要填充曲线下方的颜色，我们可以采取以下步骤：步骤初始化变量 n。使用 numpy 初始化 x 和 y 数据点。创建一个图形和一组子图，fig 和 ax。使用 plot() 方法绘制曲线。使用 fill_between() 方法填充两条曲线之间的区域，使用 -1 值。要显示图形，请使用 show() 方法。示例import numpy as np import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True n = 256 X = np.linspace(-np.pi, np.pi, n, endpoint=True) Y = np.sin(2 * X) fig, ax = plt.subplots() ax.plot(X, Y, color='blue', alpha=1.00) ax.fill_between(X, Y, 0, color='blue', alpha=.1) plt.show()输出阅读更多

要在 matplotlib 中从预先计数的数据绘制直方图，我们可以采取以下步骤：创建一个数字列表。使用输入数据创建一个预先计数的列表。使用 hist() 方法绘制一个带数据、颜色为红色且标签为数据的直方图。使用 hist() 方法绘制另一个带计数数据的直方图，颜色为默认值，标签为 counted_data。要放置图例，请使用 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 data = [1, 2, 2, 3, 4, 5, 5, 5, 5, 6, 10] counted_data = {1: 1, 2: 2, 3: 1, 4: 1, 5: 4, 6: 1, ... 阅读更多

让我们举个例子。我们创建一组数据点，以便它会生成一些警告。我们将从 -1 到 1 创建数据点 x，并尝试在该范围内查找对数，这意味着它在计算对数时会在值 0 处抛出错误。步骤创建 x 的数据点并使用 numpy 计算 log(x)。使用 plot() 方法绘制 x 和 y。使用 warnings.filterwarnings("ignore") 来抑制警告。要显示图形，请使用 show() 方法。示例import numpy as np from matplotlib import pyplot as plt import warnings plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True warnings.filterwarnings("ignore") x = np.linspace(-1, 1, 10) y ... 阅读更多

要使用 matplotlib 将一个小图像插入绘图的角落，我们可以采取以下步骤：使用 imread() 方法将图像从文件读取到数组中。使用 subplots() 方法创建图形并添加一组子图。在当前轴上绘制一条线。创建 newax（新轴）以显示图像数组（步骤 1）。关闭为图像插入创建的新轴。要显示图形，请使用 show() 方法。示例import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True im = plt.imread('bird.jpg') # 插入图像的本地路径。fig, ax = plt.subplots() ax.plot(range(10)) newax = ... 阅读更多

要在 matplotlib 中绘制仅带边框的矩形，我们可以采取以下步骤：创建一个图形和一组子图。获取当前轴，如有必要则创建一个。向当前轴添加一个补丁，即一个矩形，该矩形在步骤 2 中返回。将 facecolor 属性设置为“none”。要显示图形，请使用 show() 方法。示例from matplotlib import pyplot as plt, patches plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True figure, _ = plt.subplots() ax = plt.gca() ax.add_patch(patches.Rectangle((.25, .25), .50, .50, edgecolor='orange', facecolor='none', linewidth=2)) plt.show()输出

要在 matplotlib 中更改颜色条中刻度的颜色，我们可以采取以下步骤：使用 numpy 创建一个随机的 2D 数组，维度为 4☓4。使用 imshow() 方法将数据显示为图像。使用 colorbar() 方法和 imshow() 的标量映射实例创建颜色条。使用 getp() 方法返回对象属性的值或打印所有属性。设置艺术家对象的属性。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.random.rand(4, 4) im = plt.imshow(data, cmap="twilight_shifted_r") cbar = plt.colorbar(im) ... 阅读更多

要在 Python 中显示轴子图，我们可以使用 show() 方法。当创建多个图形时，可以使用 show() 方法显示这些图像。步骤使用 numpy 创建 x 和 y 数据点。使用 plot() 方法绘制 x 和 y。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 x = np.arange(10) y = np.exp(x) plt.plot(x, y) plt.show()输出

要在 matplotlib 中放置圆形的边框颜色和阴影图案，我们可以采取以下步骤：使用 figure() 方法创建新图形或激活现有图形。向当前轴添加一个子图方法。使用 Circle() 类创建一个圆形实例，其中包含边框的边框颜色、阴影图案和线宽。在绘图上添加一个圆形路径。要将文本放置在圆形中，请使用 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"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_subplot(111) circle = matplotlib.patches.Circle((0, 0), radius=1, edgecolor="orange", ... 阅读更多

要填充曲线上的颜色，我们可以采取以下步骤：步骤初始化变量 n。使用 numpy 初始化 x 和 y 数据点。创建一个图形和一组子图，fig 和 ax。使用 plot() 方法绘制曲线。使用 fill_between() 方法填充两条曲线之间的区域，使用 1 值。要显示图形，请使用 show() 方法。示例import numpy as np import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True n = 256 X = np.linspace(-np.pi, np.pi, n, endpoint=True) Y = np.sin(2 * X) fig, ax = plt.subplots() ax.plot(X, Y, color='blue', alpha=1.00) ax.fill_between(X, Y, 1, color='blue', alpha=.1) plt.show()输出阅读更多

要创建堆叠条形图，我们可以使用 Seaborn 的 barplot() 方法，即使用条形显示点估计和置信区间。使用 Pandas Data Frame 创建 df。使用 barplot() 方法，创建颜色为红色和绿色的 bar_plot1 和 bar_plot2，标签为 count 和 select。要启用图例，请在右上方位置使用 legend() 方法。要显示图形，请使用 show() 方法。示例import pandas import matplotlib.pylab as plt import seaborn as sns plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True df = pandas.DataFrame(dict(    number=[2, 5, 1, 6, 3],    count=[56, 21, 34, 36, 12],    select=[29, 13, 17, 21, 8] )) bar_plot1 = sns.barplot(x='number', y='count', data=df, label="count", color="red") bar_plot2 = ... 阅读更多