Лекция 11. Визуализация данных на Python

Визуализация данных на PythonГрафики для анализа и для статьи: Matplotlib, палитры, seaborn, Plotly и HoloViews
Вячеслав Федоров
Лекция 11
Разработка и применение ПО
в физических исследованиях
plt
Изложение. Одиннадцатая лекция посвящена графикам. Массивы NumPy и таблицы pandas хранят измерения, но две тысячи отсчётов, выведенные в терминал, не дают представления о сигнале, тогда как на графике сразу видны и искажённый фронт импульса, и наводка, и точка, выпадающая из общего ряда. В рамках лекции рассматриваются назначение графика и выбор его вида, устройство фигуры Matplotlib и сохранение в файл, оформление графика для статьи, поля и палитры, статистические графики pandas и seaborn и интерактивные графики Plotly и HoloViews. Надпись на титуле — plt, общепринятое сокращение модуля matplotlib.pyplot; на последнем слайде — hv, сокращение HoloViews.
Демонстрации. Слайды с розовым выделением слова «Демонстрация» отмечают места, где изложение прерывается для работы в терминале виртуальной машины lab с Python 3.12, Matplotlib 3.11, seaborn 0.13, Plotly 7.1 и HoloViews 1.23, далее называемой стендом: на слайде проигрывается запись тех же команд. На другой машине числа в выводе скриптов те же, а размеры файлов PNG могут немного отличаться. Стенд работает без экрана, поэтому скрипты сохраняют графики в файлы, а изображения, полученные в каждой демонстрации, показаны на следующем слайде с выделением «Результат».

СодержаниеОт выбора вида графика до интерактивной страницы
01
Зачем график
02
Фигура и оси
03
Графики для статьи
04
Поля и палитры
05
Статистика
06
Интерактивность
Изложение. Лекция состоит из шести частей. Первая объясняет, зачем строить график, если статистики уже посчитаны, и как выбрать вид графика под задачу. Вторая посвящена устройству фигуры Matplotlib, основным видам графиков и сохранению в файл. Третья — оформлению для статьи: подписям с формулами, погрешностям, компоновке и стилю. Четвёртая — полям на сетке и палитрам. Пятая — статистическим графикам pandas и seaborn. Шестая — интерактивным графикам Plotly и HoloViews.

Цель лекцииПоказывать данные так, чтобы график не вводил в заблуждение ни автора, ни читателя
Для собственного анализа график строится быстро и сразу просматривается, для статьи — оформляется по правилам журнала и сохраняется в векторном формате, для коллег — становится интерактивной страницей. Во всех трёх случаях вид графика, масштаб осей и палитра выбираются по смыслу данных.
Изложение. График служит трём целям. Первая — разведочный анализ: физик строит десятки графиков для себя, чтобы увидеть данные, найти выбросы и проверить расчёт, и здесь важна скорость. Вторая — публикация: график в статье оформляется по правилам журнала, подписи содержат единицы и формулы, а файл сохраняется в векторном формате. Третья — совместная работа: интерактивная страница позволяет коллеге навести курсор, прочитать число и приблизить фрагмент без Python. Общее для всех трёх случаев одно: вид графика, масштаб осей и палитра выбираются по смыслу данных, иначе график скрывает структуру данных или создаёт видимость несуществующей.

Библиотеки
визуализации


БиблиотекаЧто даётРезультат
Matplotlibфигура и оси, любой вид графикаPNG, PDF, SVG
seabornстатистика из таблицыповерх Matplotlib
pandas .plotбыстрый взгляд на столбцыповерх Matplotlib
Plotlyподсказки, масштаб, 3DHTML
Bokeh, Panelстраницы и панели мониторингаHTML, сервер
HoloViewsописание данных вместо графикабэкенды bokeh, matplotlib, plotly

Для физика
Статья — Matplotlib, разбор сырых данных — Plotly или HoloViews, мониторинг установки — Panel.
Пояснение
Основа почти всех статичных графиков Python — Matplotlib: seaborn и pandas строят поверх него.
Изложение. Библиотек для построения графиков в Python много, но физику обычно достаточно нескольких. Основой статичной графики является Matplotlib: фигура, оси и любой вид графика с сохранением в растровый или векторный файл. Поверх него построены seaborn, строящий статистические графики прямо из таблицы, и метод plot таблиц pandas для быстрого взгляда на столбцы. Plotly строит интерактивный график в браузере с подсказками, масштабированием и трёхмерными сценами и сохраняет его в самодостаточный HTML. Bokeh и Panel предназначены для интерактивных страниц и панелей мониторинга с сервером на Python. HoloViews предлагает описывать данные, а не график, и отрисовывает один и тот же объект разными бэкендами. Для статьи обычно выбирают Matplotlib, для разбора сырых данных — Plotly или HoloViews, для мониторинга установки — Panel.

Библиотека	Что даёт	Результат
Matplotlib	фигура и оси, любой вид графика	PNG, PDF, SVG
seaborn	статистика из таблицы	поверх Matplotlib
pandas .plot	быстрый взгляд на столбцы	поверх Matplotlib
Plotly	подсказки, масштаб, 3D	HTML
Bokeh, Panel	страницы и панели мониторинга	HTML, сервер
HoloViews	описание данных вместо графика	бэкенды bokeh, matplotlib, plotly

Зачем графикКвартет Энскомба, выбор вида графика, честное изображение данных
01
Зачем график
Фигура и оси
Графики для статьи
Поля и палитры
Статистика
Интерактивность
Изложение. Первая часть отвечает на вопрос, зачем строить график, когда статистики уже посчитаны, и как выбрать вид графика под задачу, не исказив данные.

Квартет
Энскомба


СтатистикаВсе четыре набора
среднее x9,00
среднее y7,50
дисперсия x11,00
дисперсия y4,12–4,13
корреляция0,816–0,817
прямаяy = 0,500 x + 3,00

Ф. Энскомб, 1973: четыре набора по 11 точек с одинаковыми средними, дисперсиями, корреляцией и прямой регрессии устроены совершенно по-разному.
Важно
Сводные статистики не заменяют взгляда на данные: график — первый шаг анализа, а не последний.
Изложение. В 1973 году статистик Ф. Энскомб опубликовал четыре набора по одиннадцать пар чисел, у которых совпадают средние по x и по y, дисперсии, коэффициент корреляции и прямая регрессии y = 0,5x + 3. По таблице статистик наборы неотличимы, а на графике различаются полностью: один — линейная зависимость с шумом, другой — гладкая нелинейная кривая, третий — точная прямая с одним выбросом, четвёртый — вертикальный столбец точек и одна удалённая точка, которая и задаёт наклон. Таким образом, сводные статистики не заменяют взгляда на данные: график строится до вычисления статистик, чтобы понять, какие из них имеют смысл. Современный вариант того же опыта — набор «Datasaurus Dozen» 2017 года, где облака точек самой разной формы, вплоть до рисунка динозавра, имеют одинаковые до сотых средние, стандартные отклонения и корреляцию.

Статистика	Все четыре набора
среднее x	9,00
среднее y	7,50
дисперсия x	11,00
дисперсия y	4,12–4,13
корреляция	0,816–0,817
прямая	y = 0,500 x + 3,00

Демонстрация:
квартет Энскомба
01
Четыре набора по 11 точек
02
Средние, дисперсии, корреляция и прямая регрессии
03
Четыре графика рассеяния в одной фигуре
Что наблюдается
Средние 9 и 7,5 совпадают, дисперсия y — 4,12–4,13, корреляция — 0,816–0,817; у всех прямая y = 0,5x + 3. График сохранён в anscombe.png.
root@lab — запись со стенда
Демонстрация. Скрипт anscombe.py содержит четыре набора Энскомба. Для каждого он вычисляет средние и выборочные дисперсии по x и по y, коэффициент корреляции и прямую методом наименьших квадратов, печатает их таблицей и рисует четыре графика рассеяния с прямой регрессии в одной фигуре из четырёх осей с общей осью y. В таблице у всех четырёх наборов совпадают средние 9,00 и 7,50, дисперсия x 11,00, наклон 0,500 и сдвиг 3,00; дисперсия y равна 4,13 у первых двух наборов и 4,12 у остальных, корреляция — 0,816, а у четвёртого набора 0,817. Скрипт сохраняет фигуру в файл anscombe.png размером около 53 КБ; сама фигура показана на следующем слайде.

Результат:
квартет Энскомба


Что наблюдается
I — линейная связь с шумом, II — гладкая нелинейная кривая, III — прямая с одним выбросом, IV — наклон задаёт единственная точка. Прямая регрессии у всех одна.
Демонстрация. Рассмотрим четыре графика рассеяния на одной фигуре: у каждого — та же красная прямая y = 0,5x + 3. В первом наборе точки разбросаны вокруг прямой, и линейная модель уместна. Во втором точки лежат на гладкой параболе, и прямая описывает их плохо. В третьем десять точек из одиннадцати лежат точно на прямой с меньшим наклоном, около 0,35, а одиннадцатая, при x = 13, отстоит от неё вверх и смещает к себе прямую регрессии. В четвёртом все точки, кроме одной, имеют x = 8, а одна точка при x = 19 целиком определяет наклон. Одинаковые статистики скрывают четыре разные ситуации, и только график позволяет установить, какую модель допустимо применять.

Выбор
вида графика

ЗадачаВид графикаГде искать
распределение величиныгистограмма, ящик с усамиhist, boxplot
зависимость y(x)линияplot
связь двух величинточечная диаграммаscatter
измерения с погрешностьюточки с отрезкамиerrorbar
поле на сеткецветовая карта, изолинииimshow, contour
много параметровпараллельные координатыPlotly
Пояснение
Каталог видов графиков по назначению — «Периодическая таблица методов визуализации» (visual-literacy.org).
Важно
Круговые и объёмные диаграммы сравнивать трудно: длину глаз оценивает точнее, чем угол и площадь.
Изложение. Вид графика выбирается не по вкусу, а по задаче. Распределение одной величины показывает гистограмма, а сравнение распределений нескольких групп — ящики с усами или скрипичные диаграммы. Зависимость одной величины от другой изображает линия, связь двух измеренных величин — точечная диаграмма, измерения с погрешностями — точки с отрезками ошибок. Поле на регулярной сетке показывают цветовой картой или изолиниями. Когда параметров больше трёх, применяют параллельные координаты, где каждый параметр получает свою ось. «Периодическая таблица методов визуализации» сайта visual-literacy.org представляет собой каталог из сотни видов графиков, сгруппированных по назначению. Круговые и объёмные диаграммы для сравнения величин подходят плохо: длину отрезка глаз оценивает точнее, чем угол сектора или площадь.

Задача	Вид графика	Где искать
распределение величины	гистограмма, ящик с усами	hist, boxplot
зависимость y(x)	линия	plot
связь двух величин	точечная диаграмма	scatter
измерения с погрешностью	точки с отрезками	errorbar
поле на сетке	цветовая карта, изолинии	imshow, contour
много параметров	параллельные координаты	Plotly

Честный
график
01
Подписи осей
величина и единицы: «Ток пучка, мА»
02
Масштаб
линейный или логарифмический — по смыслу; у столбцов ось начинается с нуля
03
Сравнимые панели
общие шкалы: sharex, sharey
04
Палитра
по смыслу величины, без радуги jet
05
Минимум украшений
без объёма, теней и лишних рамок
Важно
Обрезанная ось у столбцовой диаграммы многократно преувеличивает разницу.
Для физика
Спектры и профили пучка с большим динамическим диапазоном — в логарифмическом масштабе.
Изложение. Честное изображение данных обеспечивают несколько правил. Ось подписывается величиной и единицами измерения. Масштаб выбирается по смыслу: логарифмический — для величин, меняющихся на порядки, линейный — для остальных; ось столбцовой диаграммы начинается с нуля, потому что величину передаёт длина столбца, а обрезанная ось многократно преувеличивает разницу. Панели, которые сравнивают между собой, получают общие шкалы. Две величины с разными единицами, например давление и ток, строят на двух осях одна под другой с общей шкалой времени, а не на двух шкалах y одних осей: соотношение независимых шкал выбирается произвольно и может создать видимость связи. Палитра выбирается по смыслу величины, что разобрано в четвёртой части. Наконец, на графике нет ничего, что не несёт данных: объём, тени, фоновые рисунки и лишние рамки отвлекают и искажают. Э. Тафти называет это отношением «чернил данных» ко всем чернилам рисунка, которое должно быть возможно большим.

Фигура и осиДва интерфейса, устройство фигуры, виды графиков, сохранение в файл
02
Зачем график
Фигура и оси
Графики для статьи
Поля и палитры
Статистика
Интерактивность
Изложение. Вторая часть посвящена Matplotlib: двум интерфейсам библиотеки, устройству фигуры, основным видам графиков и сохранению фигуры в файл на машине без экрана.

Два
интерфейса
pyplot: скрытая текущая фигура
import matplotlib.pyplot as plt
 
plt.plot(t, current)
plt.xlabel('Время, мкс')
plt.savefig('a.png')
Объекты: фигура и оси названы явно
fig, ax = plt.subplots(figsize=(7, 3))
ax.plot(t, current)
ax.set_xlabel('Время, мкс')
fig.savefig('a.png')
Пояснение
Явные fig и ax — в любом коде длиннее нескольких строк: видно, к каким осям относится вызов.
Изложение. У Matplotlib два интерфейса. Первый, pyplot, унаследован от MATLAB: он хранит скрытую текущую фигуру и текущие оси, и команды наподобие plt.plot и plt.xlabel рисуют в них. Это удобно для одной строки в интерактивном сеансе, но в коде из нескольких фигур не видно, куда относится очередной вызов. Второй интерфейс объектный: plt.subplots возвращает фигуру fig и оси ax, и построение выполняется методами осей — ax.plot, ax.set_xlabel, — а сохранение методом фигуры fig.savefig. Имена методов немного различаются: plt.xlabel соответствует ax.set_xlabel. Явные объекты позволяют видеть, к каким осям относится каждый вызов, поэтому в любом коде длиннее нескольких строк используется объектный интерфейс; глава книги и все демонстрации лекции написаны в нём.

Устройство
фигуры
Figure — холст и файл
Axes — оси с координатами
Line2D: ax.plot
Legend: ax.legend
Text: ax.annotate
Patch: ax.bar
XAxis и YAxis: деления, подписи, пределы
fig.savefig — сохраняет весь холст

ОбъектЧто это
Figureхолст: поля, заголовок, файл
Axesобласть графика с координатами
Axisшкала: пределы, деления, масштаб
Artistвсё нарисованное: линии, текст
Пояснение
На одной фигуре несколько осей: plt.subplots(2, 1) возвращает фигуру и массив из двух осей.
Изложение. Фигура Figure представляет собой весь холст: поля, общий заголовок и то, что в итоге записывается в файл. На ней размещаются оси Axes — прямоугольные области с собственной системой координат, в которых и строится график. У осей есть шкалы XAxis и YAxis с пределами, делениями и подписями. Всё, что нарисовано, — линии Line2D, текст, легенда, прямоугольники столбцов — является художником, Artist, и у каждого есть свои свойства: цвет, толщина, прозрачность. Построение выполняется методами осей, сохранение — методом фигуры. Одна фигура может содержать несколько осей: plt.subplots(2, 1) возвращает фигуру и массив из двух осей, расположенных одна над другой.

Объект	Что это
Figure	холст: поля, заголовок, файл
Axes	область графика с координатами
Axis	шкала: пределы, деления, масштаб
Artist	всё нарисованное: линии, текст

Основные
виды графиков
ax.plot(t, current)               # линия
ax.scatter(x, y, s=10)            # точки
ax.errorbar(k, s, 0.02, fmt='o')  # погрешности
ax.hist(age, bins=16)             # гистограмма
ax.bar(labels, values)            # столбцы
ax.fill_between(z, -a, a)         # полоса
ax.imshow(img, cmap='viridis')    # поле
ax.contour(X, Y, Z, levels=10)    # изолинии
ax.set_xscale('log')              # масштаб
Пояснение
Каждый метод возвращает созданный объект: линию, набор точек, изображение — для последующей настройки.
Для физика
Галерея matplotlib.org/stable/gallery: вид графика подбирается по рисунку, код берётся готовым.
Изложение. Основные виды графиков — методы осей: plot рисует линию, scatter — точки, размер и цвет которых могут зависеть от данных, errorbar — точки с отрезками погрешностей, hist — гистограмму, bar — столбцы, fill_between — полосу между двумя кривыми, например огибающую пучка, imshow — двумерный массив как изображение, contour — изолинии. Масштаб оси меняют set_xscale и set_yscale, в том числе на логарифмический. Каждый метод возвращает созданный объект — линию, набор точек, изображение, — у которого затем меняют свойства. Для незнакомого вида графика удобнее всего галерея на сайте Matplotlib: изображение подбирается визуально, а код примера берётся готовым.

Сохранение
и форматы

ФорматУстройствоДля чего
PNGрастр, плотность dpiслайды, веб
SVGвекторвеб, правка в редакторе
PDFвектор, шрифты внутристатья, LaTeX
fig.tight_layout()
fig.savefig('waveform.png', dpi=300)
fig.savefig('waveform.pdf')
Важно
На машине без экрана Matplotlib выбирает бэкенд Agg: plt.show() ничего не покажет, графики сохраняются в файлы.
Пояснение
В Jupyter фигура показывается под ячейкой сама, savefig нужен только для файла.
Изложение. Метод savefig определяет формат по расширению файла. PNG является растровым форматом: число точек равно размеру фигуры в дюймах, умноженному на плотность dpi, и для фигуры 8 × 3,2 дюйма при 150 dpi получим 1200 × 480 точек; для слайдов и веба достаточно 150–300 точек на дюйм. SVG и PDF — векторные форматы, которые не размываются при увеличении; PDF содержит шрифты и вставляется в статью, в том числе в LaTeX. По умолчанию текст в SVG записывается кривыми, и подписи правятся в редакторе как текст лишь при rcParams['svg.fonttype'] = 'none'; в PDF встраиваются шрифты Type 3, а для издательств, требующих шрифтов TrueType, задают pdf.fonttype = 42. Плотное облако точек в векторном файле растеризуют аргументом rasterized=True: точки сохраняются растром, а оси и подписи остаются векторными, и PDF со ста тысячами точек уменьшается в десятки раз. Перед сохранением tight_layout подбирает поля, чтобы подписи не обрезались краем. Отображение фигуры зависит от бэкенда. На машине без графического экрана, такой как стенд или вычислительный сервер, Matplotlib выбирает бэкенд Agg, рисующий только в файлы, и вызов plt.show() изображения не выводит. В Jupyter фигура выводится под ячейкой сама, а savefig нужен лишь для файла.

Формат	Устройство	Для чего
PNG	растр, плотность dpi	слайды, веб
SVG	вектор	веб, правка в редакторе
PDF	вектор, шрифты внутри	статья, LaTeX

Демонстрация:
форматы файла
01
Осциллограмма с шумом и сглаживание Савицкого—Голея
02
Сохранение в PNG 150 и 300 dpi, SVG и PDF
03
Размеры изображений в точках
04
Просмотр в браузере: http.server
Что наблюдается
PNG 150 dpi — 66 КиБ и 1200×480 точек, 300 dpi — 151 КиБ и 2400×960; SVG — 86 КиБ, PDF — 38 КиБ. http.server отдаёт файлы браузеру.
root@lab — запись со стенда
Демонстрация. Скрипт waveform.py моделирует осциллограмму тока пучка с цилиндра Фарадея — гауссов импульс амплитудой 4,2 мА с шумом оцифровки, — сглаживает её фильтром Савицкого—Голея из SciPy с окном 101 отсчёт и полиномом третьей степени, подписывает максимум стрелкой и сохраняет одну и ту же фигуру в четырёх файлах. PNG с плотностью 150 точек на дюйм занимает 66 КиБ и имеет размер 1200 на 480 точек, PNG с плотностью 300 — 151 КиБ и 2400 на 960 точек; SVG занимает 86 КиБ, PDF — 38 КиБ: две тысячи отсчётов шумной кривой в векторе хранятся как две тысячи вершин. Затем запускается встроенный веб-сервер Python, python3 -m http.server 8000, раздающий файлы текущего каталога, и curl проверяет, что изображение отдаётся. Таким образом, графики с машины без экрана открываются в браузере другого компьютера; после показа сервер останавливается.

Результат:
осциллограмма


Что наблюдается
Максимум сглаженного сигнала — 4,16 мА при 3,51 мкс; надпись со стрелкой — annotate, легенда собрана из label.
Демонстрация. На фигуре сырой сигнал показан тонкой полупрозрачной линией, а сглаженный — толстой красной, чтобы две кривые в одних осях различались толщиной, цветом и прозрачностью. Метод annotate размещает надпись с найденным максимумом — 4,16 мА при 3,51 мкс — и проводит стрелку от надписи к точке на кривой. Метод legend собирает подписи, переданные параметром label при построении линий. Оси подписаны величинами с единицами измерения.

Графики для статьиПодписи с формулами, погрешности, компоновка, размер и стиль
03
Зачем график
Фигура и оси
Графики для статьи
Поля и палитры
Статистика
Интерактивность
Изложение. В третьей части рассмотрим график для статьи: подписи с формулами, погрешности, компоновку нескольких осей, размер фигуры под колонку журнала и единый стиль для всего набора рисунков.

Подписи
и формулы
ax.errorbar(k, meas, yerr=0.02, fmt='o',
            capsize=3, label='экран')
ax.plot(k, model, color='crimson', label='модель')
ax.set_xlabel(r'Сила линзы $k$, м$^{-1}$')
ax.set_ylabel(r'Размер пучка $\sigma$, мм')
ax.legend()
Пояснение
Текст в знаках доллара набирается mathtext — подмножеством TeX без установки LaTeX.
Важно
Строка с формулой помечается префиксом r, иначе обратный слеш обработает Python.
Пояснение
Полный LaTeX — text.usetex=True: нужен TeX, а для кириллицы — преамбула с T2A и babel.
Изложение. Измерения с погрешностями изображает errorbar: параметр yerr задаёт половину отрезка, fmt — маркер, capsize — поперечные засечки. Модель рисуется рядом обычной линией, а легенда собирает подписи из параметра label. Что означает отрезок — стандартное отклонение, стандартную ошибку среднего или доверительный интервал, — необходимо указать в подписи рисунка, иначе погрешность читается неоднозначно. Подписи осей поддерживают формулы: текст в знаках доллара набирается mathtext, который представляет собой встроенное подмножество TeX и не требует установленного LaTeX, поэтому индексы, степени и греческие буквы записываются привычно: $\sigma$, м$^{-1}$. Строку с формулой помечают префиксом r, иначе обратный слеш будет обработан Python раньше Matplotlib. Если требуется полный LaTeX с его шрифтами, включают параметр text.usetex, но тогда на машине должен быть установлен TeX, а для русских подписей в text.latex.preamble подключают пакеты fontenc с кодировкой T2A, inputenc и babel: с преамбулой по умолчанию LaTeX не обрабатывает кириллицу, и сохранение завершается ошибкой.

Компоновка
и стиль
plt.rcParams.update({
    'figure.figsize': (3.4, 2.4),  # колонка
    'font.size': 9,
    'axes.grid': True})
 
fig, (up, down) = plt.subplots(
    2, 1, sharex=True,
    layout='constrained')
fig.align_ylabels()
01
Размер под колонку
около 8,6 см, 3,4 дюйма: шрифт в статье равен шрифту текста
02
Общие оси
sharex и sharey: подписи только у крайних
03
Один стиль
rcParams или файл стиля для всего набора
Для физика
Все рисунки статьи строит один скрипт: правка стиля обновляет весь набор.
Изложение. Фигуру для статьи строят сразу в размере колонки журнала, например около 8,6 сантиметра, или 3,4 дюйма, в журналах Американского физического общества, с размером шрифта, близким к шрифту текста: если построить большую фигуру и уменьшить её при вёрстке, подписи станут нечитаемо мелкими. Повторяющиеся настройки — размер, шрифт, сетку — выносят в rcParams один раз на весь скрипт или в файл стиля, подключаемый plt.style.use. Подграфики, которые сравнивают, создаются с общими осями sharex или sharey, и подписи печатаются только у крайних. Параметр layout='constrained' обеспечивает размещение осей и подписей без наложений и в пределах фигуры, а align_ylabels выравнивает подписи соседних осей. Обрезка полей savefig.bbox='tight' при этом не применяется: она меняет размер файла, и фигура 3,4 × 2,4 дюйма сохраняется размером 3,52 × 2,52 дюйма. В русскоязычной статье десятичный разделитель на осях — запятая: её ставит параметр axes.formatter.use_locale = True после установки русской локали вызовом locale.setlocale(locale.LC_NUMERIC, 'ru_RU.UTF-8'). Удобнее всего строить все рисунки статьи одним скриптом: правка стиля тогда обновляет весь набор сразу.

Демонстрация:
скан линзой
01
25 измерений размера пучка при разной силе линзы
02
errorbar, модель и подписи с формулами
03
Сохранение в PNG и PDF
Что наблюдается
Минимум модели — 0,158 мм при k = 1,08 1/м, между точками скана; PDF занимает 17 КБ, PNG — 46 КБ.
root@lab — запись со стенда
Демонстрация. Скрипт quadscan.py моделирует метод скана квадрупольной линзой: изменяя оптическую силу линзы k = 1/f перед экраном, снимают размер пучка σ, а форма зависимости позволяет восстановить эмиттанс; сам метод подгонки рассмотрен в главе книги о SciPy. Расчётный размер вычисляется через матрицу перехода «линза — промежуток — экран» и параметры Твисса пучка, к нему добавляется ошибка измерения 20 мкм. Скрипт рисует 25 измерений с погрешностями методом errorbar и модель линией по плотной сетке из 301 точки, подписывает оси формулами mathtext и сохраняет фигуру в PNG и PDF. Минимум модели — 0,158 мм при k = 1,08 1/м — лежит между точками скана, взятыми с шагом 0,125 1/м; файл PDF занимает 17 КБ, PNG — 46 КБ.

Результат:
скан линзой
Что наблюдается
Подписи с k, σ и степенью −1 набраны mathtext без LaTeX; точки с засечками — errorbar, линия — модель, сетка — rcParams.
Демонстрация. На фигуре 25 измерений размера пучка с отрезками погрешностей и засечками и красная кривая модели. Минимум размера, 0,158 мм, модель достигает при оптической силе линзы около 1,08 1/м. Оценим соответствующее фокусное расстояние: f = 1/k ≈ 0,93 м, то есть линза фокусирует пучок вблизи экрана; по форме параболы для квадрата размера восстанавливается эмиттанс. Подписи осей с буквами k и σ и степенью −1 набраны mathtext, сетка с прозрачностью задана один раз через rcParams.

Поля и палитрыimshow, pcolormesh и изолинии; последовательные, расходящиеся и качественные палитры
04
Зачем график
Фигура и оси
Графики для статьи
Поля и палитры
Статистика
Интерактивность
Изложение. Четвёртая часть посвящена величинам на двумерной сетке — изображениям с экранов, картам полей, матрицам — и палитрам, которыми эти величины передаются цветом.

Поля
на сетке

ФункцияСеткаПример
imshowравномерная, ячейка — пиксельизображение, матрица
pcolormeshнеравномерная, узлыполе на неравномерной сетке
contour, contourfизолиниипотенциал, уровни поля
quiver, streamplotвекторное полесиловые линии
im = ax.imshow(By, cmap='RdBu_r', vmin=-lim, vmax=lim,
               origin='lower', extent=(x0, x1, y0, y1))
fig.colorbar(im, ax=ax, label='$B_y$, мТл')
Пояснение
extent задаёт физические границы: на осях метры вместо номеров пикселей.
Изложение. Двумерный массив показывают цветом: imshow рисует массив как изображение, где каждая ячейка — пиксель, а все ячейки одинаковы; так показывают кадры с экранов и матрицы. Физическая сетка часто неравномерна, и тогда применяют pcolormesh, принимающий координаты узлов. Функции contour и contourf строят изолинии и заполненные уровни, удобные для потенциала и уровней поля, а quiver и streamplot показывают векторное поле стрелками и силовыми линиями. У imshow параметр extent задаёт физические границы изображения, что позволяет откладывать по осям метры вместо номеров пикселей, а origin='lower' помещает начало координат внизу, как принято в физике. Цветовая шкала colorbar с подписью величины и единиц является обязательной: без неё цвет не переводится в число.

Функция	Сетка	Пример
imshow	равномерная, ячейка — пиксель	изображение, матрица
pcolormesh	неравномерная, узлы	поле на неравномерной сетке
contour, contourf	изолинии	потенциал, уровни поля
quiver, streamplot	векторное поле	силовые линии

Палитры

ТипПалитрыДля чего
последовательнаяviridis, magma, cividisзнакопостоянная величина
расходящаясяRdBu_r, coolwarmзнакопеременная, светлый центр — ноль
качественнаяtab10, Set2категории без порядка
радугаjet, rainbowне рекомендуются
Важно
У расходящейся палитры границы vmin и vmax симметричны, иначе белый смещается с нуля.
Пояснение
viridis монотонна по светлоте: читается в чёрно-белой печати и при нарушении цветового зрения.
Для физика
Профиль пучка и спектр с большим динамическим диапазоном — norm=LogNorm().
Изложение. Палитру выбирают по смыслу величины. Для знакопостоянной величины подходит последовательная палитра, светлота которой меняется монотонно: viridis, принятая в Matplotlib по умолчанию с версии 2.0, magma или cividis. Для величины, меняющей знак, — расходящаяся палитра с белым нулём, такая как RdBu_r, и границы vmin и vmax необходимо задавать симметричными, иначе белый цвет сместится с нуля и изображение будет вводить в заблуждение. Категории без порядка кодируют качественной палитрой, например tab10. Радужные палитры jet и rainbow, унаследованные от старых пакетов, неравномерны по светлоте: на них появляются резкие границы там, где величина меняется плавно, а настоящие перепады могут потеряться; к тому же их не различают люди с нарушениями цветового зрения и не передаёт чёрно-белая печать. Симметричные границы задаёт и нормировка CenteredNorm, а TwoSlopeNorm(vcenter=0) помещает ноль в центр палитры и при несимметричном диапазоне, растягивая каждую половину палитры на свою часть значений. Величины с большим динамическим диапазоном — профили пучка, спектры — показывают с логарифмической нормировкой цвета LogNorm.

Тип	Палитры	Для чего
последовательная	viridis, magma, cividis	знакопостоянная величина
расходящаяся	RdBu_r, coolwarm	знакопеременная, светлый центр — ноль
качественная	tab10, Set2	категории без порядка
радуга	jet, rainbow	не рекомендуются

Объём
и поверхность
ax = fig.add_subplot(projection='3d')
ax.plot_surface(X, Y, Z, cmap='viridis')
ax.plot(x, y, z)                 # траектория
 
go.Figure(go.Surface(x=x, y=y, z=Z))   # Plotly
Важно
Значения с трёхмерной поверхности читаются плохо: для статьи — карта с изолиниями, для разбора — вращаемая поверхность Plotly.
Для физика
Траектории частиц в пространстве — ax.plot(x, y, z) или go.Scatter3d.
Изложение. Трёхмерные оси Matplotlib создаются аргументом projection='3d': plot_surface строит поверхность z(x, y), plot с тремя массивами — пространственную кривую, например траекторию частицы. Однако на неподвижном изображении трёхмерной поверхности значения читаются плохо: перспектива искажает высоты, а часть поверхности закрыта. Поэтому для статьи то же поле показывают цветовой картой с изолиниями, а трёхмерный вид оставляют для разбора, где Plotly позволяет вращать мышью поверхность go.Surface и пространственные траектории go.Scatter3d.

Демонстрация:
три палитры
01
Матрица отклика замкнутой орбиты 64×48
02
Три палитры: jet, viridis, RdBu_r с симметричными границами
03
Число палитр в Matplotlib
Что наблюдается
Значения от −11,8 до 11,9 мм/мрад; в Matplotlib 182 палитры вместе с обращёнными вариантами _r.
root@lab — запись со стенда
Демонстрация. Скрипт cmaps.py вычисляет матрицу отклика замкнутой орбиты на 64 мониторах и 48 корректорах, как в главе книги о коррекции орбиты: элемент матрицы определяется бета-функциями в мониторе и корректоре и разностью их бетатронных фаз. Значения лежат от −11,8 до 11,9 мм/мрад и меняют знак от элемента к элементу. Скрипт рисует одну и ту же матрицу трижды — в палитрах jet, viridis и RdBu_r, последнюю с симметричными границами, — с подписанными шкалами цвета и сохраняет фигуру. Затем отдельная команда печатает число зарегистрированных палитр Matplotlib: 182, вместе с обращёнными вариантами, имена которых оканчиваются на _r.

Результат:
три палитры


Что наблюдается
В jet светлее всего промежуточные значения около ±3, а не наибольшие; viridis монотонна по светлоте; RdBu_r с симметричными границами показывает знак: белый — ноль.
Демонстрация. Слева матрица в палитре jet: светлее всего голубой и жёлтый, которыми окрашены промежуточные значения около −3 и +3 мм/мрад, а наибольшие по модулю элементы тёмно-синие и тёмно-красные, поэтому взгляд выделяет не наибольшие элементы; ноль окрашен столь же светлым цветом, и знак элемента не читается. Ложных границ на плавно меняющейся величине эта матрица не показывает: соседние элементы различаются в среднем на 3,5–3,9 мм/мрад, а знак меняется у 24–32 % пар соседних элементов. В середине viridis: светлота растёт монотонно со значением, ложных границ нет, но и знак не выделен. Справа RdBu_r с симметричными границами: красное — положительные элементы, синее — отрицательные, белое — нули, и видна периодическая структура матрицы, задаваемая бетатронными фазами. Все три шкалы цвета подписаны величиной и единицами: R, мм/мрад. Таким образом, для этой величины подходит именно расходящаяся палитра.

СтатистикаБыстрые графики pandas, seaborn: распределения, группы, доверительные интервалы
05
Зачем график
Фигура и оси
Графики для статьи
Поля и палитры
Статистика
Интерактивность
Изложение. В пятой части перейдём к статистическим графикам по таблицам: быстрым методам plot библиотеки pandas и библиотеке seaborn, которая строит распределения и сравнения групп по столбцам таблицы.

Графики
из pandas
df['Age'].plot.hist(bins=16)
df.boxplot(column='Age', by='Pclass')
log['p'].resample('1min').mean().plot()
ax = df.plot.scatter(x='Age', y='Fare')
ax.set_yscale('log')
Пояснение
Методы plot таблиц и столбцов строят графики Matplotlib и возвращают оси: оформление дописывается их методами.
Для физика
Быстрый взгляд на журнал или таблицу измерений — одна строка; для статьи те же оси оформляются по правилам третьей части.
Изложение. Таблицы и столбцы pandas имеют метод plot, вызывающий Matplotlib: plot.hist строит гистограмму, boxplot — ящики с усами по группам, plot без аргументов — линию по индексу, что для журнала с метками времени даёт ряд по времени, plot.scatter — точечную диаграмму двух столбцов. Методы возвращают оси Matplotlib, поэтому дальнейшее оформление — логарифмический масштаб, подписи, пределы — выполняется методами этих осей. Отметим, что на логарифмической оси нулевые значения не изображаются: точки семи пассажиров с известным возрастом и нулевой платой за проезд исчезают с графика без предупреждения. Для быстрого взгляда на журнал или таблицу измерений достаточно одной строки, а для статьи те же оси оформляются по правилам третьей части.

seaborn


ФункцияЧто показывает
histplot, kdeplotраспределение
boxplot, violinplotраспределение по группам
barplot, pointplotсреднее с доверительным интервалом
scatterplot, regplotсвязь и регрессия
heatmapматрица, например корреляций
pairplotвсе пары столбцов

sns.barplot(df, x='Pclass', y='Survived',
            hue='пол', errorbar=('ci', 95))
Пояснение
Аргумент hue разбивает данные на группы по столбцу таблицы и сам строит легенду.
Пояснение
Грамматика графиков в духе ggplot2 из R — пакет plotnine.
Изложение. Библиотека seaborn является надстройкой над Matplotlib и строит статистические графики прямо из таблицы: аргументы x, y и hue принимают имена столбцов. histplot и kdeplot показывают распределение, boxplot и violinplot — распределения по группам, barplot и pointplot — среднее с доверительным интервалом, scatterplot и regplot — связь двух величин и регрессию, heatmap — матрицу, pairplot — все пары столбцов сразу. Аргумент hue разбивает данные на группы по значениям столбца, раскрашивает их и сам строит легенду. Доверительный интервал barplot по умолчанию оценивается бутстрепом, то есть повторными случайными выборками, и для воспроизводимого рисунка необходимо задать зерно seed. Тем, кто привык к пакету ggplot2 языка R, ближе грамматика графиков пакета plotnine.

Функция	Что показывает
histplot, kdeplot	распределение
boxplot, violinplot	распределение по группам
barplot, pointplot	среднее с доверительным интервалом
scatterplot, regplot	связь и регрессия
heatmap	матрица, например корреляций
pairplot	все пары столбцов

Демонстрация:
seaborn на «Титанике»
01
Доли выживших по полу и классу каюты
02
barplot с 95-процентным доверительным интервалом
03
Гистограмма возраста по исходу
Что наблюдается
Выжили 97 % женщин первого класса и 14 % мужчин третьего; интервал — бутстреп с seed=0 для воспроизводимости.
root@lab — запись со стенда
Демонстрация. Скрипт titanic_plots.py читает таблицу пассажиров «Титаника» из прошлой лекции и печатает сводную таблицу долей выживших по полу и классу: 0,97, 0,92 и 0,50 у женщин, 0,37, 0,16 и 0,14 у мужчин. Затем он добавляет столбцы с русскими подписями пола и исхода и строит две оси: слева barplot доли выживших по классу с разбиением по полу и 95-процентным доверительным интервалом, который seaborn оценивает бутстрепом с зерном seed=0, справа — гистограмму возраста, сложенную по исходу. Фигура сохраняется в titanic.png.

Результат:
seaborn


Что наблюдается
Слева доли с интервалами, справа возраст: из 44 детей не старше пяти лет выжил 31, больше всего пассажиров в возрасте 20–25 лет.
Демонстрация. Слева столбцы долей выживших: в каждом классе женщины выживали намного чаще мужчин, а чёрные отрезки показывают 95-процентные доверительные интервалы; у женщин третьего класса интервал шире, потому что их доля близка к половине, где разброс доли наибольший. Справа гистограмма возраста, сложенная по исходу: в первом интервале, от 0,42 до 5,4 года, то есть среди детей не старше пяти лет, выжил 31 из 44, а больше всего пассажиров было в возрасте от 20 до 25 лет, и среди них большинство погибло.

ИнтерактивностьPlotly, HoloViews, Bokeh и Panel: подсказки, масштаб, слайдеры, панели
06
Зачем график
Фигура и оси
Графики для статьи
Поля и палитры
Статистика
Интерактивность
Изложение. Последняя часть посвящена интерактивным графикам: Plotly и HoloViews строят в браузере графики, которые позволяют навести курсор, прочитать точное число, приблизить фрагмент и перебрать параметр слайдером.

Plotly
import plotly.express as px
import plotly.graph_objects as go
 
fig = go.Figure()
fig.add_scatter(x=z, y=a,
    hovertemplate='z = %{x:.2f} м<br>a = %{y:.2f} мм')
fig.write_html('envelope.html', include_plotlyjs='cdn')
 
px.scatter(df, x='Age', y='Fare', color='Sex')

include_plotlyjsФайлСеть
'cdn'27 КиБнужен интернет
True4,6 МиБработает без сети
Пояснение
Миллион точек — go.Scattergl: отрисовка переложена на видеокарту.
Изложение. Plotly строит график в браузере поверх библиотеки plotly.js. Объекты graph_objects обеспечивают полный контроль над каждой линией, а модуль plotly.express строит типичные графики из таблицы одной строкой, как seaborn; числовой столбец в аргументе color, например класс каюты Pclass, он окрашивает непрерывной шкалой, а строковый — качественной палитрой. Параметр hovertemplate задаёт содержимое всплывающей подсказки: подстановки %{x} и %{y} выводят координаты точки с нужным числом знаков. Метод write_html сохраняет самодостаточную страницу, открываемую в любом браузере без Python. С include_plotlyjs='cdn' страница загружает plotly.js из сети и занимает десятки килобайт, со значением True библиотека встраивается внутрь, и файл вырастает до нескольких мегабайт, зато открывается без сети. Миллион точек обычный Scatter отрисовывает медленно, и для больших массивов предусмотрен Scattergl с отрисовкой на видеокарте. Статичный PNG или PDF из фигуры Plotly сохраняет метод write_image; в Plotly 7 он требует пакета kaleido версии 1 и установленного браузера Chrome.

include_plotlyjs	Файл	Сеть
'cdn'	27 КиБ	нужен интернет
True	4,6 МиБ	работает без сети

HoloViews
dim_z = hv.Dimension('z', label='Положение', unit='м')
curve = hv.Curve((z, a), dim_z, dim_a)
layout = curve + points     # рядом
overlay = curve * points    # в одних осях
curves = {k: hv.Curve((z, envelope(k)), dim_z, dim_a)
          for k in ks}
hmap = hv.HoloMap(curves, kdims='k')
hv.save(hmap, 'scan.html', backend='bokeh')
Пояснение
Подписи осей с единицами HoloViews берёт из описания данных: «Радиус пучка (мм)».
Изложение. HoloViews построен на принципе «описывать данные, а не график»: пользователь указывает, что является аргументом, что значением и в каких они единицах, а библиотека выбирает представление. Измерения Dimension несут подпись и единицы, которые попадают на оси и в подсказки. Элемент Curve задаёт непрерывную зависимость, Scatter и Points — дискретные точки, Image — величину на сетке. Оператор + размещает графики рядом, оператор * накладывает их в одних осях. HoloMap превращает параметр в слайдер. Он принимает словарь, где каждому значению параметра сопоставлен элемент HoloViews, например Curve, а не массив; кадры вычисляются заранее и сохраняются в HTML, работающий без Python, а библиотеки BokehJS и Panel страница загружает из сети. Один и тот же объект отрисовывается разными бэкендами — интерактивным bokeh, matplotlib или plotly. На слайде скан огибающей при четырёх жёсткостях соленоидов, сохранённый через бэкенд matplotlib: подписи «Положение (м)» и «Радиус пучка (мм)» HoloViews составил сам из описания измерений.

Анимация
from matplotlib.animation import FuncAnimation
 
line, = ax.plot(x, wave(x, 0.0))
 
def update(i):
    line.set_ydata(wave(x, t[i]))
    return (line,)
 
anim = FuncAnimation(fig, update, frames=200)
anim.save('wave.gif', writer='pillow', fps=30)
Пояснение
Кадр меняет данные готовых художников: set_data и set_ydata быстрее, чем новый plot на каждом шаге.
Пояснение
GIF записывает Pillow, MP4 — ffmpeg, который устанавливается отдельно.
Для физика
Эволюция волнового пакета во времени или огибающей вдоль тракта.
Изложение. Matplotlib строит и анимацию. FuncAnimation вызывает функцию update для каждого кадра; функция меняет данные уже созданных художников — set_ydata у линии, set_data у точек, set_array у изображения, — что намного быстрее, чем строить график заново. Готовая анимация сохраняется методом save: GIF записывает библиотека Pillow, входящая в зависимости Matplotlib, а MP4 — программа ffmpeg, которую устанавливают отдельно. В блокноте Jupyter анимацию показывает вызов HTML(anim.to_jshtml()) из модуля IPython.display или параметр rcParams['animation.html'] = 'jshtml'; без них при бэкенде inline, принятом в Jupyter по умолчанию, под ячейкой выводится только неподвижный кадр. Физику анимация позволяет показать эволюцию: волновой пакет во времени, огибающую пучка вдоль тракта, распределение частиц по шагам расчёта.

Выбор
инструмента


ЗадачаИнструмент
рисунок для статьиMatplotlib
разбор сырых данныхPlotly, HoloViews в Jupyter
скан по параметруHoloMap, DynamicMap
таблица pandas в браузереhvPlot: df.hvplot()
панель мониторинга установкиPanel: panel serve app.py

Пояснение
DynamicMap пересчитывает кадр по движению слайдера и требует работающего Python; HoloMap сохраняется в HTML, работающий без Python.
Для физика
Панель мониторинга вакуума или тока пучка — страница Panel без строки JavaScript.
Изложение. Инструмент выбирается по задаче. Рисунок для статьи строят в Matplotlib. Сырые данные удобно разбирать интерактивно — в Plotly или HoloViews в блокноте Jupyter. Скан по параметру превращается в слайдер: HoloMap вычисляет все кадры заранее и сохраняется в HTML, работающий без Python, а DynamicMap вычисляет кадр по движению слайдера, что необходимо, когда параметр непрерывен или расчёт кадра затратен, но требует работающего ядра Python. Пакет hvPlot после одного импорта добавляет к таблицам pandas метод hvplot, строящий интерактивные графики HoloViews. Для десятков миллионов точек, например макрочастиц расчёта, служит операция rasterize пакета Datashader: изображение агрегируется в Python, и в браузер передаётся только растр. Библиотека Panel связывает графики, виджеты и текст в веб-приложение, запускаемое командой panel serve; таким образом панель мониторинга установки становится страницей в браузере без строки JavaScript.

Задача	Инструмент
рисунок для статьи	Matplotlib
разбор сырых данных	Plotly, HoloViews в Jupyter
скан по параметру	HoloMap, DynamicMap
таблица pandas в браузере	hvPlot: df.hvplot()
панель мониторинга установки	Panel: panel serve app.py

Демонстрация:
Plotly и HoloViews
01
Огибающая пучка: уравнение огибающей, пять соленоидов
02
Plotly: HTML с plotly.js из сети и автономный
03
HoloViews: скан жёсткости в HTML со слайдером
04
Статичный PNG через бэкенд matplotlib
05
Размеры файлов
Что наблюдается
HTML с CDN — 26,9 КиБ, автономный — 4,6 МиБ; HoloMap из четырёх кадров — 51,5 КиБ, PNG — 78,5 КиБ. Радиус — от 2,36 до 7,13 мм.
root@lab — запись со стенда
Демонстрация. Скрипт envelope.py решает уравнение огибающей пучка с энергией 2 МэВ и током 100 А в тракте из пяти соленоидов функцией solve_ivp из SciPy; уравнение выведено в главе книги об огибающей. Plotly строит огибающую с заливкой и подсказкой и сохраняет два HTML: с подключением plotly.js из сети — 26,9 КиБ — и автономный — 4729,7 КиБ, или 4,6 МиБ. HoloViews строит HoloMap из огибающих при четырёх жёсткостях соленоидов и сохраняет его в HTML со слайдером через бэкенд bokeh — 51,5 КиБ, — а наложение тех же кривых — в PNG через бэкенд matplotlib — 78,5 КиБ. Радиус пучка при жёсткости соленоидов 25 1/м² меняется от 2,36 до 7,13 мм. Команда ls -lh показывает те же размеры, округляя их вверх: 4.7M и 52K.

Результат:
Plotly в браузере


Что наблюдается
Файл envelope-cdn.html в браузере: подсказка показывает z и a, рамка увеличивает фрагмент, двойной щелчок возвращает масштаб.
Демонстрация. На слайде страница envelope-cdn.html, открытая в браузере: огибающая пучка вдоль тракта, симметричная относительно оси, с заливкой между верхней и нижней границами. В браузере при наведении курсора всплывает подсказка с положением z и радиусом a, прямоугольник, выделенный курсором, растягивается на всё поле, а двойной щелчок возвращает исходный масштаб. Масштабирование колесом мыши у двумерных графиков Plotly по умолчанию выключено и включается аргументом config={'scrollZoom': True} метода write_html. Страница остаётся интерактивной без Python, её можно отправить коллеге.

Итоги
лекции
01
График — первый шаг анализа: одинаковые статистики скрывают разные данные.
02
Вид графика, масштаб и палитра выбираются по смыслу данных; подпись оси — величина и единицы.
03
Matplotlib: явные fig и ax, PNG для слайдов, PDF для статьи, размер под колонку журнала.
04
viridis — для знакопостоянных, RdBu_r с симметричными границами — для знакопеременных; без jet.
05
seaborn — статистика из таблиц, Plotly и HoloViews — интерактивный разбор данных.
Изложение. График является первым шагом анализа, а не последним: как показывает квартет Энскомба, одинаковые статистики скрывают совершенно разные данные. Вид графика, масштаб осей и палитра выбираются по смыслу данных, а ось подписывается величиной и единицами. В Matplotlib используются явные объекты фигуры и осей; для слайдов сохраняют PNG, для статьи — PDF в размере колонки журнала. Знакопостоянные величины показывают последовательной палитрой viridis, знакопеременные — расходящейся RdBu_r с симметричными границами, а радуга jet создаёт ложные границы. Библиотека seaborn строит статистические графики прямо из таблиц, а Plotly и HoloViews обеспечивают интерактивный разбор данных в браузере.

Упражнения
для самопроверки
01
Осциллограмма для статьи
PNG и PDF в ширину колонки 8,6 см, подписи с единицами, шрифт 9 пт
02
Профиль пучка
двумерная гауссиана на экране: imshow с extent, LogNorm, изолинии
03
Журнал установки
давление и ток из прошлой лекции на двух осях одна под другой с общей шкалой времени
04
Скан параметра
огибающая при разной жёсткости: HoloMap или Plotly со слайдером
Пояснение
Каждый рисунок проверяется на соответствие данным: пределы осей, единицы, палитра.
Для физика
Проект курса: все рисунки отчёта строит один скрипт.
Изложение. Отдельного задания к лекции нет: упражнения служат самопроверке. Первое — подготовить осциллограмму для статьи: PNG и PDF в ширину колонки 8,6 см с подписями величин и единиц и шрифтом 9 пунктов. Второе — показать профиль пучка на экране, двумерную гауссиану, через imshow с физическими границами extent, логарифмической нормировкой цвета и изолиниями. Третье — построить давление и ток из журнала установки прошлой лекции на двух осях одна под другой с общей шкалой времени. Четвёртое — показать огибающую пучка при разной жёсткости соленоидов слайдером HoloMap или Plotly. Каждый рисунок необходимо проверить на соответствие данным: пределы осей, единицы, палитра.

Источники1
Книга курса: глава «Визуализация на Python», приложение «Графики Matplotlib»
phys-dev.github.io/soft-dev-book
2
Matplotlib — документация и галерея
matplotlib.org/stable/gallery
3
seaborn — документация
seaborn.pydata.org
4
Plotly для Python; HoloViews и HoloViz — holoviews.org, holoviz.org
plotly.com/python
5
Anscombe F. J. Graphs in Statistical Analysis. – The American Statistician, 1973. – Vol. 27, No. 1
doi.org/10.1080/00031305.1973.10478966
6
Crameri F., Shephard G. E., Heron P. J. The misuse of colour in science communication. – Nature Communications, 2020. – Vol. 11
doi.org/10.1038/s41467-020-19160-7
7
Rougier N. Scientific Visualization: Python + Matplotlib. – 2021
github.com/rougier/scientific-visualization-book
8
Периодическая таблица методов визуализации
visual-literacy.org/periodic_table
Изложение. Основой лекции являются глава книги курса «Визуализация на Python» и приложение «Графики Matplotlib». Для самостоятельного изучения рекомендуются документация и галерея Matplotlib, документация seaborn, Plotly и HoloViews, исходная статья Ф. Энскомба 1973 года, статья Ф. Крамери и соавторов о неверном использовании цвета в научных публикациях, книга Н. Ружье о научных графиках в Matplotlib, распространяемая открыто, и «Периодическая таблица методов визуализации» — каталог видов графиков по назначению.

Спасибо за вниманиеВопросы
phys-dev.github.io/soft-dev-book
hv
Изложение. Надпись на последнем слайде — hv, общепринятое сокращение имени holoviews при импорте, парное к plt на титуле. Лекция завершается ответами на вопросы.