettre à jour les nouveaux défauts snazzy quand vous êtes prêt Le 8216default8217 style vous donnera matplotlib8217s derniers styles de traçage: La variable d'environnement MPLBACKEND peut maintenant être utilisée pour définir le backend matplotlib. Wx backend a été mis à jour Le backend wx peut maintenant être utilisé avec les deux wxPython classique et Phoenix. WxPython classic doit être au moins version 2.8.12 et fonctionne sur Python 2.x. En mai 2015, aucune version officielle de wxPython Phoenix n'est disponible, mais un instantané actuel fonctionnera sur Python 2.7 et 3.4. Si vous avez plusieurs versions de wxPython installées, le code utilisateur est responsable de la configuration de la version wxPython. Comment faire est expliqué dans le commentaire au début de l'exemple examplesuserinterfacesembeddinginwx2.py. Certains paramètres ont été ajoutés, d'autres ont été améliorés. Matplotlib a une extension de sphinx qui crée des parcelles pour l'inclusion dans des documents sphinx. Matplotlib 1.5 ajoute une nouvelle option à la directive parcelle - close-figs - qui ferme toutes les fenêtres de figures précédentes avant de créer les tracés. Cela peut aider à éviter certains doublons étonnants de tracés lors de l'utilisation de plotdirective. La fonction imread () accepte désormais les chaînes d'URL qui pointent vers des fichiers PNG distants. Cela contourne la génération d'un objet HTTPResponse directement. Les instances d'animation ont obtenu une méthode de reprhtml pour prendre en charge l'affichage en ligne des animations dans le bloc-notes. La méthode utilisée pour afficher est contrôlée par le paramètre animation. html rc, qui prend actuellement en charge les valeurs none et html5. None est la valeur par défaut, sans affichage. Html5 convertit l'animation en une vidéo encodée h264, qui est intégrée directement dans le bloc-notes. Les utilisateurs qui ne souhaitent pas utiliser le crochet d'affichage reprhtml peuvent également appeler manuellement la méthode tohtml5video pour obtenir le code HTML et l'affichage à l'aide de la classe d'affichage HTML IPython8217s: La gestion de pkg-config a été corrigée dans la mesure où il est maintenant possible de la définir à l'aide de l'environnement Variable PKGCONFIG. Ceci est important si votre chaîne d'outils est préfixée. Cela se fait d'une manière simple comme le réglage CC ou CXX avant la construction. Un exemple suit. Thomas A. Caswell a été le responsable de la sortie de la version 1.4. Dans les cartes de chaleur, un spectre vert-rouge est souvent utilisé pour indiquer l'intensité de l'activité, mais cela peut être problématique pour les daltoniens de couleur rouge. Une nouvelle carte colorimétrique colorblind est maintenant disponible à matplotlib. cm. Wistia. Cette carte de couleur maintient le symbolisme rouge-vert tout en obtenant la lisibilité deuteranopic par des variations de luminosité. Voir ici pour plus d'informations. Phil Elson a ajouté un nouveau backend, nommé 8220nbagg8221, qui permet aux personnages interactifs dans une session de portable IPython en direct. Le backend fait usage de l'infrastructure développée pour le backend webagg, qui lui-même donne standalone serveurs sauvegardés figures interactives dans le navigateur, cependant nbagg ne nécessite pas un serveur matplotlib dédié comme toutes les communications sont gérées par l'IPython Comm machines. Comme avec d'autres backends nbagg peut être activé à l'intérieur du portable IPython avec: Une fois que les figures sont créées et ensuite montrées, ils seront placés dans un widget interactif à l'intérieur du portable permettant panning et zoom de la même manière que tout autre matplotlib backend. Parce que les chiffres nécessitent une connexion au serveur de portable IPython pour leur interactivité, une fois le portable est enregistré, chaque figure sera rendue comme une image statique - permettant ainsi la visualisation non interactive de chiffres sur les services tels que nbviewer. Normalisation de la loi de puissance Ben Gamari a ajouté une méthode de normalisation de puissance-loi, PowerNorm. Cette classe mappe une plage de valeurs à l'intervalle 0,1 avec la loi de puissance-mise à l'échelle avec l'exposant fourni par l'argument constructeur 8217s gamma. La normalisation de la loi de puissance peut être utile pour, par ex. En mettant l'accent sur de petites populations dans un histogramme. Complètement personnalisable boxplots Paul Hobson révisé la méthode boxplot () de sorte qu'il est maintenant complètement personnalisable en termes de styles et les positions des artistes individuels. Sous le capot, boxplot () s'appuie sur une nouvelle fonction (boxplotstats ()), qui accepte toute structure de données actuellement compatible avec boxplot (). Et renvoie une liste de dictionnaires contenant les positions pour chaque élément des boxplots. Puis une deuxième méthode, bxp () est appelée pour dessiner les boxplots en fonction des stats. La fonction boxplot () peut être utilisée comme avant pour générer des boxplots à partir des données en une seule étape. Mais maintenant l'utilisateur a la flexibilité de générer les statistiques indépendamment, ou de modifier la sortie de boxplotstats () avant de tracer avec bxp (). Enfin, chaque artiste (par exemple, la boîte, les valeurs aberrantes, le capuchon, les encoches) peuvent maintenant être activés ou désactivés et leurs styles peuvent être transmis par des kwargs individuels. Voir les exemples: exemple d'exemple de statistiques: boxplotdemo. py et exemple d'exemple de statistiques: bxpdemo. py Ajout d'un koolbool, managexticks. Qui si False désactive la gestion des tiques et des limites sur l'axe x par bxp (). Prise en charge des axes de date et heure dans les parcelles 2d Prise en charge de types de spectre supplémentaires Todd Jennings a ajouté un support pour de nouveaux types de parcelles de spectre de fréquences: magnitudespectrum (). Phasespectre (). Et anglespectrum (). Ainsi que des fonctions correspondantes en mlab. Il a également ajouté ces types de spectre à specgram (). Ainsi que l'ajout de support pour la mise à l'échelle linéaire là (en plus de l'échelle dB existante). Le support de types de spectre supplémentaires a également été ajouté à specgram (). Il a également amélioré la performance de toutes ces fonctions et types d'intrigue. Support pour détringence et fenêtrage 2D arrays en mlab Todd Jennings a ajouté la prise en charge des tableaux 2D dans le detrendmean (). Detrendnone (). Et detrend (). Ainsi que l'ajout de applywindow () qui supportent les baies 2D de fenêtrage. Prise en charge des progrès en mlab Todd Jennings a ajouté quelques fonctions à mlab pour faciliter l'utilisation des accélérations numpy pour créer des tableaux 2D économes en mémoire. Cela inclut striderepeat (). Qui répète un tableau pour créer un tableau 2D, et stridewindows (). Qui utilise une fenêtre mobile pour créer un tableau 2D à partir d'un tableau 1D. Formatter pour les chaînes de formatage de style nouveau Ajout de FormatStrFormatterNewStyle qui effectue le même travail que FormatStrFormatter. Mais accepte les chaînes de formatage de style nouveau au lieu des chaînes de formatage de style printf Taille de grille cohérente dans les diagrammes de flux streamplot () utilise une grille de base de 30x30 pour densité1 et densité (1, 1). Auparavant, une taille de grille de 30x30 était utilisée pour la densité1. Mais une taille de grille de 25x25 a été utilisée pour la densité (1, 1). Obtenir une liste de toutes les étiquettes de tiquetage (majeur et mineur) Ajout du kwarg 8216which8217 à getxticklabels (). Getyticklabels () et getticklabels (). 8216which8217 peut être 8216major8217, 8216minor8217, ou 8216both8217 choisir les ticks à retourner, comme setticksposition (). Si 8216que 8217 est Aucun, alors l'ancien comportement (contrôlé par le bool mineur). Support de rembourrage d'axes verticaux séparés dans ImageGrid Le kwarg 8216axespad8217 pour mpltoolkits. axesgrid1.ImageGrid peut maintenant être un tuple si un rembourrage vertical horizontal séparé est nécessaire. Cela est censé être très utile lorsque vous avez une légende étiquetée à côté de chaque sous-tracé et vous devez faire un peu d'espace pour les étiquettes legend8217s. Prise en charge des transformations biaisées L'Affine2D a acquis des méthodes supplémentaires biais et skewdeg pour créer des transformations biaisées. De plus, les internes de matplotlib ont été nettoyés pour supporter l'utilisation de telles transformations dans Axes. Cette transformation est importante pour certains types d'intrigue, en particulier la Skew-T utilisée en météorologie. Prise en charge de la spécification des propriétés du coin et du texte dans les diagrammes circulaires. Ajout des kwargs 8216wedgeprops8217 et 8216textprops8217 à pie () pour accepter les propriétés des objets wedge et text dans une partie. Par exemple, on peut spécifier wedgeprops pour spécifier la largeur des bordures des coins dans la partie. Pour plus de propriétés que l'utilisateur peut spécifier, regardez les documents pour les objets coin et texte. Fixed the direction of errorbar upperlower limits Larry Bradley a fixé la méthode errorbar () de telle sorte que les limites supérieure et inférieure (lolims, uplims, xlolims, xuplims) pointent maintenant dans la bonne direction. API add-object plus cohérente pour les Axes Ajout de la méthode add-image Axes pour mettre la gestion des images à la parité avec les artistes, les collections, les conteneurs, les lignes, les correctifs et les tables. Les complots de violon par Parker, Gregory Kelsie, Adam Ortiz, Kevin Chan, Geoffrey Lee, Deokjae Donald Seo et Taesu Terry Lim ont ajouté une implémentation de base pour les complots de violon. Les parcelles de violon peuvent être utilisées pour représenter la distribution des données de l'échantillon. Ils sont semblables aux diagrammes de boîtes, mais utilisent une fonction d'estimation de la densité du noyau pour présenter une approximation en douceur de l'échantillon de données utilisé. Les fonctionnalités ajoutées sont: violin () - Rends une intrigue de violon à partir d'une collection de statistiques. Violinstats () - Produit une collection de statistiques appropriées pour rendre un complot de violon. Violinplot () - Crée un tracé de violon à partir d'un ensemble de données d'échantillon. Cette méthode utilise violinstats () pour traiter les données d'entrée, et violinstats () pour effectuer le rendu réel. Les utilisateurs sont également libres de modifier ou de remplacer la sortie de violinstats () afin de personnaliser les complots de violon à leur goût. Cette caractéristique a été mise en œuvre pour un cours d'ingénierie logicielle à l'Université de Toronto, à Scarborough, dirigé en hiver 2014 par Anya Tafliovich. Plus de markevery options pour montrer seulement un sous-ensemble de marqueurs Rohan Walker étendu la propriété Markevery dans Line2D. Vous pouvez maintenant spécifier un sous-ensemble de marqueurs à afficher avec un int, un objet de tranche, un index fantaisie numpy ou un flotteur. L'utilisation d'un flotteur montre des marqueurs à des distances d'affichage et de coordonnées égales sur la ligne. Ajout de fonctions liées à la taille aux collections spécialisées Correction des coordonnées de la souris donnant la valeur thêta erronée dans le graphe polaire Ajout du code à transformnonaffine () pour s'assurer que la valeur theta calculée était comprise entre 0 et 2 pi puisque le problème était que la valeur peut devenir Négatif après avoir appliqué la direction et la rotation au calcul theta. Une équipe d'étudiants dans un cours d'ingénierie des grands systèmes logiciels, enseigné par le professeur Anya Tafliovich à l'Université de Toronto, a mis en œuvre une version simple d'un carillon dans l'espace 3D pour la boîte à outils mplot3d comme l'un de leurs termes projet. Cette fonctionnalité est documentée dans le carquois (). Les membres de l'équipe sont: Ryan Steve D8217Souza, Victor B, xbtsw, Yang Wang, David, Caradec Bisesar et Vlad Vassilovski. Polar-plot r-tick locations Ajouté la possibilité de contrôler la position angulaire des étiquettes r-tick sur un tracé polaire via setrlabelposition (). Support de tableau n-d pour la conversion de date Andrew Dawson a ajouté la prise en charge de la gestion de tableau n-d à matplotlib. dates. num2date (). Matplotlib. dates. date2num () et matplotlib. dates. datestr2num (). Le support est également ajouté aux interfaces de conversion d'unité matplotlib. dates. DateConverter et matplotlib. units. Registry. Savefig. transparent added Contrôle si les chiffres sont enregistrés avec un fond transparent par défaut. Auparavant, savefig toujours réglé par défaut sur un fond non transparent. Axes. titleweight Ajout de rcParam pour contrôler le poids du titre axes. formatter. useoffset added Contrôle la valeur par défaut de useOffset dans ScalarFormatter. Si Vrai et la plage de données est beaucoup plus petite que la moyenne des données, un décalage sera déterminé de sorte que les étiquettes de tiquetage soient significatives. Si False, le nombre entier sera formaté dans toutes les conditions. Nbagg. transparent added Contrôle si les figures de nbagg ont un arrière-plan transparent. Nbagg. transparent est True par défaut. Conformité XDG Matplotlib recherche maintenant les fichiers de configuration (à la fois rcparams et style) dans les emplacements compatibles XDG. Vous pouvez maintenant facilement basculer entre différents styles à l'aide du nouveau package de style: Les parcelles suivantes utiliseront des couleurs, des tailles, etc. mises à jour. Pour répertorier tous les styles disponibles, utilisez: Vous pouvez ajouter vos propres fichiers ltstyle namegt. mplstyle à. matplotlibstylelib ou call use Avec une URL pointant vers un fichier avec les paramètres matplotlibrc. Notez qu'il s'agit d'une fonctionnalité expérimentale. Et l'interface peut changer à mesure que les utilisateurs testent cette nouvelle fonctionnalité. Qt5 backend Martin Fitzpatrick et Tom Badran implémenté un backend Qt5. Les différences dans les emplacements d'espace de noms entre Qt4 et Qt5 ont été traitées par l'ajustement Qt4 pour ressembler à Qt5, donc l'implémentation Qt5 est l'implémentation primaire. La compatibilité ascendante pour Qt4 est maintenue en enveloppant l'implémentation Qt5. Le backend Qt5Agg actuellement ne fonctionne pas avec IPython8217s matplotlib magique. La version 1.4.0 a un bogue connu où la barre d'outils est cassée. Cela peut être corrigé par: Qt4 backend Rudolf Hfler a changé l'apparence de la subplottool. Tous les curseurs sont disposés verticalement maintenant, des boutons pour la mise en page serrée et réinitialisation ont été ajoutés. En outre, le sous-outil est maintenant implémenté comme un dialogue modal. C'était auparavant une QMainWindow, laissant le SPT ouvert si on fermait la fenêtre de l'intrigue. Dans la boîte de dialogue des options de la figure, on peut maintenant choisir de (re) générer une légende automatique simple. Toute entrée de légende définie explicitement sera perdue, mais les modifications apportées à l'étiquette curves8217, à linestyle, etc. seront désormais mises à jour dans la légende. Les performances interactives du backend Qt4 ont été considérablement améliorées sous Windows. La cartographie des signaux-clés de Qt aux valeurs de matplotlib a été grandement améliorée (pour Qt4 et Qt5). Les backends du Caire Les backends du Caire sont maintenant en mesure d'utiliser les liaisons cairocffi qui sont plus activement maintenues que les bindings pycairo. Gtk3Agg backend 1.3.1 est une version de bugfix, traitant principalement de l'amélioration de la configuration et de la gestion des dépendances, ainsi que de la correction et de l'amélioration de la documentation. Les modifications suivantes ont été apportées en 1.3.1 depuis la version 1.3.0. Améliorations Ajout d'un gestionnaire de contexte pour créer des pdfs multi-pages (voir matplotlib. backends. backendpdf. PdfPages). Le backend WebAgg devrait maintenant avoir une latence plus faible sur les connexions Internet hétérogènes. Corrections de bugs Les tracés d'histogrammes contiennent maintenant la ligne d'arrivée. Corrections à la projection Molleweide. La gestion des polices récentes de polices Microsoft et Macintosh avec des métadonnées non ASCII est améliorée. L'éclosion de remplissage entre tracés fonctionne maintenant correctement dans le backend PDF. Le support étroit de la boîte de limitation fonctionne maintenant dans le backend PGF. Les figures transparentes s'affichent maintenant correctement dans le backend Qt4Agg. Dessiner des lignes d'une sous-trame à l'autre fonctionne maintenant. La gestion des unités sur des tableaux masqués a été améliorée. Configuration et dépendances Maintenant fonctionne avec n'importe quelle version de pyparsing 1.5.6 ou ultérieure, sans afficher des centaines d'avertissements. Fonctionne maintenant avec les versions 64 bits de Ghostscript sur MS-Windows. Lors de l'installation de la source dans un environnement sans Numpy, Numpy sera d'abord téléchargé et construit, puis utilisé pour construire matplotlib. Les backends installés à l'extérieur sont désormais importés à l'aide d'un chemin complet du module. Fonctionne avec la nouvelle version de wxPython. Peut maintenant construire avec un PyCXX installé globalement sur le système depuis la source. Meilleure détection des dépendances Gtk3. Les tests doivent maintenant fonctionner dans des environnements non anglais. Les tests de conformité PEP8 rapportent maintenant les emplacements des problèmes. Xkcd-style sketch traçage Pour donner à vos parcelles un sentiment d'autorité qu'elles peuvent être manquantes, Michael Droettboom (inspiré par le travail de beaucoup d'autres dans PR 1329) a ajouté un style de xkcd dessinant le mode. Pour l'utiliser, appelez simplement matplotlib. pyplot. xkcd () avant de créer votre tracé. Pour une commande vraiment fine, il est également possible de modifier individuellement les paramètres d'esquisse de chaque artiste avec matplotlib. artist. Artist. setsketchparams (). Ryan May a écrit un cadre indépendant pour créer des personnages animés. Le module d'animation est destiné à remplacer les exemples spécifiques au backend précédemment dans les listes d'exemples de Matplotlib. Exemples d'utilisation de la nouvelle structure sont dans l'animation Exemples voir le pendule double fascinante qui utilise matplotlib. animation. Animation. save () pour créer le film ci-dessous. Cela devrait être considéré comme une version bêta du cadre s'il vous plaît essayer et fournir des commentaires. Un problème fréquent soulevé par les utilisateurs de matplotlib est le manque d'un moteur de disposition pour bien espace les éléments des parcelles. Alors que matplotlib adhère toujours à la philosophie de donner aux utilisateurs un contrôle complet sur le placement des éléments de tracé, Jae-Joon Lee a créé le module tightlayout et a introduit une nouvelle commande tightlayout () pour résoudre les problèmes de mise en page les plus courants. L'utilisation de cette fonctionnalité peut être aussi simple que celle-ci et elle ajustera l'espacement entre les sous-tracés afin que les étiquettes des axes ne se chevauchent pas avec les tracés secondaires voisins. Un guide de mise en page serrée a été créé pour montrer comment utiliser ce nouvel outil. Gerald Storer a rendu le backend Qt4 compatible avec PySide ainsi que PyQT4. À l'heure actuelle, PySide ne prend pas en charge le mécanisme PyOSInputHook pour gérer les événements gui en attendant l'entrée de texte, il ne peut donc pas être utilisé avec la nouvelle version 0.11 d'IPython. Jusqu'à ce que cette fonctionnalité s'affiche dans PySide, les utilisateurs d'IPython doivent utiliser l'encapsuleur PyQT4 pour QT4, qui reste le matplotlib par défaut. Une entrée rcParam, 8220backend. qt48221, a été ajoutée pour permettre aux utilisateurs de sélectionner PyQt4, PyQt4v2 ou PySide. Ces deux derniers utilisent l'API Qt de la version 2. Dans la plupart des cas, les utilisateurs peuvent ignorer cette variable rcParam disponible pour faciliter les tests et fournir un contrôle aux utilisateurs qui intègrent matplotlib dans une application PyQt4 ou PySide. Jae-Joon Lee a amélioré les légendes de l'intrigue. Tout d'abord, les légendes pour les tracés complexes tels que les tracés () seront maintenant affichés correctement. Deuxièmement, le 8216best8217 placement d'une légende a été améliorée en présence de NAN. Voir le guide Légende pour des explications plus détaillées et des exemples. En poursuivant les efforts pour rendre le traçage 3D dans matplotlib aussi facile que le traçage en 2D, Ben Root a apporté plusieurs améliorations au module mplot3d. Axes3D a été amélioré pour amener la classe vers la parité des fonctionnalités avec des objets Axes réguliers La documentation de mplot3d a été considérablement étendue Les étiquettes Axis et l'orientation améliorée La plupart des fonctions de traçage 3D prennent désormais en charge les entrées vides. Le support a été complètement supprimé de matplotlib. La liste des marqueurs disponibles pour plot () et scatter () a maintenant été fusionnée. Bien qu'ils soient pour la plupart semblables, certains marqueurs existaient pour une fonction, mais pas pour l'autre. Cette fusion a entraîné un conflit pour le marqueur de diamant 8216d8217. Maintenant, 8216d8217 sera interprété comme signifiant toujours 8220thin8221 diamant tandis que 8216D8217 signifieront 8220regular8221 diamant. Merci à Michael Droettboom pour cet effort. Support de l'unité pour les axes polaires et les flèches () PolarAxes gagne les getters et les setters pour 8220thetadirection8221, et 8220thetaoffset8221 pour permettre theta d'aller dans le sens des aiguilles d'une montre ou dans le sens inverse des aiguilles d'une montre et de spécifier où zéro degré devrait être placé. Setthetazerolocation () est une fonction de commodité ajoutée. Correction d'une erreur dans la gestion des arguments pour les tri-fonctions telles que le paramètre tripcolor () axes. labelweight ajouté à rcParams. Pour imshow (). Interpolation8217nearest8217 va maintenant effectuer une interpolation. Une option 8220none8221 a été ajoutée pour indiquer aucune interpolation du tout. Une erreur dans la projection Hammer a été corrigée. Clabel for contour () accepte maintenant un callable. Merci à Daniel Hyams pour le patch original. Jae-Joon Lee ajoute les classes HBox et VBox. Christoph Gohlke a réduit l'utilisation de la mémoire dans imshow (). Scatter () accepte maintenant les entrées vides. Le comportement de l'échelle 8216symlog8217 a été corrigé, mais cela peut entraîner des modifications mineures des parcelles existantes. Ce travail a été affiné par ssyr. Peter Butterworth a ajouté le support nommé figure à la figure (). Michiel de Hoon a modifié le backend MacOSX pour rendre son comportement interactif compatible avec les autres backends. Pim Schellart a ajouté une nouvelle carte de couleur appelée 8220cubehelix8221. Sameer Grover a également ajouté une carte de couleur appelée 8220coolwarm8221. Voyez-le et tous les autres colormaps ici. De nombreuses corrections de bugs et améliorations de la documentation. Simon Ratcliffe et Ludwig Schwardt ont publié un backend HTML5Canvas pour matplotlib. Le backend est quasiment complet, et ils ont fait beaucoup de travail en comparant leurs images rendues html5 avec notre processeur Agg. Le backend comporte la navigation interactive de clientserver des nombres matplotlib dans un navigateur compatible html5. Jae-Joon Lee a écrit une gridspec. Un nouveau module pour faire des tracés de sous-trames complexes, avec des traits de ligne et de colonne et plus encore. Voir Personnalisation de l'emplacement d'une sous-trame à l'aide de GridSpec pour une vue d'ensemble du didacticiel. Fernando Perez s'est lassé de tout le code nécessaire pour créer une figure et plusieurs sous-tracés lors de l'utilisation de l'API matplotlib, et a écrit une fonction auxiliaire subplots (). L'utilisation de base vous permet de créer la figure et un tableau de sous-trames avec l'indexation numpy (commence par 0). Par exemple: Ian Thomas a corrigé un bug de longue date qui a vexé nos développeurs les plus talentueux depuis des années. Contourf () gère maintenant les zones masquées intérieures, et les frontières de la ligne et des contours remplis coïncident. En outre, il a contribué à un nouveau module tri et fonction helper triplot () pour créer et tracer des grilles triangulaires non structurées. Une demande de longue date est de prendre en charge plusieurs appels à show (). Cela a été difficile car il est difficile d'obtenir un comportement cohérent entre les systèmes d'exploitation, les kits d'interface utilisateur et les versions. Eric Firing a fait beaucoup de travail sur la rationalisation de l'exposition à travers les backends, avec le comportement souhaité pour faire monter le spectacle toutes les figures nouvellement créées et l'exécution du bloc jusqu'à ce qu'ils soient fermés. Les appels répétés à afficher doivent générer des chiffres nouvellement créés depuis le dernier appel. Eric a fait beaucoup de tests sur les kits d'interface utilisateur et les versions et plateformes auxquelles il a accès, mais il n'est pas possible de les tester tous, alors veuillez signaler les problèmes à la liste de diffusion et au suivi des bogues. Vous pouvez maintenant placer un graphe mplot3d dans un emplacement d'axes arbitraire, en soutenant le mélange de graphes 2D et 3D dans la même figure, ou plusieurs graphes 3D dans une seule figure, en utilisant l'argument 8220projection8221 pour addaxes ou addsubplot. Merci à Ben Root. Eric Firing a écrit des tickparams, une méthode pratique pour changer l'apparence des tiques et des tiques. Voir la fonction pyplot tickparams () et la méthode associée tickesparamètres (). Agrandissement plus rapide des images volumineuses et la possibilité de zoomer sur un seul pixel Les installations locales de la documentation fonctionnent mieux Amélioration 8220widgets8221 La prise en charge de la souris 8211 est prise en charge Un alignement plus précis des lignes aux limites des pixels Une gestion plus cohérente de la couleur, API Le tronc matplotlib est probablement aussi bien en forme qu'il l'a jamais été, grâce à l'amélioration de la menuiserie logiciel. Nous avons maintenant un buildbot qui exécute une suite de tests de régression du nez sur chaque svn commit, générant automatiquement un ensemble d'images et les comparant à un ensemble de biens connus, envoyant des courriels aux développeurs sur les défaillances avec une image pixel par pixel Comparaison. Les rejets et les corrections de bugs se produisent dans les succursales, ce qui permet au développement de nouvelles fonctionnalités actives de se produire dans le coffre tout en maintenant les branches de libération stables. Merci à Andrew Straw, Michael Droettboom et d'autres développeurs matplotlib pour le travail lourd. Eric Firing est allé sur un marathon de correction et de fermeture de bugs, fermant plus de 100 bugs sur le bug tracker avec l'aide de Jae-Joon Lee, Michael Droettboom, Christoph Gohlke et Michiel de Hoon. Jae-Joon Lee a écrit deux nouveaux guides Guide des légendes et Annotating Axes. Michael Sarahan a écrit le didacticiel Image. John Hunter a écrit deux nouveaux didacticiels sur le travail avec les chemins et les transformations: Tutoriel de chemin et Tutorial Transformations. Reinteler Heeres a porté John Porter8217s mplot3d sur le nouveau framework de transformations matplotlib, et il est maintenant disponible en tant que toolkit mpltoolkits. mplot3d (qui est maintenant livré en standard avec toutes les installations mpl). Voir mplot3d Exemples et tutoriel mplot3d Jae-Joon Lee a ajouté une nouvelle boîte à outils pour faciliter l'affichage de plusieurs images dans matplotlib, ainsi que quelques supports pour les grilles curvilignes pour supporter le système de coordonnées mondial. La boîte à outils est fournie de série avec toutes les nouvelles installations mpl. Reportez-vous à la section Exemples d'axesgrid et au Guide de l'utilisateur de la boîte à outils Matplotlib AxesGrid. Andrew Straw a ajouté la possibilité de placer 8220axis spines8221 8211 les lignes qui dénotent les limites de données 8211 dans divers endroits arbitraires. Ne sont plus vos lignes d'axe contraint d'être un simple rectangle autour de la figure 8211 vous pouvez activer ou désactiver à gauche, en bas, à droite et en haut, ainsi que 8220detach8221 la colonne vertébrale pour le compenser loin des données. Voir pylabexamples exemple de code: spineplacementdemo. py et matplotlib. spines. Spine. It8217s a été de quatre mois depuis la dernière libération matplotlib, et il ya beaucoup de nouvelles fonctionnalités et des corrections de bugs. Merci à Charlie Moad pour tester et préparer la version source, y compris les binaires pour OS X et Windows pour python 2.4 et 2.5 (2.6 et 3.0 ne seront pas disponibles tant que numpy n'est disponible sur ces versions). Merci aux nombreux développeurs qui ont contribué à cette sortie, avec des contributions de Jae-Joon Lee, Michael Droettboom, Ryan May, Eric Firing, Manuel Metz, Jouni K. Seppnen, Jeff Whitaker, Darren Davis, David Kaplan, Michiel de Hoon et beaucoup D'autres qui ont soumis des correctifs Jae-Joon a réécrit la classe de légende, et a ajouté la prise en charge de plusieurs colonnes et lignes, ainsi que le dessin de boîte de fantaisie. Voir legend () et matplotlib. legend. Legend. Jae-Joon a ajouté beaucoup de soutien aux annotations pour le dessin de boîtes de fantaisie et de connecteurs dans les annotations. Voir annotate () et BoxStyle. ArrowStyle. Et ConnectionStyle. Michiel de Hoon a fourni un backend Mac OSX natif qui est presque entièrement implémenté en C. Le backend peut donc utiliser Quartz directement et, selon l'application, peut être ordres de grandeur plus rapide que les backends existants. En outre, aucune bibliothèque tierce n'est nécessaire que Python et NumPy. Le backend est interactif à partir de l'application de terminal habituelle sur Mac en utilisant Python régulier. Il n'a pas été testé avec ipython pour le moment, mais en principe il devrait y travailler aussi. Définir 8216backend. Macosx8217 dans votre fichier matplotlibrc, ou exécutez votre script avec: Ryan May a fait beaucoup de travail pour rationaliser l'amplitude de mise à l'échelle de psd () et des amis. Voir pylabexamples exemple de code: psddemo2.py. Et pylabexamples exemple de code: psddemo3.py. Les modifications devraient augmenter la compatibilité MATLAB et augmenter les options d'échelle. Ajout d'une fonction fillbetween () pour faciliter l'affichage des traces de zones ombrées en présence de données masquées. Vous pouvez passer un tableau x et un tableau ylower et yupper à remplir entre, et un argument facultatif qui est un masque logique où vous voulez faire le remplissage. Apprendre en profondeur avec Python Apprendre en profondeur avec Python Découvrez ce que les clients disent: Livre est très pratique et il a de nombreux exemples de code dans le but de vous aider à démarrer rapidement. Il saute l'aspect mathématique de ML qui est utile parce qu'il explique les concepts ML en termes pratiques sans se enterrer dans les mathématiques. Je suis un développeur de logiciels et j'ai recommandé ce livre à mes amis développeur pour les aider à obtenir passé les blocs routiers et commencer à utiliser ML avec des applications pratiques dans le monde réel. Je suis un développeur de logiciels et j'ai recommandé ce livre à mes amis développeur pour les aider à obtenir passé les blocs routiers et commencer à utiliser ML avec des applications pratiques dans le monde réel. Jack Neto Partenaire de The Working Group, Inc Une belle introduction à Deep Learning avec Keras. J'ai trouvé le livre assez didactique et divertissant. Theano et Tensorflow sont explorés brièvement dans certains chapitres spécifiques au début du livre, mais la plupart du matériel couvre comment utiliser Keras efficacement avec CNNs et RNNs. J'ai trouvé les séries chronologiques et les chapitres d'amélioration du modèle particulièrement intéressants. Je recommande ce livre pour les débutants prêts à obtenir un atterrissage en douceur Deep Learning avec PythonampKeras. Miguel Peralvo Senior Software Engineer Je pense que c'est le meilleur livre de Jason8217s à ce jour. Starting with no previous deep learning experience and little familiarity with Python, over the course of a weekend I was able to develop and train a Convolutional Neural Net that achieved a 0.8 error rate on the famous MNIST digit recognition task (best-in-class is 0.23). If you8217re struggling to get up to speed with deep learning, this book is a great way to get started. Highly recommended. Russ Boucher Data Scientist Machine Learning Enthusiast This is a truly excellent hands-on, no-nonsense book on deep learning. If you want to quickly jump into the bandwagon of deep learning without having to worry about the nuts and bolts, the linear algebra, calculus, etc, this is the book. The author8217s decision to pick TensorFlow is also a very wise one. Data scientists ought to have this book as a companion. Siong Jong Hang Consultant at Teradata Singapore Youre Not Alone in Choosing Machine Learning Mastery Trusted by Over 10,000 Practitioners including employees from companies like: students and faculty from universities like: and many thousands more. Absolutely No Risk with. 100 Money Back Guarantee Plus, as you should expect of any great product on the market, every Machine Learning Mastery Ebook comes with the surest sign of confidence: my gold-standard 100 money-back guarantee. 100 Money-Back Guarantee If youre not happy with your purchase of any of the Machine Learning Mastery Ebooks, just email me within 90 days of buying, and Ill give you your money back ASAP. No waiting. No questions asked. No risk. Get Started With Deep Learning Today Choose Your Package: Basic Package Deep Learning With Python ( including bonus source code ) Python Pro Bundle You get the 3-book set: Machine Learning Mastery With Python Deep Learning With Python XGBoost With Python ( includes all bonus source code ) (save 37, like getting a book for free) Super Bundle You get the complete 7-book set: Master Machine Learning Algorithms ML Algorithms From Scratch Machine Learning Mastery With Weka Machine Learning Mastery With R Machine Learning Mastery With Python Deep Learning With Python XGBoost With Python ( includes all bonus source code ) (save a massive 72) (1) Click the button. (2) Enter your details. (3) Download your package immediately. Secure Payment Processing With SSL Encryption Have more Questions Imagine you had the skills and confidence to say: YES . and follow through . I have been there. It feels great How much is that worth to you The industry is demanding skills in machine learning. The market wants people that can deliver results, not write academic papers. Business knows what these skills are worth and are paying sky-high starting salaries. A Data Scientists Salary Begins at: 100,000 to 150,000 . A Machine Learning Engineers Salary is Even Higher. What Are Your Alternatives You made it this far. Youre ready to take action. But, what are your alternatives What options are there (1) A Theoretical Textbook for 100 . its boring, math-heavy and youll probably never finish it. (2) An On-site Boot Camp for 10,000 . its full of young kids, you must travel and it can take months. (3) A Higher Degree for 100,000 . its expensive, takes years, and youll be an academic. For the Hands-On Skills You Get. And the Speed of Results You See. And the Low Price You Pay. Machine Learning Mastery Ebooks are Amazing Value And they work. Thats why I offer the money-back guarantee. Youre A Professional The field moves quickly, . how long can you wait You think you have all the time in the world, but. New methods are devised and algorithms change . New books get released and prices increase . New graduates come along and jobs get filled . Right Now is the Best Time to make your start. Bottom-up is Slow and Frustrating, . dont you want a faster way Can you really go on another day, week or month. Scraping ideas and code from incomplete posts . Skimming theory and insight from short videos . Parsing Greek letters from academic textbooks . Targeted Training is your Shortest Path to a result. Professionals Use Training To Stay On Top Of Their Field Get The Training You Need You dont want to fall behind or miss the opportunity. Frequently Asked Questions What programming language is used All examples use the Python programming language version 2 or 3. It assumes you have a working SciPy environment with NumPy, pandas, matplotlib and scikit-learn installed. Do I need to be a good programmer Not at all. This Ebook requires that you have a programmers mindset of thinking in procedures and learning by doing. You do not need to be an excellent programmer to read and learn about machine learning algorithms. How much math do I need to know No background in statistics, probability or linear algebra is required. We do not derive any equations. How many pages it the Ebook The Ebook is 256 pages. How many example Python scripts are included My personal library of 66 Python deep learning recipes are included. Is there a hard copy physical book Not at this stage. Ebook only. Will I get updates Yes. You will be notified about updates to the book and code that you can download for free. Is there any digital rights management (DRM) No, there is no DRM. How long will the Ebook take to complete I recommend reading one chapter per day. With 18 lessons and 9 projects and moving fast through the intro and conclusions, you can finish in 3 weeks. On the other hand, if you are keen you could work through all of the material in a weekend. What if I need help The final chapter is titled 8220 Getting More Help 8221 and points to resources that you can use to get more help with deep learning in Python. How much machine learning do I need to know Only a little. You will be lead step-by-step through the process of working a deep learning projects. It would help if you were already familiar with concepts like cross-validation. Are there any additional downloads Yes. In addition to the download for the Ebook itself, you will have access to my personal library of Python deep learning recipes. What operating systems are supported You can work through the book using Linux, Mac OS X and Windows. Note that TensorFlow is difficult to install on Windows, but is not needed to complete the book. All examples use Keras and the Theano backend is preferred for speed.
No comments:
Post a Comment