要旋转每个子图的坐标轴文本，我们可以使用参数中带旋转的文本。步骤创建一个新的图形或激活一个现有的图形。使用 add_subplot() 方法将一个“~.axes.Axes”添加到图形中作为子图排列的一部分。使用 subplots_adjust() 方法调整子图布局参数。使用 suptitle() 方法向图形添加居中标题。设置轴的标题。设置绘图的 x 和 y 标签。使用一些坐标点创建轴。向图形添加一些参数（如字体大小、字体粗细）和旋转的文本。绘制一个点并使用一些文本和箭头注释该点。要显示… 阅读更多

要在 matplotlib 中分层绘制 contourf 图和 surface_plot，我们可以采取以下步骤 -使用 numpy 初始化变量 delta、xrange、yrange、x 和 y。使用 figure() 方法创建一个新的图形或激活一个现有的图形。获取当前轴，其中 projection='3d'。使用 x 和 y 数据点创建 3d 等值线图。使用 x 和 y 数据点绘制曲面。要显示图形，请使用 show() 方法。示例from matplotlib import pyplot as plt import numpy as np plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True delta = 0.025 xrange = np.arange(-5.0, 20.0, delta) yrange = np.arange(-5.0, 20.0, delta) x, y = np.meshgrid(xrange, yrange) ... 阅读更多

要在 Seaborn facetgrid 中制作热图正方形，我们可以使用带 10×10 随机数据集的 heatmap() 方法。步骤创建一个大小为 10×10 的随机数据，最小值为 -1，最大值为 10。使用带数据和颜色映射“twilight_r”的 heatmap() 方法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import numpy as np import seaborn as sn import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True data = np.random.randint(low=-1, high=10, size=(10, 10)) hm = sn.heatmap(data=data, cmap="twilight_r") plt.show()输出

要在 Python 中绘制球体表面的点，我们可以使用 plot_surface() 方法。步骤使用 figure() 方法创建一个新的图形或激活一个现有的图形。使用 3d 投影添加一组子图，使用 add_subplot() 方法。初始化一个变量 r。使用 numpy 获取球面点的 theta 值以及 x、y 和 z 数据点。使用 plot_surface() 方法绘制曲面。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"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_subplot(projection='3d') r = 0.05 u, v = np.mgrid[0:2 * np.pi:30j, 0:np.pi:20j] x = np.cos(u) * ... 阅读更多

要从 3D numpy 数组创建 3D 图，我们可以使用 numpy 创建一个 3D 数组并提取 x、y 和 z 点。使用 figure() 方法创建一个新的图形或激活一个现有的图形。使用 add_subplot() 方法将一个“~.axes.Axes”添加到图形中作为子图排列的一部分。创建一个大小为 (3, 3, 3) 的随机数据。从 3D 数组中提取 x、y 和 z 数据。在创建的轴上绘制 3D 散点图要显示图形，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 fig = plt.figure() ax ... 阅读更多

要在 Python 中使用 matplotlib 为等值线图制作动画，我们可以采取以下步骤 -创建形状为 10☓10 维度的随机数据。使用 subplots() 方法创建图形和一组子图。使用 FuncAnimation() 类重复调用函数 *func* 来制作动画。要更新函数中的等值线值，我们可以定义一个可以在 FuncAnimation() 类中使用的 animate 方法。要显示图形，请使用 show() 方法。示例import numpy as np import matplotlib.pyplot as plt import matplotlib.animation as animation plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True data = np.random.randn(800).reshape(10, 10, 8) fig, ax = plt.subplots() def animate(i): ax.clear() ax.contourf(data[:, ... 阅读更多

要定位和对齐 matplotlib 图例，我们可以采取以下步骤 -使用 plot() 方法绘制 line1 和 line2。在图形上放置图例。使用 bbox_to_anchor 设置位置并进行图例元素的水平对齐。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, 5, 1, 7], linewidth=0.7) line2, = plt.plot([5, 1, 7, 1], linewidth=2.0) plt.legend([line1, line2], ["line1", "line2"], bbox_to_anchor=(0.45, 1.0), ncol=2) plt.show()输出

要在 matplotlib 中将数字转换为颜色刻度，我们可以采取以下步骤。步骤使用 numpy 创建 x、y 和 c 数据点。将数据点转换为 Pandas 数据框。使用 subplots() 方法创建一个新的图形或激活一个现有的图形。获取热颜色映射。要线性归一化数据，我们可以使用 Normalize() 类。使用 x 和 y 数据点以及线性归一化的颜色映射绘制散点。为 x 数据点设置 xticks。要制作颜色条，请创建一个标量映射对象。使用 colorbar() 方法制作颜色条。要显示图形，请使用 show() 方法。示例from matplotlib import pyplot as plt, colors import numpy as ... 阅读更多

要从 matplotlib 图形导出 SVG 文件，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。使用 numpy 创建随机 x 和 y 数据点。使用 plot() 方法绘制 x 和 y 数据点。使用 savefig() 方法保存 .svg 格式文件。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 fig, ax = plt.subplots() x = np.random.rand(10) y = np.random.rand(10) ax.plot(x, y, ls='dotted', linewidth=2, color='red') plt.savefig("myimg.svg")输出当我们执行此代码时，它将创建一个名为“myimg.svg”的 SVG 文件，并且… 阅读更多

要使用 matplotlib 在 Python 中绘制时间序列，我们可以采取以下步骤 -使用 numpy 创建 x 和 y 点。使用 plot() 方法绘制创建的 x 和 y 点。要显示图形，请使用 show() 方法。示例import matplotlib.pyplot as plt import datetime import numpy as np plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True x = np.array([datetime.datetime(2021, 1, 1, i, 0) for i in range(24)]) y = np.random.randint(100, size=x.shape) plt.plot(x, y) plt.show()输出