为了在 matplotlib 的技术图纸中绘制距离箭头，我们可以使用 annotate() 方法以及箭头属性。步骤设置图形大小并调整子图之间和周围的填充。使用 axhline() 方法在轴上添加一条水平线，即 y=3.5。使用 axhline() 方法在轴上添加一条水平线，即 y=2.5。使用 annotate() 方法绘制箭头线以显示距离，并在紧接下来的语句中，再次使用 annotate() 方法显示两条水平线之间的距离。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 plt.axhline(3.5) plt.axhline(2.5) ... 阅读更多

为了在 matplotlib 中为所有子图设置相同的轴限制，我们可以使用 subplot() 方法创建 4 个子图，其中 nrows=2、ncols=2 共享 x 轴和 y 轴。步骤设置图形大小并调整子图之间和周围的填充。在索引 1 处向当前图形添加一个子图。使用 set_xlim() 和 set_ylim() 方法设置 x 轴和 y 轴的视图限制。在轴 1（步骤 2）上绘制一条线。在索引 2 处向当前图形添加一个具有相同限制（步骤 3）的子图。在轴 2 上绘制一条线。在索引 3 处向当前图形添加一个子图... 阅读更多

为了在 matplotlib 中绘制具有零值的对数刻度图，我们可以使用 xscale() 和 yscale() 方法以及名为“symlog”的类。步骤设置图形大小并调整子图之间和周围的填充。使用 plot() 方法绘制两个包含零值的列表。使用名为“symlog”的类使用 yscale() 方法。使用名为“symlog”的类使用 xscale() 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"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True plt.plot([0, 1, 2, 0, 3], [1, 0, 2, 3, 5], marker='o', linestyle='-') plt.yscale('symlog') plt.xscale('symlog') plt.show()输出

为了调整 matplotlib 中文本背景的透明度，我们可以在 bbox 字典中更改 alpha 值，其中 facecolor='red' 和 alpha='0.4'。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 和 y 数据点。使用 plot() 方法绘制 x 和 y 数据点。现在使用 text() 方法在 x=-1.0 和 y=4.0 处使用 fontdict 和 bbox 字典调整文本背景。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 x = np.linspace(-2, 2, 10) y = np.exp(x) plt.plot(x, y) plt.text(-1.0, 4.0, ... 阅读更多

为了在 Seaborn 线形图上绘制虚线，我们可以在 lineplot() 的参数中使用 linestyle="dashed"。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 和 y 数据点。使用 lineplot() 方法在参数中使用 x 和 y 数据点以及 linestyle="dashed"。要显示图形，请使用 show() 方法。示例import seaborn as sns import numpy as np from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True x = np.random.rand(10) y = np.random.rand(10) ax = sns.lineplot(x=x, y=y, linestyle="dashed") plt.show()输出阅读更多

为了在 matplotlib 的金融图表中跳过周末，我们可以迭代数据框中的时间，如果工作日是 5 或 6，则跳过绘图。步骤设置图形大小并调整子图之间和周围的填充。创建一个具有键时间的数据框。迭代数据框的索引和时间的压缩。如果迭代的时间戳的工作日是 5 或 6，则不要绘制它们。除了 5 或 6 工作日之外，绘制点。设置 Y 轴的当前刻度位置。使用网格线布局绘图。要显示图形，请使用 show() 方法。示例import pandas as pd from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.50, ... 阅读更多

我们可以使用 annotate() 方法在绘图外部放置注释。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 和 y 数据点。使用 subplots() 方法创建图形和一组子图。使用 scatter() 方法使用星形标记和铜色图绘制 x 和 y 数据点。要在绘图外部放置注释，请相应地使用 xy 坐标元组。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 x = np.random.rand(100) y = np.random.rand(100) fig, ax = plt.subplots() ax.scatter(x, y, ... 阅读更多

为了使用 matplotlib 绘制离散值的直方图，我们可以使用 hist() 方法。步骤设置图形大小并调整子图之间和周围的填充。创建一个离散值的列表。使用 hist() 方法绘制数据，其中 bins=数据长度且 edgecolor=黑色。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 data = [1, 4, 2, 3, 5, 9, 6, 7] plt.hist(data, bins=len(data), edgecolor='black') plt.show()输出

为了在 matplotlib 中仅绘制热图的上/下三角形，我们可以使用 numpy 获取掩码 2D 数组并将它们转换为图像以生成热图。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 5×5 维度的随机数据。使用 numpy.tri() 方法创建一个数组，其中在给定对角线及其下方为 1，其他位置为 0。使用掩码数组获取掩码 2D 数组数据（使用步骤 3）。使用 imshow() 方法将数据显示为图像，即在 2D 常规光栅上。要显示图形，请使用 show() 方法。示例import numpy as ... 阅读更多

为了控制 matplotlib 标记方向，我们可以使用包含边数、样式和旋转或标记方向的标记元组。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 和 y 数据点。创建一个包含 10 个不同旋转的数组。压缩 x、y 和 i。迭代它们并使用 plot() 方法以及标记元组绘制点。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 x = np.random.rand(10) y = np.random.rand(10) i = np.linspace(0, 10, 10) for x, ... 阅读更多