首先，我们将使用 mplPath.Path 方法创建一个多边形，并使用 poly_path.contains_point 方法检查给定点是否在多边形内。步骤创建点列表以构成多边形。使用 mplPath.Path() 创建一个具有给定顶点和代码的新路径。使用 contains_point() 方法检查点 (200, 100) 是否存在于多边形中。返回 (闭合) 路径是否包含给定点。=> True使用 contains_point() 方法检查点 (1200, 1000) 是否存在于多边形中。返回 (闭合) 路径是否包含给定点。=> False示例import matplotlib.path as mplPath import ... 阅读更多

使用 subplot 方法，我们可以配置行数和列数。nrows*nclos 将创建绘制图形的位置数量。步骤行数 = 2，列数 = 1，因此总位置数为：2*1 = 2。向当前图形添加子图，nrow = 2，ncols = 1，index = 1。向当前图形添加子图，nrow = 2，ncols = 1，index = 2。使用 plt.show()，我们可以显示图形。示例from matplotlib import pyplot as plt row_count = 2 col_count = 1 index1 = 1 # 子图数量为：row*col，index 是位置 ... 阅读更多

我们可以使用 atplotlib.rcParams['backend'] 变量覆盖后端值。步骤使用 get_backend() 方法返回当前后端名称，即默认名称。现在覆盖后端名称。使用 get_backend() 方法返回当前后端名称，即更新后的名称。示例import matplotlib print("之前，matplotlib 使用的后端是：", matplotlib.get_backend()) matplotlib.rcParams['backend'] = 'TkAgg' print("之后，matplotlib 使用的后端是：", matplotlib.get_backend())输出之前，matplotlib 使用的后端是：GTK3Agg 之后，matplotlib 使用的后端是：TkAgg 输入条形图数量：5

要创建自定义颜色，我们可以创建一个十六进制字符串。从中，我们可以创建不同的颜色表示集，并将它们传递到 scatter 方法以获得所需的输出。使用 set_color 方法，我们可以设置条形图的颜色。步骤获取用户输入的条形图数量。使用 plt.bar() 方法添加条形图。通过选择随机字符从十六进制字母创建颜色。使用 set_color() 方法为每个条形图设置颜色。要显示图形，我们可以使用 plt.show() 方法。示例from matplotlib import pyplot as plt import random bar_count = int(input("输入条形图数量：")) bars = plt.bar([i for ... 阅读更多

要创建自定义颜色，我们可以创建一个十六进制字符串。从中，我们可以创建不同的颜色表示集，并将它们传递到 scatter 方法以获得所需的输出。步骤从用户处获取颜色数量的输入，即 number_of_colors = 20。使用十六进制字母获取颜色。通过从步骤 2 数据中选择随机字符创建颜色 (步骤 3)。使用步骤 3 的颜色绘制步骤 1 输入数据的散点图。要显示图形，请使用 plt.show() 方法。示例import matplotlib.pyplot as plt import random number_of_colors = int(input("请输入颜色数量：")) hexadecimal_alphabets ... 阅读更多

首先，我们可以初始化一个数组矩阵并将其传递给 imshow 方法，这可以帮助获取给定矩阵的图像。步骤创建一个 2D 数组，即 img。使用 imshow() 方法将数据显示为图像，即在 2D 正则光栅上。使用 plt.show() 方法显示图形。示例import matplotlib.pyplot as plt img = [[1, 2, 4, 5, 6, 7],       [11, 12, 14, 15, 16, 17],       [101, 12, 41, 51, 61, 71],       [111, 121, 141, 151, 161, 171]] plt.imshow(img, extent=[0, 5, 0, 5]) plt.show()输出

使用 plt.subplots(1, 1) 方法，我们可以创建 fig 和 axis。我们可以使用 fig.colorbar 在图形的中点创建颜色条。步骤使用 mgrid() 方法，`nd_grid` 实例返回一个开放的多维“网格”。创建 Z1、Z2 和 Z 数据。使用 subplots 方法创建 fig 和 ax 变量，其中默认 nrows 和 ncols 为 1，使用 subplots() 方法。使用 colorbar() 方法为 ScalarMappable 实例 *mappable* 创建颜色条。使用 plt.show()，我们可以显示图形。示例import numpy as np import matplotlib.pyplot as plt import matplotlib.colors as colors N = 100 X, Y = np.mgrid[-3:3:complex(0, N), -2:2:complex(0, N)] Z1 = np.exp(-(X)**2 - ... 阅读更多

ROC - 接收者操作特征 (ROC) 曲线。使用 metrics.plot_roc_curve(clf, X_test, y_test) 方法，我们可以绘制 ROC 曲线。步骤生成一个随机的 n 类分类问题。这最初创建了关于长度为 ``2*class_sep`` 的 ``n_informative`` 维超立方体顶点的正态分布 (std=1) 的点簇，并将相同数量的簇分配给每个类。它引入了这些特征之间的相互依赖性，并向数据添加了各种类型的进一步噪声。使用 make_classification() 方法。使用 train_test_split() 方法将数组或矩阵拆分为随机训练集。使用 fit() 方法根据给定的训练数据拟合 SVM 模型。使用 plot_roc_curve() 方法绘制接收者操作特征 (ROC) 曲线。要 ... 阅读更多

%matplotlib 将返回后端值。%matplotlib auto 将返回后端名称，通过 Ipython shell。示例In [1]: %matplotlib auto输出使用 matplotlib 后端：GTK3Agg

使用 Pandas，我们可以创建一个数据框并创建一个图形和轴。之后，我们可以使用 scatter 方法绘制点。步骤创建学生列表、他们获得的分数以及每个分数的颜色编码。使用 Panda 的 DataFrame 创建一个数据框，使用步骤 1 数据。使用 subplots 方法创建 fig 和 ax 变量，其中默认 nrows 和 ncols 为 1。使用 plt.xlabel() 方法设置 X 轴标签。使用 plt.ylabel() 方法设置 Y 轴标签。具有不同标记大小和/或颜色的 *y* 相对于 *x* 的散点图。要显示图形，请使用 plt.show() 方法。示例from matplotlib import pyplot as plt import pandas as ... 阅读更多