要检测一维观测数据中的异常值，我们可以采取以下步骤：创建 spread、center、flier_high 和 flier_low。使用上述数据（步骤 1），我们可以计算数据。使用 suplots() 方法创建一个图形和一组子图，即 fig1 和 ax1。设置 ax1 的标题。现在使用 boxplot() 方法和数据，制作一个箱线图。在须之外的数据被认为是异常值，并作为单个点绘制。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"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True np.random.seed(19680801) spread ... 阅读更多

要先绘制线条后绘制点，我们可以采取以下步骤：使用 numpy 创建 xpoints、y1points 和 y2points 来绘制线条。使用 plot() 方法和 x、y1 和 y2 点绘制曲线。使用 scatter 方法绘制散点。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 xpoints = np.linspace(1, 1.5, 10) y1points = np.log(xpoints) y2points = np.exp(xpoints) plt.plot(xpoints, y1points) plt.plot(xpoints, y2points) for i in xpoints:    plt.scatter(i, np.random.randint(10)) plt.show()输出阅读更多

首先，我们可以创建两个 x 和 y 列表，其中值将大于 1000。然后，我们可以使用 ax.yaxis.set_major_formatter 方法，其中可以传递 StrMethodFormatter('{x:, }') 方法和 {x:, } 格式化程序，该格式化程序有助于将给定数字集中分离出 1000 个数字。步骤创建两个包含大于 2000 的数字的列表。使用 subplots 方法创建 fig 和 ax 变量，其中默认 nrows 和 ncols 为 1，使用 subplot() 方法。使用 x 和 y（来自步骤 1）绘制线条。使用 ax.yaxis.set_major_formatter() 方法设置主刻度的格式化程序，其中 StrMethodFormatter 有助于用逗号制作 1000，即表达式 ... 阅读更多

首先，我们可以使用 scatter 方法为不同的数据点创建一个散点图，然后我们可以使用 plot 方法绘制线条。步骤使用 figure() 方法创建一个新图形，或使用给定图形大小激活现有图形 (4, 3)。使用 plt.axes() 向当前图形添加一个轴并将其设为当前轴。使用 scatter() 方法绘制散点。使用 ax.plot() 方法绘制线条。使用 plt.xlabel() 方法设置 X 轴标签。使用 plt.ylabel() 方法设置 Y 轴标签。要显示绘图，请使用 plt.show() 方法。示例 import random import matplotlib.pyplot as plt plt.figure(figsize=(4, 3)) ax = plt.axes() ax.scatter([random.randint(1, 1000) % 50 for i ... 阅读更多

首先，我们可以使用 Pandas 数据框计算输入数据的平均值和标准差。然后，我们可以使用 Matplotlib 绘制数据。步骤创建一个列表并将其存储在数据中。使用 Pandas，使用数据 (步骤 1)、平均值和标准差创建一个数据框。使用数据框绘制。要显示图形，请使用 plt.show() 方法。示例 import pandas as pd from matplotlib import pyplot as plt data = [-5, 1, 8, 7, 2] df = pd.DataFrame({       'data': data,       'mean': [2.6 for i in range(len(data))],       'std': [4.673328578 for i in range(len(data))]}) df.plot() plt.show()输出

Matplotlib 可以自动换行文本，但如果文本太长，文本仍然会稍微显示在轴边界之外。步骤使用 figure() 创建一个新图形或激活现有图形。使用 plt.axis() 方法设置轴属性。创建一个 input_text 变量来存储字符串。使用 plt.text() 方法向图形添加文本，其中 style='oblique'，ha='center'，va='top'，…等等。要显示图形，请使用 plt.show() 方法。示例 import matplotlib.pyplot as plt fig = plt.figure() plt.axis([0, 10, 0, 10]) input_text = 'Matplotlib is a plotting library for the Python programming language and its numerical mathematics extension NumPy.' plt.text(5, 5, input_text, fontsize=10, style='oblique', ha='center', va='top', ... 阅读更多

首先，我们可以使用 plt.bar 创建条形图并使用 xticks。然后，我们可以在“rotation”键中设置“vertical”或“horizontal”属性来对齐标签。步骤创建带有数字的列表 bars_heights 和 bars_label。使用 bar() 方法和 bars_heights 和 bars_label 的长度制作条形图。使用带有 rotation='vertical' 和 bars_label 的 xticks() 获取或设置 X 轴的当前刻度位置和标签。要显示绘图，请使用 plt.show() 方法。示例 from matplotlib import pyplot as plt bars_heights = [14, 8, 10] bars_label = ["A label", "B label", "C label"] plt.bar(range(len(bars_label)), bars_heights) plt.xticks(range(len(bars_label)), bars_label, rotation='vertical') plt.show()输出阅读更多

通过在轴上创建一个 3D 投影并使用 view_init() 迭代该轴的不同角度，我们可以旋转输出图。步骤创建一个新图形或激活现有图形。向图形添加一个`~.axes.Axes`，作为子图排列的一部分，nrow = 1，ncols = 1，index = 1，projection = '3d'。使用 get_test_data 方法返回具有测试数据集的元组 X、Y、Z。使用测试数据 x、y 和 z 绘制 3D 线框图。为了使其可旋转，我们可以使用 view_init() 设置轴的仰角和方位角（以度为单位，而不是弧度）… 阅读更多

只需使用 plt.ylabel(rotation='horizontal')，我们就可以根据我们的要求对齐标签。步骤使用 [0, 5] 和 [0, 5] 列表绘制线条。使用 ylabel 方法并传递 rotation='horizontal' 来设置 Y 轴的 y 标签。使用 xlabel 方法设置 X 轴的 x 标签。要显示绘图，请使用 plt.show() 方法。示例 from matplotlib import pyplot as plt plt.plot([0, 5], [0, 5]) plt.ylabel("Y-axis ", rotation='horizontal') plt.xlabel("X-axis ") plt.show()输出

使用 figure() 的 figsize 属性，我们可以更改图形大小。要更改图形的格式，我们可以使用 savefig 方法。步骤将图形大小存储在变量中。使用给定的图形大小创建一个新图形或激活现有图形。使用 x 绘制线条。使用其大小设置图像标题。使用 savefig() 方法保存图形。示例 from matplotlib import pyplot as plt figure_size = (10, 10) plt.figure(figsize=figure_size) x = [1, 2, 3] plt.plot(x, x) plt.title("Figure dimension is: {}".format(figure_size)) plt.savefig("imgae.png", format="png")输出