要在 matplotlib 中为等高线图创建图例，我们可以采取以下步骤：创建用于绘制等高线函数的 x、y 和 z 数据点。要创建 3D 填充等高线图，我们可以使用 contourf() 方法以及 x、y、z 和不同的级别。使用返回的等高线签名集合创建一个矩形列表并设置面颜色。现在，使用代理（步骤 3）和不同的标签在图中放置图例。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 x, y = np.meshgrid(np.arange(10), np.arange(10)) ... 阅读更多

要在 matplotlib 中更改图例中字体的文本颜色，我们可以采取以下步骤：使用 numpy 创建 x 和 y 数据点。使用 plot() 方法绘制 x 和 y，其中线条颜色为红色，标签为“y=exp(x)”。要放置图例，请使用 legend() 方法以及图例的位置，并将返回值存储起来以设置文本的颜色。要设置文本的颜色，请使用 set_color() 方法以及绿色。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 x = ... 阅读更多

要绘制标记大小递增的散点图，我们可以采取以下步骤：步骤 创建 x 和 y 数据点。为了获得标记大小递增的效果，创建一个数字列表。使用 scatter 方法绘制散点图。要显示图形，请使用 show() 方法。示例 from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True x = [0, 2, 4, 6, 8, 10] y = [0] * len(x) s = [10 * 4 ** n for n in range(len(x))] plt.scatter(x, y, s=s, c='red') plt.show() 输出

要只绘制表格，我们可以采取以下步骤：使用 subplots 创建 fig 和 axs。创建一个图形和一组子图。为 10 行 3 列创建随机数据。为列名创建一个元组。axis('tight') - 设置限制，足够大以显示所有数据，然后禁用进一步的自动缩放。axis('off') - 关闭坐标轴线和标签。与 ''False'' 相同。要向坐标轴添加表格，请使用 table() 实例，以及列文本、列标签、列和 location=center。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"] ... 阅读更多

要向分布图添加垂直线，我们可以采取以下步骤：创建一个数字列表。使用 sns.displot() 创建一个坐标轴。获取坐标轴 ax 的 x 和 y 数据。在图上绘制垂直线。删除第 0 个索引处的线。要显示图形，请使用 show() 方法。示例 import seaborn as sns, numpy as np import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True x = [5, 6, 7, 2, 3, 4, 1, 8, 2] ax = sns.distplot(x, kde=True) x = ax.lines[0].get_xdata() y = ax.lines[0].get_ydata() plt.axvline(x[np.argmax(y)], color='red') ax.lines[0].remove() plt.show() 输出 阅读更多

要获取图形的坐标轴列表，我们首先创建一个图形，然后使用 get_axes() 方法获取坐标轴并设置这些坐标轴的标签。使用 numpy 创建 xs 和 ys，使用 figure() 方法创建 fig。创建一个新图形，或激活现有图形。使用 add_subplot() 方法。将“~.axes.Axes”作为子图排列的一部分添加到图形中，其中 nrows=1、ncols=1 和 index=1。获取 fig 的坐标轴，并设置 xlabel 和 ylabel。使用红色绘制 x 和 y 数据点。要显示图形，请使用 show() 方法。示例 import numpy as np from matplotlib ... 阅读更多

要在 matplotlib 中绘制具有代表原始数据的颜色条的对数归一化 imshow() 图，我们可以采取以下步骤：使用 numpy 创建一个 2D 数组。使用 imshow() 方法将数据显示为图像，即在 2D 常规栅格上。使用 imshow() 方法为 ScalarMappable 实例 *mappable* 创建颜色条。要显示图形，请使用 show() 方法。示例 import numpy as np from matplotlib import pyplot as plt, cm from matplotlib import colors plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True data = np.random.rand(4, 4) im = plt.imshow(data, cmap=cm.rainbow, norm=colors.LogNorm()) plt.colorbar(im) plt.show() 输出 阅读更多

要绘制 Python 中的圆形（极坐标）直方图，我们可以采取以下步骤：使用 numpy 创建 theta、radii 和 width 数据点。向当前图形添加子图，其中 projection='polar'，nrows=1，ncols=1 和 index=1。使用 bar() 方法使用 theta、radii 和 width 数据点制作条形图。在将 radii 和 bars 压缩在一起之后进行迭代，并设置条形的面颜色和 alpha 值。alpha 值越小，透明度越高。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 = 20 theta = ... 阅读更多

要在另一个 Python 图表中添加不同的图表（作为插图），我们可以采取以下步骤：使用 numpy 创建 x 和 y 数据点。使用 subplots() 方法创建一个图形和一组子图，即 fig 和 ax。要创建新的坐标轴，请将 axis 添加到现有图形（步骤 2）。在坐标轴（步骤 2）上绘制 x 和 y。在新坐标轴（步骤 3）上绘制 x 和 y。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 x = np.linspace(-1, 1, 100) y = np.sin(x) fig, ax = plt.subplots() left, bottom, width, height = [.30, 0.6, ... 阅读更多

要更改 Pandas hist 命令中绘图的顺序，我们可以采取以下步骤：使用 Pandas 创建数据框。用数据框绘制直方图。按不同顺序绘制数据框。要显示图形，请使用 show() 方法。示例from matplotlib import pyplot as plt import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame({'a': [1, 1, 1, 1, 3], 'b': [1, 1, 2, 1, 3], 'c': [2, 2, 2, 1, 3], }) df.hist() df[['c']].hist() df[['a']].hist() df[['b']].hist() plt.show()输出