要填充曲线上方颜色，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，值为 1。要显示图形，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，即使用条形图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 bar_plot1 和 bar_plot2，颜色分别为红色和绿色，标签分别为 count 和 select。要启用图例，请在右上角位置使用 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

要绘制使用颜色映射的颜色直方图，我们可以使用 setp() 方法。步骤使用 numpy 创建数据点。使用 hist() 方法绘制数据（步骤 1），bins=25，rwidth=.75，...等。返回的值 n、bins 和 patches 可以帮助找到 col。获取名称为“RdYlBu”的颜色映射实例。压缩 col 和 patches。现在，使用 setp() 方法设置每个补丁的属性。要显示图形，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.random(1000) n, bins, patches = plt.hist(data, bins=25, density=True, color='red', rwidth=0.75) col = (n-n.min())/(n.max()-n.min()) cm = plt.cm.get_cmap('RdYlBu') for c, p in zip(col, ... 阅读更多

我们可以使用以下步骤将图形转换为 numpy 数组 -从目录中读取图形；将其转换为 numpy 数组。使用 imshow() 方法显示图像。使用 show() 方法显示它。示例from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True im = plt.imread("bird.jpg") print("图像的 Numpy 数组为：", im) im = plt.imshow(im) plt.show()输出当我们执行代码时，它将在绘图中显示“bird.jpg”并在控制台上显示其 numpy 数组。图像的 Numpy 数组为：[[[162 162 170] [162 162 170] [160 163 170] ... [ 97 98 92] [ 98 100 95] [ 94 96 91]] [[159 159 167] [159 159 167] [157 160 167] ... [ 94 95 89] [ 95 97 92] [ 92 94 89]] [[157 158 163] [157 158 163] [154 157 164] ... [ 93 94 89] [ 95 95 93] [ 95 95 93]] ... [[163 163 165] [163 163 165] [164 164 164] ... [187 165 151] [158 131 112] [133 105 84]] [[163 163 165] [163 163 165] [163 163 163] ... [160 134 117] [143 112 92] [127 96 75]] [[164 164 166] [163 163 165] [163 163 163] ... [145 116 98] [129 98 78] [124 92 71]]]

要调整 Seaborn 中的字体大小，我们可以采取以下步骤 -创建一个包含一些数学表达式的字典创建一个使用 Pandas 数据帧的数据帧。使用 heatmap() 方法创建热图。要调整 Seaborn 热图中的字体大小，请更改 fontsize 值。要显示图形，请使用 show() 方法。示例import numpy as np import seaborn as sns from matplotlib import pyplot as plt import pandas as pd plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True d = {    'y=1/x': [1 / i for i in range(1, 10)],    'y=x': [i for i in range(1, 10)],    'y=x^2': [i * i for i in range(1, 10)], ... 阅读更多

要使用 matplolib 在 Python 中并行绘制多个图形，我们可以采取以下步骤 -使用 numpy 创建随机数据。向当前图形添加子图，nrows=1，ncols=4，索引为 1。使用 imshow() 方法以图像形式显示数据，即在 2D 常规光栅上，cmap="Blues_r"。向当前图形添加子图，nrows=1，ncols=4，索引为 2。使用 imshow() 方法以图像形式显示数据，即在 2D 常规光栅上，cmap="Accent_r"。向当前图形添加子图，nrows=1，ncols=4，索引为 3。使用 imshow() 方法以图像形式显示数据，即在 2D 常规光栅上，cmap="terrain_r"添加子图 ... 阅读更多

要提取 CSV 文件以供 Python 中特定列的列表使用，我们可以使用 Pandas read_csv() 方法。步骤列出要提取的列。使用 read_csv() 方法将 CSV 文件数据提取到数据帧中。打印提取的数据。使用 plot() 方法绘制数据帧。要显示图形，请使用 show() 方法。示例import pandas as pd from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True columns = ["Name", "Marks"] df = pd.read_csv("input.csv", usecols=columns) print("csv 文件中的内容：", df) plt.plot(df.Name, df.Marks) plt.show()输出阅读更多

要使用 matplotlib 在对数-对数图上显示所有刻度上的对数间隔网格线，我们可以采取以下步骤 -使用 numpy 创建 x 和 y 的数据点。使用 loglog 方法，制作一个在 X 轴和 Y 轴上都具有对数缩放的绘图。使用 grid() 方法，以当前线型布置网格。提供 x 和 y 位置的列表。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.arange(0, 10, 1) y = np.exp(x) plt.loglog(x, y, c='r') plt.grid(True, which="both", axis='x') plt.show()输出阅读更多

为了在 Seaborn 热力图上设置颜色条的值，我们可以按照以下步骤操作：使用 numpy 创建随机数据。使用 heatmap() 方法将矩形数据绘制为颜色编码矩阵。要显示图形，请使用 show() 方法。示例import numpy as np import seaborn as sns 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) ax = sns.heatmap(data, vmax=1) plt.show()输出

为了在 Matplotlib 的 3D 图中绘制箭头向量，我们可以采取以下步骤：创建一个二维数组，其中 x、y、z、u、v 和 w 分别是箭头位置的坐标和箭头向量方向的分量。使用 figure() 方法创建一个新图形或激活一个现有的图形。使用 add_subplot() 方法将一个 '~.axes.Axes' 添加到图形中作为子图布局的一部分。使用 quiver() 方法绘制一个 3D 箭头的场。使用 ylim、xlim、zlim 限制坐标轴的范围。设置图形的标题。要显示图形，请使用 show() 方法。示例import matplotlib.pyplot as plt import numpy as np plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = ... 阅读更多