グラフィックコンテンツをクリアするフィギュアメソッドの詳細説明
序文
こんにちは、みんな!私は優しい江です。
データ視覚化において、Matplotlib は強力で広く使用されているライブラリであり、高品質のグラフィックスを作成するためのさまざまな方法を提供します。Matplotlib では、Figure メソッドはグラフィックス ウィンドウを作成するために使用される中心的な概念であり、グラフィックスのコンテンツを管理するための多くのメソッドを提供します。その中でも、グラフィックス コンテンツのクリアは、特に別のグラフィックスを描画する必要がある場合や、同じグラフィックス ウィンドウ内の既存のグラフィックスを更新する必要がある場合によく必要となります。
この記事では、Figure メソッドでグラフィックス コンテンツをクリアする 2 つの主なメソッド、clf() と clear() について詳しく説明します。これらのメソッドの使用法と違いを理解することで、読者は Matplotlib をより適切に活用してグラフィック コンテンツを管理できるようになり、より鮮明で美しいデータ視覚化グラフィックを作成できるようになります。
1 clf():
Matplotlib では、Figure クラスの clf() メソッドを使用して、現在の Figure 内のすべての Axes オブジェクトをクリアし、Figure を初期状態に戻します。これは、すべての描画コンテンツをクリアするのと同じです。メソッド名「clf」は「明確な図形」を意味します。
clf() メソッドの基本的な使用法は次のとおりです。
fig.clf()
これにより、Figure からすべてのサブフィギュアが削除され、Figure が空白のままになり、新しいグラフィック コンテンツを再描画できるようになります。
類推:
ギャラリー (Figure) があり、このギャラリーに 2 つの絵画 (2 つのサブフィギュア、Axes オブジェクト) を掛けているとします。さて、私たちはギャラリーを片付けて、新しい絵画を飾る準備としてすべての絵画を撤去したいと考えています。これは、 clf() メソッドを使用してグラフ内のすべてのサブプロットをクリアするのと似ています。
例:
import matplotlib.pyplot as plt
# 创建一个画廊(Figure)
fig = plt.figure()
# 添加第一幅画(子图1)
ax1 = fig.add_subplot(121)
ax1.plot([0, 1], [0, 1], label='Plot 1')
ax1.set_title('Plot 1')
# 添加第二幅画(子图2)
ax2 = fig.add_subplot(122)
ax2.plot([0, 1], [1, 0], label='Plot 2')
ax2.set_title('Plot 2')
# 清空画廊,拿下所有的画
fig.clf()
# 添加新的画(新的子图)
ax_new = fig.add_subplot(111)
ax_new.plot([0, 1], [0, 1], label='New Plot')
ax_new.set_title('New Plot')
# 显示更新后的画廊
plt.show()
実行結果:
コード分析:
このコードは、Matplotlib を使用してギャラリー (図) を作成し、次に 2 つのペイント (2 つのサブフィギュア、Axes オブジェクト) をギャラリー、ax1 と ax2 にそれぞれ追加します。
各サブプロットには、plot メソッドを使用して描画された線と、set_title メソッドを使用して設定されたタイトルがあります。
次に、fig.clf() メソッドによってギャラリーがクリアされ、以前に追加されたすべてのサブフィギュアが削除されます。
最後に、新しい絵画 (新しいサブピクチャ ax_new) がギャラリーに追加されます。これは、ギャラリーに新しい絵画を掛けるのと似ています。
プロセス全体では、ギャラリーをクリアしてグラフィック コンテンツをリセットし、グラフィック内にさまざまなサブグラフを描画する方法を示します。最後に、更新されたギャラリーが plt.show() によって表示されます。
二 clear():
Matplotlib では、Figure クラスの clear() メソッドを使用して、Figure 内のすべてのプロット コンテンツをクリアし、Figure を空白にします。clf() メソッドとは異なり、clear() は Figure だけでなく、個々の subfigure もクリアできます。
以下は、clear() メソッドの基本的な使用法です。
fig.clear()
このコード行は、グラフ内のすべてのコンテンツをクリアし、グラフを空白の状態にし、新しい描画コンテンツを追加できるようにします。
類推:
2 つの画像 (2 つのサブ画像、Axes オブジェクト) がチョークで描かれたホワイトボード (図) があるとします。次に、新しいパターンを描画できるように、ホワイトボード全体のすべてのパターンを消去し、すべてのチョークを消去します。これは、clear() メソッドを使用してグラフのすべての内容をクリアするのと似ています。
例:
import matplotlib.pyplot as plt
# 创建一个白板(Figure)
fig = plt.figure()
# 用粉笔在白板上画第一幅图(子图1)
ax1 = fig.add_subplot(121)
ax1.plot([0, 1], [0, 1], label='Drawing 1')
ax1.set_title('Drawing 1')
# 用粉笔在白板上画第二幅图(子图2)
ax2 = fig.add_subplot(122)
ax2.plot([0, 1], [1, 0], label='Drawing 2')
ax2.set_title('Drawing 2')
# 清除白板上的所有图案
fig.clear()
# 用粉笔在白板上画新的图案(新的子图)
ax_new = fig.add_subplot(111)
ax_new.plot([0, 1], [0, 1], label='New Drawing')
ax_new.set_title('New Drawing')
# 展示更新后的白板上的图案
plt.show()
操作結果:
コード分析:
この例では、最初にホワイトボードを作成し、次にチョークを使用してホワイトボード上に 2 つの絵 (ax1 と ax2) を描きました。次に、ホワイトボード上のすべてのパターンがクリアされ、fig.clear() メソッドによってすべてのチョークが消去されます。最後に、新しい絵を描くのと同じように、チョークを使ってホワイトボードに新しいパターンを描きました。プロセス全体は、グラフィック コンテンツをクリアする clear() メソッドの効果を示しています。
clear() メソッドと clf() メソッドの違いは次のとおりです。
Matplotlib では、 clf() と clear() は両方とも Figure オブジェクトの内容をクリアするために使用されますが、いくつかの小さな違いがあります。
- 数字のクリアに関しては、すべて同じ効果があります。
- ただし、サブグラフのクリアに関しては、 clf はサブグラフの内容のクリアをサポートしませんが、clear はサポートします。
1.clf() メソッド:
import matplotlib.pyplot as plt
# 创建一个画廊(Figure)
fig = plt.figure()
# 添加第一幅画(子图1)
ax1 = fig.add_subplot(121)
ax1.plot([0, 1], [0, 1], label='Plot 1')
ax1.set_title('Plot 1')
# 添加第二幅画(子图2)
ax2 = fig.add_subplot(122)
ax2.plot([0, 1], [1, 0], label='Plot 2')
ax2.set_title('Plot 2')
# 清空画廊,拿下所有的画
ax1.clf()
# 显示更新后的画廊
plt.show()
実行結果:
clf メソッドを使用して ax1 サブグラフをクリアしようとしましたが、エラーが発生しました。
2 clear() メソッド
import matplotlib.pyplot as plt
# 创建一个画廊(Figure)
fig = plt.figure()
# 添加第一幅画(子图1)
ax1 = fig.add_subplot(121)
ax1.plot([0, 1], [0, 1], label='Plot 1')
ax1.set_title('Plot 1')
# 添加第二幅画(子图2)
ax2 = fig.add_subplot(122)
ax2.plot([0, 1], [1, 0], label='Plot 2')
ax2.set_title('Plot 2')
# 清空画廊,拿下所有的画
ax1.clear()
# 显示更新后的画廊
plt.show()
操作結果:
サブイメージのコンテンツが正常にクリアされました。
要約:
この記事では、Matplotlib の Figure メソッドでグラフィック コンテンツをクリアするための 2 つのメソッド、clf() と clear() を詳しく紹介します。これら 2 つの方法を深く理解すると、読者は自分のニーズに応じてグラフィック コンテンツをクリアするための適切な方法を選択できるため、データ視覚化グラフィックをより柔軟に管理および更新できます。この記事の学習を通じて、読者は Matplotlib をより適切に使用して、鮮明で美しいデータ視覚化グラフィックを作成し、データ分析と表示の効果を向上させることができるようになります。
読んでくださった皆様、ありがとうございました!
このブログが役立つと思われる場合は、ぜひご参加ください。
私は優しい江です、また会いましょう