要在 matplotlib 中切换坐标轴，我们可以创建一个图形并使用 subplots() 方法添加两个子图。绘制曲线，提取 x 和 y 数据，并将这些数据设置在第二个绘制的曲线上。步骤使用 numpy 创建 x 和 y 数据点。创建一个图形并添加一组两个子图。在两个坐标轴上设置图表的标题。使用 plot() 方法绘制 x 和 y 数据点。使用 get_xdata 和 get_ydata 提取 x 和 y 数据点。要切换图表的坐标轴，请将坐标轴 1 曲线的 x_data 和 y_data 设置为坐标轴 2 曲线。调整子图之间和周围的填充。要显示… 阅读更多

要在 matplotlib 中将文本放置在圆圈内，我们可以采取以下步骤 - 使用 figure() 方法创建一个新图形或激活一个现有图形。向当前轴添加一个子图方法。使用 Circle() 类创建一个 Circle 实例。在图上添加一个圆形路径。要将文本放置在圆圈中，我们可以使用 text() 方法。使用 xlim() 和 ylim() 方法缩放 x 和 y 轴。要显示图形，请使用 show() 方法。示例import matplotlib from matplotlib import pyplot as plt, patches plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_subplot(111) circle = matplotlib.patches.Circle((0, 0), radius=1, color='yellow') ax.add_patch(circle) plt.text(-.25, 0, "This is a Circle") plt.xlim([-4, 4]) plt.ylim([-4, 4]) plt.axis('equal') ... 阅读更多

要在 Python 中重塑 networkx 图，我们可以采取以下步骤 - 使用 Pandas 的数据框创建一个数据框。使用 from_pandas_edgelist() 方法从包含边列表的 Pandas 数据框返回一个图。使用 matplotlib 绘制图形 G。我们可以通过增加和减少“from”和“to”键的列表来重塑网络。要显示图形，请使用 show() 方法。示例import pandas as pd import networkx as nx from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame({'from': ['A', 'B', 'C', 'A'], 'to': ['D', 'A', 'E', 'C']}) G = nx.from_pandas_edgelist(df, 'from', 'to') nx.draw(G, with_labels=True, node_size=150, alpha=0.5, linewidths=40) plt.show()输出阅读更多

要将圆形放置在矩形内，我们可以采取以下步骤 - 使用 figure() 方法创建一个新图形或激活一个现有图形。向当前轴添加一个子图。创建一个矩形和一个圆形实例。向当前轴添加一个矩形补丁。向当前轴添加一个圆形补丁。使用 xlim() 和 ylim() 方法缩放 x 和 y 轴。要显示图形，请使用 show() 方法。示例import matplotlib from matplotlib import pyplot as plt, patches plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_subplot(111) rect = patches.Rectangle((2, 2), 8, 5, color='yellow') circle = patches.Circle((6, 4.5), radius=2, color='red') ax.add_patch(rect) ax.add_patch(circle) plt.xlim([-10, 10]) ... 阅读更多

要在 matplotlib 中绘制和处理 NaN 值，我们可以采取以下步骤 - 使用 numpy 创建一些 NaN 值的数据。使用 imshow() 方法将数据显示为图像，即在 2D 常规光栅上，使用颜色图和数据（来自步骤 1）。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 data = np.array([[1., 1.2, 0.89, np.NAN],    [1.2, np.NAN, 1.89, 2.09],    [.78, .67, np.NAN, 1.78],    [np.NAN, 1.56, 1.89, 2.78]] ) plt.imshow(data, cmap="gist_rainbow_r") plt.show()输出

要在 iPython 中内联显示与 matplotlib 图表交错的打印语句，我们可以采取以下步骤。步骤从 matplotlib 导入 pyplot。为直方图创建数据列表。初始化一个变量“i”以在打印语句中使用。迭代数据列表（步骤 2）。使用 subplots() 方法创建一个图形和一组子图。放置打印语句。使用 hist() 方法绘制直方图。将“i”增加 1。示例In [1]: from matplotlib import pyplot as plt In [2]: myData = [[7, 8, 1], [2, 5, 2]] In [3]: i = 0 In [4]: for data in myData:    ...: fig, ax = plt.subplots()    ...: print("data number i =", ... 阅读更多

要移除 matplotlib 坐标轴的相对偏移，我们可以采取以下步骤 - 使用两个输入列表绘制一条线。使用 gca() 方法获取当前轴，然后返回 X 轴实例。获取主刻度的格式化程序。要移除相对偏移，请使用 set_useOffset(False) 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"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True plt.plot([10, 101, 1001], [1, 2, 3]) plt.gca().get_xaxis().get_major_formatter().set_useOffset(False) plt.show()输出

要定义绘图上网格的大小，我们可以采取以下步骤 - 使用 figure() 方法创建一个新图形或激活一个现有图形。将一个轴作为子图排列的一部分添加到图形中。使用输入列表绘制曲线。将 x 和 y 边距设为 0。要设置 X 网格，我们可以传递输入刻度点。要以当前线型布局网格线，请使用 grid(True) 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"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_subplot(111) ax.plot([0, 2, 5, 8, 10, 1, 3, 14], ... 阅读更多

要获取 matplotlib 直方图函数中 bin 的信息，我们可以采取以下步骤 - 为数据和 bin 创建一个数字列表。使用 histogram() 方法计算一组数据的直方图。从直方图（步骤 2）中获取 hist 和 edges。查找直方图中的频率。使用 bin（步骤 1）和 freq（步骤 4）数据制作条形图。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 a = [-0.125, .15, 8.75, 72.5, -44.245, 88.45] bins = np.arange(-180, 181, 20) hist, edges = np.histogram(a, bins) freq = hist/float(hist.sum()) plt.bar(bins[:-1], freq, width=20, ... 阅读更多

为了调整图例标记和标签之间的间距，我们可以在 legend 方法中使用 labelspacing 参数。步骤绘制带有 label1、label2 和 label3 的线条。初始化一个 space 变量来增加或减少图例标记和标签之间的间距。在参数中使用带 labelspacing 的 legend 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"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True plt.plot([0, 1], [0, 1.0], label='Label 1') plt.plot([0, 1], [0, 1.1], label='Label 2') plt.plot([0, 1], [0, 1.2], label='Label 3') space = 2 plt.legend(labelspacing=space) plt.show()输出