要在 Seaborn KDE 图中找到中位数，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 创建随机数据。找到数据的中间值（步骤 2）。使用 kdeplot() 绘制阴影区域。使用 axvline() 方法绘制垂直线。要显示图形，请使用 show() 方法。示例 import numpy as np import seaborn as sns from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True data = np.random.randn(30) xmedian = np.median(data) k = sns.kdeplot(x=data, shade=True) plt.axvline(xmedian, c='red') plt.show() 输出 阅读更多

要设置 matplotlib 图形的边距，我们可以使用 margins() 方法。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 t 和 y 数据点。在索引 1 处向当前图形添加子图。使用 plot() 方法绘制 t 和 y 数据点。设置图表的标题。在索引 2 处向当前图形添加子图。使用 plot() 方法绘制 t 和 y 数据点。设置图表的标题。使用 margins(x=0, y=0) 设置图表的边距。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"] ... 阅读更多

要设置 Y 轴限制，我们可以使用 ylim() 方法并输入最大和最小限制值。步骤 设置图形大小并调整子图之间和周围的填充。为数据点创建两个列表。为 Y 轴创建最大值和最小值两个变量。使用 ylim() 方法限制 Y 轴范围。使用 bar() 方法绘制条形图。要显示图形，请使用 show() 方法。示例 from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True x = [1, 2, 3, 4, 5] y = [8, 4, 6, 1, 3] max_y_lim = max(y) + .5 min_y_lim = min(y) plt.ylim(min_y_lim, max_y_lim) plt.bar(x, y) ... 阅读更多

要提高 matplotlib 图片质量，我们可以使用更大的每英寸点数，即 dpi 值（大于 600），并且建议使用 pdf 或 .eps 格式。步骤 设置图形大小并调整子图之间和周围的填充。使用 np.array 创建 2D 数据光栅。将数据显示为图像，即在 2D 正则光栅上。使用 savefig() 保存当前图像，dpi=1200 和 .eps 格式，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"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True data = np.array( [[0.1, 0.7, 0.6, 0.3], ... 阅读更多

要通过键盘输入关闭 Python 图形，我们可以使用 plt.pause() 方法、输入和 close() 方法。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 t 和 y 数据点。使用 figure() 方法创建新图形或激活现有图形。使用 plot() 方法绘制 t 和 y 数据点。设置图表的标题。使用 draw() 方法重绘当前图形。运行一个真循环来暂停当前图形。从用户处获取输入以转到下一条语句。使用 close() 方法关闭图形。示例 import numpy as np from matplotlib import pyplot ... 阅读更多

要使用 imshow() 显示 np.array，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 np.array 创建 2D 数据光栅。将数据显示为图像，即在 2D 正则光栅上。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"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True data = np.array( [[0.1, 0.7, 0.6, 0.3], [0.2, 0.6, 0.5, 0.2], [0.8, 0.3, 0.80, 0.01], [0.3, 0.4, 0.2, 0.1]] ) plt.imshow(data, interpolation="nearest", cmap="RdYlGn_r") plt.show() 输出

要使用 Python Pandas 绘制堆叠事件持续时间，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 xmin 列表及其对应的 xmax 列表的数据框。使用 hlines() 方法绘制堆叠事件持续时间。要显示图形，请使用 show() 方法。示例 import pandas as pd from datetime import datetime as dt from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame(dict(xmin=[dt.strptime('1994-07-19', '%Y-%m-%d'), dt.strptime('2006-03-16', '%Y-%m-%d'), dt.strptime('1980-10-31', '%Y-%m-%d'), dt.strptime('1981-06-11', '%Y-%m-%d'), dt.strptime('2006-06-28', '%Y-%m-%d')], ... 阅读更多

要在 OSX 中使 matplotlib 在虚拟环境中工作，我们可以首先创建一个虚拟环境，然后激活该创建的环境。此后，在该虚拟环境中安装所有依赖项。步骤 打开 ubuntu 终端。apt-get install python-venv python -m venv source /bin/activate

要使用 matplotlib 用 A、B 和 C 注释图形中的子图，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。创建一个图形和一组子图，nrows=1 和 ncols=3。创建一个数组的一维迭代器。迭代每个轴并将数据显示为图像。在循环本身中，放置文本 A、B 和 C。要显示图形，请使用 show() 方法。示例 import numpy as np from matplotlib import pyplot as plt import string plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True fig, axs = plt.subplots(1, 3) axs = axs.flat for index, ax ... 阅读更多

要连接 3D 散点图上的两点，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 figure() 方法创建新图形或激活现有图形。将轴添加到当前图形作为子图排列。为 x、y 和 z 创建列表。使用 scatter() 方法绘制 x、y 和 z 数据点。要连接这些点，请使用 plot() 方法以及 x、y 和 z 数据点和黑色线条。要显示图形，请使用 show() 方法。示例 from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True fig = ... 阅读更多