导入 matplotlib 时，我们导入的是其所有库，而导入 matplotlib.pyplot 只导入 pyplot 的属性。steps将matplotlib.pyplot导入为plt设置图形大小并调整子图之间及周围的留白。使用 numpy 创建 x 和 y 数据点。使用 plot() 方法绘制 x 和 y 数据点。使用 show() 方法显示图形。示例import numpy as np import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True x = np.random.rand(10) y = np.random.rand(10) plt.plot(x, y) plt.show()输出

对于 Python 中的 Seaborn，若要绘制 3 列热图，我们可以执行以下步骤：设置图形大小，并调整子图之间和周围的填充。用 3 列创建一个数据框 df。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 seaborn as sns import pandas as pd import numpy as np import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame(np.random.random((3, 3)), columns=["a", "b", "c"]) sns.heatmap(df, cbar=False) plt.show() 输出

让我们通过一个示例来了解如何在 Matplotlib 中获取与 MatLab 的 surf(x, y, z, c) 相同的效果。步骤：设置图形大小，并调整子图之间和周围的填充。创建新图形或激活现有图形。将“ax”添加到图形中作为一个子图的组成部分。使用 Numpy 创建 r、u、v、x、y 和 z 数据点。创建一个表面图。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"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_subplot(projection='3d') r = 0.05 u, v ... 阅读更多

要使用 matplotlib 并排绘制两个直方图，我们可以执行以下步骤：设置图形大小，并调整子图之间和周围的填充。创建两个数据框，两个二维、可变大小的、可能不同的表格数据 df1 和 df2。创建一个图形和一组子图。绘制 DataFrame df1 和 df2 的直方图。要显示图形，请使用 show() 方法。示例 from matplotlib import pyplot as plt import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df1 = pd.DataFrame(dict(a=[1, 1, 1, 1, 3])) df2 = pd.DataFrame(dict(b=[1, 1, 2, 1, 3])) fig, axes = plt.subplots(1, 2) ... 阅读更多

要制作一个圆形的 matplotlib.pyplot.contourf，我们可以执行以下步骤：设置图形大小，并调整子图之间和周围的填充。使用 Numpy 创建 x、y、a、b 和 c 数据点。创建一个图形和一组子图。使用 contourf() 方法制作轮廓图。设置宽高比。要显示图形，请使用 show() 方法。示例 import numpy as np import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True x = np.linspace(-0.5, 0.5, 100) y = np.linspace(-0.5, 0.5, 100) a, b = np.meshgrid(x, y) c = a ** 2 + b ** 2 - 0.2 ... 阅读更多

要在 matplotlib 表格中设置列的背景色，我们可以采取以下步骤 − 设置图形大小并调整子图之间和周围的填充。为列属性创建一个元组。创建一个列表列表，即记录列表。创建一个列表列表，即每个单元格的颜色。创建一个图形和一组子图。将一张表添加到坐标轴，轴。关闭坐标轴。要显示图形，请使用 show() 方法。示例 import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True columns = ('name', 'age', 'marks', 'salary') cell_text = [["John", "23", "98", "234"], ... 阅读更多

要为 matplotlib.animation 启用 ffmpeg，我们可以采取以下步骤 − 设置图形大小并调整子图之间和周围的填充。设置 ffmpeg 目录。使用 figure() 方法创建新图形或激活现有图形。将 'ax1' 作为 subplot 排列的一部分添加到图形中。基于先前存在的坐标轴绘制分隔符。创建要绘制的随机数据，将数据显示为图像，即在 2D 规则栅格上。为 ScalarMappable 实例 cb 创建 colorbar。将标题设置为当前框架。创建 colormap 列表。通过反复调用函数 animate 制作动画。... 阅读更多

matplotlib 中的 hist() 方法返回 n、bins 和 patches。如果存在多个输入数据集，patches 是用于创建直方图或此类容器列表的单个艺术家的容器。bins 定义了范围内相等宽度的 bin 的数量。让我们举个例子来了解它是如何工作的。步骤 设置图形大小并调整子图之间和周围的填充。使用 numpy 创建随机数据点。创建一个具有 100 个 bin 的直方图。设置一个艺术家对象上的属性。要显示图形，请使用 show() 方法。示例 import numpy as np import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = ... 阅读更多

要从 matplotlib 中的一个图获取所有图例，我们可以使用 get_children() 方法获取一个坐标轴的所有属性，然后迭代所有属性。如果一个项是一个图例的实例，则获取图例文本。步骤 设置图形大小并调整子图之间和周围的填充。使用 numpy 创建 x 数据点。创建一个图形和一组子图。用不同的标签和颜色使用 plot() 方法绘制 sin(x) 和 cos(x)。获取坐标轴的子项并获取图例的文本。要显示图形，请使用 show() 方法。示例 import numpy as np from ... 阅读更多

要使用 Python Matplotlib 在满足某个条件的情况下绘制多彩线条，我们可以采用以下步骤：- 设置图形尺寸，并调整子图之间的填充和周围的填充。使用 numpy 创建 y 数据点。制作 l 和 u 数据点以区分颜色。使用 plot() 方法绘制 u 和 l 数据点，使用不同的颜色。使用 show() 方法显示图形。示例import matplotlib.pyplot as plt import numpy as np plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True y = np.sin(np.linspace(-10, 10, 100)) u = y.copy() l = y.copy() u[u = 0] = np.nan plt.plot(u, color='red') ... 阅读更多