子图可以将图形分成 nrow*ncols 个部分，而 plt.xticks 可以帮助绘制子图的 xticks。步骤创建两条线（线 1 和线 2）的列表。向当前图形添加子图，nrow = 1，ncols = 2 且索引 = 1。以虚线样式绘制线 1。设置或检索自动缩放边距 (0.2)。在偶数位置放置 xticks。设置 X 轴的标题。向当前图形添加子图，nrow = 1，ncols = 2 且索引 = 2。绘制线 2。设置或检索自动缩放边距 (0.2)。在奇数位置放置 xticks。设置 X 轴的标题。要显示图形，请使用 plt.show() 方法。示例import ... 阅读更多

我们将创建两条线，即线 1 和线 2。之后，我们将弹出第二条线并将其删除。步骤为线 1 和线 2 创建列表。使用 plot() 方法绘制线 1 和线 2，线 2 的样式为“虚线”。设置或检索自动缩放边距 (0.2)。弹出线 2，并使用 remove() 方法将其删除。最终图形将只有一条线，因此使用 plt.show() 方法。示例import matplotlib.pyplot as plt line1 = [2, 4, 8] line2 = [3, 6, 12] plt.plot(line1) line_2 = plt.plot(line2, linestyle='dashed') plt.margins(0.2) plt.title("带有额外线条") plt.show() plt.plot(line1) l = line_2.pop(0) l.remove() plt.margins(0.2) plt.title("删除了额外线条") plt.show()输入图 (在 ... 阅读更多

我们可以为颜色和值创建一个字典。如果出现相同的值，我们可以使用散点方法，如果较近的值具有相同的颜色集，则可以使绘图颜色更密集。步骤创建一个新图形，或激活现有图形。将 ~.axes.Axes 添加到图形中作为子图排列的一部分。使用 np.random.normal() 方法获取 x 和 y 值。从正态 (高斯) 分布中提取随机样本。使用红色和蓝色创建颜色列表。为了使其更密集，我们可以将相同的颜色存储在相同的值中。绘制散点，散点 ... 阅读更多

在 plt.hist() 方法中，stacked=True 可以帮助获得条形高度总和为 1。步骤创建一个数字列表。使用 plt.hist()，我们可以绘制直方图。stacked : bool，默认值：False如果“True”，则多个数据彼此堆叠如果``False``则多个数据并排排列，如果 histtype 为'bar'，则彼此堆叠，如果 histtype 为'step'。density : bool，默认值：False如果“True”，则绘制并返回概率密度：每个箱将显示箱的原始计数除以计数总数*和箱宽*。要显示图形，请使用 plt.show() 方法。示例from ... 阅读更多

首先，我们可以创建一个包含一些 np.nan 值的数组矩阵，并使用 imshow 方法为该矩阵创建图表。步骤创建一个新图形，或激活现有图形。将 `~.axes.Axes` 添加到图形中作为子图排列的一部分，nrows = 1，ncols = 1，索引 = 1。使用 np.nan 创建一个二维数组。将数据显示为图像，即在二维规则光栅上。使用 draw() 方法，该方法在给定位置绘制图形。要显示图形，请使用 plt.show() 方法。示例import numpy as np import matplotlib.pyplot as plt f = plt.figure() ax = f.add_subplot(111) a = ... 阅读更多

要获取 axes 实例，我们将使用 subplots() 方法。步骤创建一个年份列表。创建一个这些年份的人口列表。使用 np.arrange(len(years)) 方法获取标签数量。设置条形的宽度。使用 subplots() 方法创建 fig 和 ax 变量，其中默认的 nrows 和 ncols 为 1。使用 set_ylabel() 设置图形的 Y 轴标签。使用 set_title() 方法设置图形的标题。使用 set_xticks 方法设置 x 轴刻度，x 在步骤 3 中创建。使用 set_xticklabels 方法设置 xtick_labels，使用 years 数据。使用 plt.show() 方法显示图形。示例from matplotlib import pyplot as plt import numpy as np ... 阅读更多

每当创建 Y 值列表时，我们都会将这些数据集转换为一个新列表，并相应地使用给定列表的天花板和地板值。然后，我们可以为新列表数据绘制图形。步骤获取输入列表。在输入列表中找到最小值和最大值 (步骤 1)。在最小值和最大值之间创建一个范围 (步骤 2)。使用新列表获取或设置 Y 轴的当前刻度位置和标签。使用 plt.xlabel() 方法设置 X 轴标签。使用 plt.ylabel() 方法设置 Y 轴标签。设置轴的标题。要显示图形，我们可以使用 ... 阅读更多

pylab 是一个模块，它在一个命名空间中导入 matplotlib.pyplot（用于绘图）和 numpy（用于数学和数组操作）。虽然许多示例使用 pylab，但它不再推荐。对于非交互式绘图，建议使用 pyplot 创建图形，然后使用 OO 接口进行绘图。示例import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 2, 100) plt.plot(x, x, label='linear') plt.plot(x, x**2, label='quadratic') plt.plot(x, x**3, label='cubic') plt.xlabel('x label') plt.ylabel('y label') plt.title("简单绘图") plt.legend() plt.show()输出

使用 plt.figure() 方法，我们可以创建一个图形，然后我们可以创建一个轴。使用 set_xticks 和 set_yticks，我们可以更改刻度格式，ax.grid 可以帮助指定网格间隔。步骤使用 fig = plt.figure() 方法创建一个新图形或激活现有图形。将 `~.axes.Axes` 添加到图形中作为子图排列的一部分，其中 nrow = 1，ncols = 1 且索引 = 1。获取或设置 X 轴的当前刻度位置和标签。获取或设置 X 轴的当前刻度位置和标签。使用 minor = True，Grid。获取或设置当前 ... 阅读更多

要获得线性回归图，我们可以使用 sklearn 的 Linear Regression 类，此外，我们还可以绘制散点。步骤使用 np.random.random((20, 1)) 获取 x 数据。在半开区间 [20, 1) 中返回随机浮点数。使用 np.random.normal() 方法获取 y 数据。从正态 (高斯) 分布中提取随机样本。获取普通最小二乘线性回归，即模型。拟合线性模型。使用 linspace() 方法返回指定区间内的等距数字。使用 predict() 方法使用线性模型进行预测。创建一个新图形或激活现有图形，并使用给定的 figsize 元组 (4, 3)。向当前图形添加一个轴，并将其设为 ... 阅读更多