要在 Python 中使用字符串轴而不是整数绘制混淆矩阵，我们可以采取以下步骤：创建标签列表。创建混淆矩阵。使用 confusion_matrix() 计算分类的准确率。3. 将“~.axes.Axes”添加到图中作为子图排列的一部分。将 2D 矩阵或数组的值绘制为彩色图像。使用 colorbar() 方法，为 ScalarMappable 实例 *mappable* 创建一个颜色条6. 使用 set_xticklabels 和 set_yticklabels 方法设置 x 和 y 刻度标签。要显示图形，请使用 show() 方法。示例from matplotlib import pyplot as plt from sklearn.metrics import confusion_matrix plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True labels ... 阅读更多

要隐藏 matplotlib 3D 中的轴，我们可以采取以下步骤：创建一个 2D 数组，其中 x、y、z、u、v 和 w 是箭头位置的坐标以及箭头向量的方向分量。使用 figure() 方法，创建一个新图形或激活一个现有图形。使用 add_subplot() 方法将“~.axes.Axes”添加到图形中作为子图排列的一部分绘制 3D 箭头场，使用 quiver() 方法。使用 ylim、xlim、zlim 限制轴的范围设置绘图标题。创建两个轴（ax1 和 ax2）。设置标题“带轴”和“无轴”。使用 set_axis_off() ... 阅读更多

要为散点图在 X 轴下方添加标题，我们可以对当前图形使用 text() 方法。步骤使用 numpy 创建 x 和 y 数据点。使用 figure() 方法创建一个新图形或激活一个现有图形。使用 x 和 y 数据点绘制散点。要向图形添加标题，请使用 text() 方法。调整子图之间和周围的填充。要显示图形，请使用 show() 方法。示例import numpy as np from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True x = np.random.rand(10) y = np.random.rand(10) fig = plt.figure() plt.scatter(x, y, c=y) fig.text(.5, .0001, "Scatter Plot", ha='center') plt.tight_layout() plt.show()输出阅读更多

要在 matplotlib 图表中特定区域绘制矩形，我们可以采取以下步骤：使用 subplots() 方法，创建一个图形和一组子图，其中 nrows=1。使用 rectangle，我们可以创建一个矩形，通过锚点及其宽度和高度定义。其中，edgecolor=orange，linewidth=7，并且 facecolor=green。要绘制轴上的图表，我们可以使用 plot() 方法创建一条线，其中线颜色为红色。使用 add_patch() 方法在图表上添加一个矩形补丁。要显示图形，请使用 show() 方法。示例from matplotlib import pyplot as plt, patches plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True figure, ax = plt.subplots(1) ... 阅读更多

要创建 matplotlib 中的可拖动图例，我们可以采取以下步骤：使用 plot() 方法创建两条线，line1 和 line2。使用 legend() 方法将 plot line1 和 line2 的图例放置在位置 1，并使用有序标签。要创建可拖动的图例，请使用 set_draggable() 方法，其中 state=True。如果 state=False，则我们无法拖动图例。要显示图形，请使用 show() 方法。示例from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True line1, = plt.plot([1, 2, 3]) line2, = plt.plot([3, 2, 1]) leg = plt.legend([line2, line1], ["line 2", "line 1"], loc=1) leg.set_draggable(state=True) plt.show()输出在输出窗口中，您可以使用鼠标拖动图例... 阅读更多

要自动重新缩放 ylim 和 xlim，我们可以采取以下步骤：要绘制一条线，请使用 plot() 方法和从 0 到 10 的数据范围。要自动缩放 xlim 和 ylim，我们可以使变量 scale_factore=6。使用 scale_factor（来自步骤 2）重新缩放 xlim 和 ylim，分别使用 xlim() 和 ylim() 方法。要显示图形，请使用 show() 方法。示例from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True plt.plot(range(0, 10)) scale_factor = 6 xmin, xmax = plt.xlim() ymin, ymax = plt.ylim() plt.xlim(xmin * scale_factor, xmax * scale_factor) plt.ylim(ymin * scale_factor, ymax * scale_factor) plt.show()输出阅读更多

要使用 matplotlib 绘制 shapely 多边形和对象，步骤如下：使用 (x, y) 数据点创建多边形对象。获取 x 和 y，外部数据以及使用 polygon.exterior.xy 的数组。使用 plot() 方法和红色绘制 x 和 y 数据点。示例from shapely.geometry import Polygon import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True polygon1 = Polygon([(0, 5), (1, 1), (3, 0), (4, 6), ]) x, y = polygon1.exterior.xy plt.plot(x, y, c="red") plt.show()输出

要在 matplotlib 中设置可变点大小，我们可以采取以下步骤：初始化点的坐标。创建一个变量来存储点大小。使用 scatter 方法绘制点，其中 marker=o，color=red，s=point_size。要显示图形，请使用 show() 方法。示例from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True xy = (3, 4) point_size = 100 plt.scatter(x=xy[0], y=xy[1], marker='o', c='red', s=point_size) plt.show()输出

Tkinter 中的变量用于存储任何数据的数值。对于 Tkinter 应用程序，我们可以通过两种方式存储值：通过以编程方式定义值，或通过用户输入存储值。普通变量可以在任何需要时为任何应用程序设置值。但是，我们可以通过创建 StringVar() 对象的实例来获取用户输入。当我们为小部件指定 Tkinter 变量（例如 textvariable，对于小部件（textvariable = myvar）），只要变量的值发生变化，小部件就会自动更新。但是，有时... 阅读更多

Tkinter 窗口可以通过定义 geometry（“宽度×高度”）方法手动调整大小。我们可以通过向 geometry 管理器传递空值来自动化或重置窗口到其原始形式。一旦向方法传递了空值，它将自动调整大小。在本例中，我们将创建一个 Tkinter 应用程序，该应用程序将显示一个具有定义大小的 Toplevel 窗口（弹出窗口）。当我们按下“重置”按钮时，它将再次调整到其默认大小。示例#从 tkinter 导入库 import * from tkinter import ttk #创建实例... 阅读更多