当我们导入 matplotlib 时，我们正在导入其所有库，而导入 matplotlib.pyplot 仅导入 pyplot 的属性。步骤导入 matplotlib.pyplot 为 plt设置图形大小并调整子图之间和周围的填充。使用 numpy 创建 x 和 y 数据点。使用 plot() 方法绘制 x 和 y 数据点。要显示图形，请使用 show() 方法。示例导入 numpy 为 np 导入 matplotlib.pyplot 为 plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True x = np.random.rand(10) y = np.random.rand(10) plt.plot(x, y) plt.show()输出

要使用 Seaborn 在 Python 中绘制三列的热图，我们可以采取以下步骤 -设置图形大小并调整子图之间和周围的填充。创建一个包含 3 列的数据框 df。将矩形数据绘制为颜色编码矩阵。要显示图形，请使用 show() 方法。示例导入 seaborn 为 sns 导入 pandas 为 pd 导入 numpy 为 np 导入 matplotlib.pyplot 为 plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame(np.random.random((3, 3)), columns=["a", "b", "c"]) sns.heatmap(df, cbar=False) plt.show()输出

让我们举个例子看看如何在 Matplotlib 中获得与 MatLab 的 surf(x, y, z, c) 相同的效果。步骤 -设置图形大小并调整子图之间和周围的填充。创建新图形或激活现有图形。将“ax”作为子图排列的一部分添加到图形中。使用 Numpy 创建 r、u、v、x、y 和 z 数据点。创建表面图。要显示图形，请使用 show() 方法。示例导入 matplotlib.pyplot 为 plt 导入 numpy 为 np plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_subplot(projection='3d') r = 0.05 u, v ... 阅读更多

要使用 matplotlib 并排绘制两个直方图，我们可以采取以下步骤 -设置图形大小并调整子图之间和周围的填充。创建两个二维、大小可变、可能异构的表格数据数据框 df1 和 df2。创建图形和一组子图。创建 DataFrame df1 和 df2 的直方图。要显示图形，请使用 show() 方法。示例从 matplotlib 导入 pyplot 为 plt 导入 pandas 为 pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df1 = pd.DataFrame(dict(a=[1, 1, 1, 1, 3])) df2 = pd.DataFrame(dict(b=[1, 1, 2, 1, 3])) fig, axes = plt.subplots(1, 2) ... 阅读更多

要制作圆形 matplotlib.pyplot.contourf，我们可以采取以下步骤 -设置图形大小并调整子图之间和周围的填充。使用 Numpy 创建 x、y、a、b 和 c 数据点。创建图形和一组子图。使用 contourf() 方法制作等值线图。设置纵横比。要显示图形，请使用 show() 方法。示例导入 numpy 为 np 导入 matplotlib.pyplot 为 plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True x = np.linspace(-0.5, 0.5, 100) y = np.linspace(-0.5, 0.5, 100) a, b = np.meshgrid(x, y) c = a ** 2 + b ** 2 - 0.2 ... 阅读更多

要设置 matplotlib 表格中一列的背景颜色，我们可以采取以下步骤 -设置图形大小并调整子图之间和周围的填充。为 columns 属性创建一个元组。创建一个列表的列表，即记录列表。创建一个列表的列表，即每个单元格的颜色。创建图形和一组子图。向 axes ax 添加表格。关闭轴。要显示图形，请使用 show() 方法。示例导入 matplotlib.pyplot 为 plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True columns = ('name', 'age', 'marks', 'salary') cell_text = [["John", "23", "98", "234"], ... 阅读更多

要为 matplotlib.animation 启用 ffmpeg，我们可以采取以下步骤 -设置图形大小并调整子图之间和周围的填充。设置 ffmpeg 目录。使用 figure() 方法创建新图形或激活现有图形。将“ax1”作为子图排列的一部分添加到图形中。根据预先存在的轴绘制分隔符。创建要绘制的随机数据，以将数据显示为图像，即在二维规则光栅上。为 ScalarMappable 实例 cb 创建颜色条。将标题设置为当前帧。创建一个颜色图列表。通过重复调用函数 animate 创建动画。该 ... 阅读更多

matplotlib 中的 hist() 方法返回 n、bins 和 patches。Patches 是用于创建直方图的各个艺术家的容器，如果有多个输入数据集，则为这些容器的列表。Bins 定义范围内的等宽箱数。让我们举个例子来了解它是如何工作的。步骤设置图形大小并调整子图之间和周围的填充。使用 numpy 创建随机数据点。创建具有 100 个箱的直方图。在艺术家对象上设置属性。要显示图形，请使用 show() 方法。示例导入 numpy 为 np 导入 matplotlib.pyplot 为 plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = ... 阅读更多

要获取 matplotlib 中绘图中的所有图例，我们可以使用 get_children() 方法获取轴的所有属性，然后迭代所有属性。如果某个项目是图例的实例，则获取图例文本。步骤设置图形大小并调整子图之间和周围的填充。使用 numpy 创建 x 数据点。创建图形和一组子图。使用 plot() 方法绘制 sin(x) 和 cos(x)，并使用不同的标签和颜色。获取轴的子项并获取图例的文本。要显示图形，请使用 show() 方法。示例导入 numpy 为 np 从 ... 阅读更多

为了根据 Python Matplotlib 中的条件绘制多色线条，我们可以采取以下步骤 -设置图形大小并调整子图之间和周围的填充。使用 numpy 创建 y 数据点。创建 l 和 u 数据点以区分颜色。使用 plot() 方法绘制 u 和 l 数据点，并使用不同的颜色。要显示图形，请使用 show() 方法。示例import matplotlib.pyplot as plt import numpy as np plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True y = np.sin(np.linspace(-10, 10, 100)) u = y.copy() l = y.copy() u[u = 0] = np.nan plt.plot(u, color='red') ... 阅读更多