图像包含一个二维矩阵的 RGB 数据点，可以用图像的每英寸点数 [DPI] 来定义。图像的分辨率很重要，因为高分辨率图像会更加清晰。在 Matplotlib 中，我们有一个方法 `plt.savefig()` 可以确定图像以像素为单位的大小。理想情况下，它有一个 `dpi` 参数。让我们看看如何在 Matplotlib 中管理图形的分辨率。示例 import matplotlib.pyplot as plt import numpy as np # 准备直方图数据 np.random.seed(1961) nd = np.random.normal(13, 5, 1000) # 定义 ... 阅读更多

为了在绘图或图形中提供诸如阴影之类的路径效果，我们可以使用 path_effect 属性。例如，让我们看看如何在 Matplotlib 中使用 path_effect 属性向 sigmoid 函数添加阴影效果。import matplotlib.pyplot as plt import numpy as np from matplotlib.patheffects import PathPatchEffect, SimpleLineShadow, Normal 现在让我们定义图形的大小并绘制 sigmoid 函数，plt.style.use('seaborn-deep') plt.subplots(figsize=(10, 10)) 让我们定义绘图的数据点，x = np.linspace(-10, 10, 50) y = 1+ np.exp(-x)) 让我们在绘图中定义阴影属性，plt.plot(x, y, linewidth=8, color='blue', path_effects= [SimpleLineShadow(), ... 阅读更多

Matplotlib 为所有图形和绘图都有一个默认颜色循环，但是，为了绘制具有多个颜色循环的绘图，我们可以使用 Matplotlib 的 cycler 属性。它用于为轴绘制重复模式。首先，我们将使用面向对象的 API（如 pyplot）来绘制特定的可视化效果。from cycler import cycler import numpy as np from matplotlib.backends.backend_agg import FigureCanvasAgg as FigureCanvas from matplotlib.figure import Figure from IPython.core.display import display 在此示例中，我们将创建两个对象，它们将在每四个对象后重复循环。因此，在创建两个对象后，最后两个 ... 阅读更多

让我们假设我们有一些数据，我们需要处理实际时间。为了在地图上绘制时区，我们可以使用 Python 中的 `cartopy` 或 `metPy` 包。但是，我们可以使用以下命令在 Anaconda 环境中安装 `cartopy` 包：conda install -c conda-forge cartopy 或 conda install -c conda-forge metpy 现在，让我们看看如何使用 Matplotlib 在地图上绘制时区。示例 import numpy as np import cartopy.crs as ccrs import matplotlib.animation as animation import matplotlib.pyplot as plt # 定义绘图大小和轴 plt.figure(figsize=(10, 9)) ax = plt.axes(projection=ccrs.PlateCarree()) # 应用颜色 ... 阅读更多

让我们假设我们想要动画化一个本质上呈指数衰减的函数，例如 y = a(b)^x，其中 b = 生长因子，a = 初始值。指数衰减函数看起来像这样，但是，现在，我们想要动画化并绘制指数衰减的 tan 函数。首先导入库，import numpy as np import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation 定义轴，fig, a = plt.subplots() 绘制带有轴的空白图形，  xdata, ydata = [], [] line, = ax.plot(xdata, ydata) 设置网格的限制，ax.set_xlim(0, 10) ax.set_ylim(-3.0, 3.0) ax.grid()   定义函数 ... 阅读更多

让我们假设你得到一个包含各种变量和数据点的数据集，因此为了绘制给定数据点的聚类图，我们可以使用 Clustermaps 类。在这个例子中，我们将从 https://archive.ics.uci.edu/ml/datasets/wine+quality 导入葡萄酒质量数据集。import matplotlib.pyplot as plt import numpy as np import seaborn as sns sns.set(style='white') # 导入数据集 wine_quality = pd.read_csv(‘winequality-red.csv’ delimeter=‘;’) 让我们假设我们有葡萄酒质量数据集的原始数据和相关的相关矩阵数据。现在让我们绘制数据的 clustermap，row_colors = wine_quality["quality"].map(dict(zip(wine_quality["quality"].unique(), "rbg"))) g = sns.clustermap(wine_quality.drop('quality', axis=1), standard_scale=1, robust=True, row_colors=row_colors, cmap='viridis') 绘制 ... 阅读更多

要自定义绘图的颜色和颜色图，我们可以使用颜色库中的 colormap 属性。我们可以创建两种类型的颜色图：(a) 离散颜色图和 (b) 连续颜色图。我们将首先介绍如何创建离散颜色图，然后介绍连续颜色图。在这个例子中，我们将使用 `iris` 数据集创建三个绘图，第一个绘图使用默认颜色图，另外两个使用 RGB 图来创建混合颜色绘图。但是，我们可以根据簇的数量创建任意数量的颜色图。示例 import matplotlib.pyplot as plt import pandas as pd ... 阅读更多

当我们在 Matplotlib 中绘制图形时，它会在图形周围创建四个脊柱，顶部、左侧、底部和右侧。脊柱只不过是一个用网格的图形表示包围的框，它在左侧 (y) 和底部 (x) 显示一些刻度和可刻度的轴。让我们看看如何在给定的图形中自定义脊柱。我们将创建六个图形来查看并自定义其脊柱。首先导入工作簿所需的库。import numpy as np import matplotlib.pyplot as plt 让我们绘制正弦曲线图，theta = np.linspace(0, 2*np.pi, 128) y = np.sin(theta) fig = plt.figure(figsize=(8, 6)) 定义 ... 阅读更多

要在绘图或图形上创建自定义标记，我们使用一个列表，在其中编写我们想要在绘图中看到的标记。标记只不过是符号、表情符号、字符或我们想要在图形上看到的任何字符。为了创建标记，我们将首先导入所需的库。import matplotlib.pyplot as plt import numpy as np 现在，我们将在正弦曲线上创建一个标记。让我们创建一个大小为 (12, 6) 的网格，x = np.arange(1, 2.6, 0.1) y = np.sin(2 * np.pi * x) plt.subplots(figsize=(12, 6)) 在这里我们将创建 ... 阅读更多

在网格中对齐多个绘图可能会非常混乱，并可能产生多个问题，例如较大的宽度和高度，或者为了对齐所有绘图而设置的最小宽度。为了在网格中对齐所有绘图，我们使用 GridSpec 类。假设我们有一个条形图，并且我们想在这个示例中对齐绘图的对称性。首先导入所有必要的库并在两个网格中绘制一些图形。然后，我们将在第一个网格上绘制一个常数误差条和一个对称和不对称误差条。在第二个…… 阅读更多