我们可以使用分辨率值（即每英寸点数）和图像格式在 Matplotlib 中绘制高分辨率图形。步骤：创建字典，键为“第一列”和“第二列”，值为 i 和 i*i，其中 i 从 0 到 10。使用 pd.DataFrame(d) 创建数据框；d 在步骤 1 中创建。使用 ‘o’ 和 ‘rx’ 样式绘制数据框。要以 pdf 格式保存文件，请使用 savefig() 方法，其中图像名称为 myImagePDF.pdf，format="pdf"。我们可以设置 dpi 值以获得高质量图像。使用 saving() 方法，我们可以保存图像… 阅读更多

要获得交互式绘图，我们需要激活图形。使用 plt.ioff() 和 plt.ion()，我们可以对绘图执行交互操作。步骤：使用 subplots 方法创建 fig 和 ax 变量，其中默认 nrows 和 ncols 为 1。使用 plot() 方法绘制一条线。设置线的颜色，即橙色。使用 plt.ioff() 方法停止交互。要进行交互式绘图，请更改线的颜色坐标。使用 plt.ion() 方法启动交互。示例：要在 Ipython 中使用交互式绘图 - In [1]: %matplotlib auto 使用 matplotlib 后端：GTK3Agg In [2]: import matplotlib.pyplot as plt In [3]: fig, ax = plt.subplots() # 图表将… 阅读更多

使用 plt.savefig("myImagePDF.pdf", format="pdf", bbox_inches="tight") 方法，我们可以将图形保存为 PDF 格式。步骤：创建字典，键为“第一列”和“第二列”，值为 i 和 i*i，其中 i 从 0 到 10。使用 pd.DataFrame(d) 创建数据框，d 在步骤 1 中创建。使用 ‘o’ 和 ‘rx’ 样式绘制数据框。要以 PDF 格式保存文件，请使用 savefig() 方法，其中图像名称为 myImagePDF.pdf，format = ”pdf”。要显示图像，请使用 plt.show() 方法。示例：import pandas as pd from matplotlib import pyplot as plt d = {'Column 1': [i for i in ... 阅读更多

首先，我们可以用 col1 和 col2 初始化字典，将其转换为数据框。之后，我们可以使用 ‘o’ 和 ‘rx’ 样式绘制此数据。步骤：创建字典，键为“第一列”和“第二列”，值为 i 和 i*i，其中 i 从 0 到 10。使用 pd.DataFrame(d) 创建数据框；d 在步骤 1 中创建。使用 ‘o’ 和 ‘rx’ 样式绘制数据框。要显示绘图，请使用 plt.show()。示例：import pandas as pd from matplotlib import pyplot as plt d = {'Column 1': [i for i in range(10)], 'Column 2': [i*i for ... 阅读更多

使用 matplotlib.get_backend()，我们可以获取后端值。步骤：导入 matplotlib。要返回当前后端的名称，请使用 get_backend() 方法。示例：import matplotlib print("matplotlib 使用的后端是：", matplotlib.get_backend()) 输出：matplotlib 使用的后端是：GTK3Agg

我们可以使用 display.clear_output(wait=True)、display.display(pl.gcf()) 和 time.sleep() 方法在循环中迭代绘图以获得准确的输出。步骤：使用 pylab.randn() 绘制来自“标准正态”分布的样本（或样本）。清除当前接收输出的单元格的输出，wait=False（默认值），等待清除输出，直到有新的输出可用以替换它。使用 display() 方法显示所有前端中的 Python 对象。默认情况下，所有表示都将被计算并发送到前端。前端可以使用 display() 方法决定使用哪个表示以及如何使用。pl.gcf 用于获取当前图形。要暂停一段时间，请使用 time.sleep() 方法。示例：import time import ... 阅读更多

首先，我们可以使用 imshow 方法创建一个图像，采用收成矩阵。之后，我们可以用一些值标记这些图像像素。步骤：创建一个主题列表。创建一个学生列表。创建一个收成矩阵。使用 subplots 方法创建 fig 和 ax 变量，其中默认 nrows 和 ncols 为 1。将数据显示为图像，即在 2D 常规光栅上，使用步骤 1 数据。使用学生长度获取或设置 X 轴的当前刻度位置和标签。使用主题长度获取或设置 Y 轴的当前刻度位置和标签。设置… 阅读更多

使用 imshow 方法，我们可以创建一个输入 (5, 5) 数组维度的图像。之后，我们可以使用 xticks 和 yticks 方法标记轴上的刻度。步骤：返回半开区间 [5, 5) 中的随机浮点数，interpolation='nearest'。将数据显示为图像，即在 2D 常规光栅上，使用步骤 1 数据。使用 xticks 方法获取或设置 X 轴的当前刻度位置和标签。使用 yticks 方法获取或设置 Y 轴的当前刻度位置和标签。使用 plt.show() 显示图形。示例：import matplotlib.pyplot as plt import numpy as np plt.imshow(np.random.random((5, 5)), interpolation='nearest') ... 阅读更多

要获得 3D 绘图，我们可以使用 fig.add_subplot(111, projection='3d') 方法来实例化轴。之后，我们可以使用 scatter 方法在 x、y 和 z 轴上绘制不同的数据点。步骤：创建一个新图形，或激活现有图形。将 `~.axes.Axes` 添加到图形中作为子图排列的一部分，其中 nrows = 1、ncols = 1、index = 1 且 projection 为 '3d'。迭代标记、xs、ys 和 zs 列表，以创建散点。使用 set_xlabel、y_label 和 z_label 方法设置 x、y 和 z 标签。使用 plt.show() 方法绘制图形。示例：import matplotlib.pyplot as plt import ... 阅读更多

使用 plt.xticks(x, labels, rotation='vertical')，我们可以旋转刻度的标签。步骤：创建两个列表，x 和 y。使用不同城市列表创建标签。调整子图布局参数，其中 bottom = 0.15。向当前图形添加子图，其中 nrow = 1、ncols = 2 且 index = 1。使用 plt.plot() 绘制线，使用 x 和 y（步骤 1）。获取或设置 X 轴的当前刻度位置和标签。不传递任何参数即可返回当前值而无需修改它们，并使用 x 和 label 数据。设置或检索自动缩放边距，值为 0.2。设置索引为 1 的图形的标题，… 阅读更多