~Geo till I DiE~

Statistik summary df = pd.read_csv('data dalam bentuk.csv', index_col='name') #Missing value plt.figure(figsize=(6, 6)) sns.heatmap(df.isna(), cmap='Blues', cbar=False) #korelasi heatmap plt.figure(figsize=(6, 6)) sns.heatmap(df.corr(), cmap='bwr', cbar=False, vmin=-1, vmax=1, annot=True, square=True, fmt='.1f')  #annot muncul angka, fmt untuk minta nilai dibelkang koma hanya 1 #pairplot sns.pairplot(df, hue='shelf', vars=['calories', 'fat', 'rating']) #analisis secara trend sns.pairplot(df, hue='shelf', vars=['calories', 'fat', 'rating'], kind='reg')  #regresi sns.jointplot('potass', 'fiber', data=df, marginal_kws={'bins' : 25}, kind=reg) #kalau mau analisis 2 pakai joint, marginal kws untuk plot bins #jika data kategori persebaran sns.catplot('mfr', 'rating', data=df) #jika data sedikit sns.boxplot('mfr', 'rating', dat...

#modules import pandas as pd import matplotlib.pyplot as plt import seaborn as sns df = pd.read_csv('data yang mau dipanggil') df.head()  #print awalan data #contoh data, kita timpa df1 = df(df.tipe == 'data1') df2 = df(df.tipe == 'data2') plt.scatter(df1.X, df1.y) plt.scatter(df2.X, df2.y) #seaborn lebih mempermudah ketimbang scatter sns.scatterplot('X', 'y', data=df, hue='tipe)  #hue warnanya berdasakan, otomatis dalam 1 code ketimbang scatter bisa juga tambhkan matplotlib dg plt.figue(figsize=(6, 6)) #bisa juga kita lakukan regresi sns.lmplot('X', 'y', data=df, hue='tipe) #histogram sns.distplot(df1.x, bins=20) #garis aproximasi bentuk histogramnya

 3D Plot #import modules from mpl_toolkits import mplot3d fig = plt.figure(figsize=(8, 8)) ax = plt.axes(projection='3d') #siapin data x = np.linspace(-6, 6, 100) y = np.linspace(-6, 6, 100) #kita bentuk sebuah grid X, Y = np.meshgrid(x,y) z = np.sqrt(x**2 + y**2 + 10 ) $plot pakai surface fig = plt.figure(figsize=(8, 8)) ax = plt.axes(projection='3d') ax.plot_surface(X, Y, z, antialiased=False, cmap='winter') #anti = untuk menghilangkan garis" ax.set(xlabel='x', ylabel='y', zlabel='z') #atur label ax.view_init(elev=10, azim=45)  #kita melihat ketinggian #bisa juga plot pakai wireframe fig = plt.figure(figsize=(8, 8)) ax = plt.axes(projection='3d') ax.plot_wireframe(X, Y, z, cmap='winter') #wirenya" ax.set(xlabel='x', ylabel='y', zlabel='z') #atur label ax.view_init(elev=10, azim=45)  #kita melihat ketinggian #bisa juga plot pakai kontur fig = plt.figure(figsize=(8, 8)) ax = plt.axes(proje...

 Menambahkan tulisan dan tanda panah di figure #pakai contoh kemarin numbers = np.random.randn(10000) plt.figure(figsize=(6,6)) #ukuran kita atur figure size plt.hist(numbers, bins=25, density=1); plt.ylim(0,1) #kasih batas limit plt.axvline(0, color='r') #sebuah garis vertikal plt.text(0, 0.8, 'mean=0', ha='center') #bikin tulisan plt.annotate('mean=0', xy=(0, 0.8), xytext(1, 0.5), ha='center', arrowprops={'arrowstyle': '-|>') #untuk menampilkan sebuah garis penunjuk #add untuk melihat apa yang di butuhkan shift + Tab

 #subplot -> banyak plot dalam figure sama fig, ax= plt.subplots(2, 3, figsize=(15, 10)) ax[0, 0].hist(numbers, bins=25, density=1); ax[0, 2].hist(numbers, bins=25, density=1); ax[1, 1].scatter(x,y, c='r', s=10) ; ax[1, 1].axis('equal'); ax[1, 2].hist(numbers, bins=25, density=1);

Kali ini kita bahas Histogram!! Histogram number acak numbers = np.random.rand(10000) plt.hist(numbers, bins=25); kalau misal gaussian bentuk lonceng numbers = np.random.randn(10000) plt.hist(numbers, bins=25); numbers = np.random.randn(10000) plt.hist(numbers, bins=25, density=1);  #density digunakan uspaya binnya jadi 1 #grafik kumulatif frekuensi numbers = np.random.randn(10000) plt.hist(numbers, bins=25, density=1, cumulative=True);

 Halo semua bagaimana kabarnya? Hari ini, aku mau coba update dulu terkait pemrograman tentang Scatter plot di matplotlib df = pd.read_csv('isi lokasi datamu') #fungsinya membaca csv data anda dengan menganggap datamu ada df x = df.'anggap data kolom 1 mu'(ilangkan single comma) y = df.'anggap data kolom 2 mu'(ilangkan single comma) #plot scatter plt.scatter(x,y, c='r', s=10)   #c untuk warna, s untuk skala marker plt.axis('equal') #fungsinya untuk skalanya sama #plot scatter modified elemen plt.scatter(x,y, c=rad, s=rad*90, cmap='seismic')   #c untuk warna, s untuk skala marker plt.axis('equal') #fungsinya untuk skalanya sama

 Maaf sudah lama tidak update lagi  Tetap tunggu saja yaa, oh iya minggu depan aku akan ke Malang untuk persentasi di PIT HAGI Malang, jadi datang yaa 

Apa yang bisa kita pelajari dari interpretasi gravity anomali sebelumnya?  1. kita harus lihat setting tektonik 2. Magmanya berupa apa? apakah silisic ( magma that contains more than ~63 percent silica and is generally viscous, gas-rich, and tends to erupt explosively ) atau basaltik      Interpretasi anomali positif dalam setting geologi vulkano biasanya magma dengan basalti to andesitik baik aktif, punah dan dormant . Interpratasi anomali  negatif dalam setting geologi vulkano biasanya magma dengan andesitik to rhyolitik baik aktif, punah dan dormant. dapat kembali di lihat dari interpretasi anomali sebelumnya Daftar pustaka : Rymer, H., and G. C. Brown. "Gravity fields and the interpretation of volcanic structures: geological discrimination and temporal evolution." Journal of Volcanology and Geothermal Research 27.3-4 (1986): 229-254.

Interpretasi Gravity Negative anomali Studi kasus 3 gunung stratovolcano yang mature, extinct or dormant yang telah meletuskan ignimbrite (penciri adanya kaldera) dan pumice (review by Yokoyama, 1963). Yokoyama (1969) mengungkapkan anomali negatif yang besar tetapi survey gravity tidak lengkap dan tidak luas secara lateral. Gambar. contoh profile anomali kaldera di japan stratovolcano, Shikotsu (Yokoyama,1969)  Kaldera silika yang sudah punah dan bertipe anomali gravitasi negatif Daftar pustaka : Rymer, H., and G. C. Brown. "Gravity fields and the interpretation of volcanic structures: geological discrimination and temporal evolution." Journal of Volcanology and Geothermal Research 27.3-4 (1986): 229-254. Yokoyama, I., 1969. The sub-surface structure of Oosima volcano, Izu. J. Phys. Earth, 17 : 55--68.  Yokoyama, I., 1981. A geophysical interpretation of the 1883 Krakatoa eruption. J. Volcanol. Geotherm.  Res., 9: 359--378. Yokoyama, I., and Hadikusumo, D., 1969. ...