要使两个标记在使用 Matplotlib 的图例中共享相同的标签，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。使用 numpy 创建 x 和 y 数据点。使用 plot() 方法绘制 x 和 y（作为 sin(x) 和 cos(x)）。将图例放在 location=1。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(-5, 5, 100) plt.plot(x, np.sin(x), ls="dotted", label='y=f(x)') plt.plot(x, np.cos(x), ls="-", label='y=f(x)') plt.legend(loc=1) plt.show() 输出 不建议让两个标记共享相同的标签 ... 阅读更多

要操作 Matplotlib 子图中的水平空间，我们可以在不使用紧凑绘图布局的情况下在 subplots_adjust() 方法中使用 wspace=1。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 和 y 数据点。创建一个图形和一组具有 4 个索引的子图。要调整垂直空间，可以使用 wspace=1。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, 2 * np.pi, 400) y = np.sin(x ** 2) fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2) fig.subplots_adjust(wspace=1) ... 阅读更多

要获取 Matplotlib 中的字体系列列表，我们可以采取以下步骤：迭代字体管理器 ttflist 并打印名称。迭代字体管理器 afmlist 并打印名称。示例 import matplotlib.font_manager as fm for f in fm.fontManager.ttflist: print(f.name) for f in fm.fontManager.afmlist: print(f.name) 输出 STIXNonUnicode STIXGeneral STIXSizeFiveSym cmr10 ... ... ... Nimbus Sans L Bitstream Charter Nimbus Sans L Nimbus Sans L

要将参数传递给 fig.canvas.mpl_connect('key_press_event', on_key) 中的 on_key，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。创建一个图形和一组子图。设置轴的 x 和 y 比例。将函数绑定到事件。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 fig, ax = plt.subplots() ax.set_xlim(0, 10) ax.set_ylim(0, 10) def onkey(event): if event.key.isalpha(): if event.xdata is not None and event.ydata is not None: ax.plot(event.xdata, event.ydata, 'bo-') ... 阅读更多

要自定义 seaborn 的 face grid 的注释，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。创建一个具有 col1 和 col2 列的数据框。用于绘制条件关系的多图网格。将绘图函数应用于数据的每个方面的子集。设置每个网格的标题。要显示图形，请使用 show() 方法。示例 import pandas as pd import seaborn as sns from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame({'col1': [3, 7, 8, 1], 'col2': ["three", "seven", "one", "zero"]}) g = sns.FacetGrid(data=df, col='col2', height=3.5) g.map(plt.hist, 'col1', ... 阅读更多

要操作 Matplotlib 子图中的垂直空间，我们可以在不使用紧凑绘图布局的情况下在 subplots_adjust() 方法中使用 hspace=1。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 和 y 数据点。创建一个图形和一组具有 4 个索引的子图。要调整垂直空间，可以使用 hspace=1。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, 2 * np.pi, 400) y = np.sin(x ** 2) fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2) fig.subplots_adjust(hspace=1) ... 阅读更多

要将数据值转换为 Matplotlib 的颜色信息，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。获取颜色图实例，如果 *name* 为 None，则默认为 rc 值。创建可以转换为颜色信息的值。创建随机数据点 x 和 y。使用 scatter() 方法绘制 x 和 y。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 plasma = plt.get_cmap('GnBu_r') values = np.random.rand(100) x = np.random.rand(len(values)) y = np.random.rand(len(values)) sc = plt.scatter(x, ... 阅读更多

要获得交互式绘图，我们需要激活图形。使用 plt.ioff() 和 plt.ion()，我们可以对绘图执行交互式操作。打开 Ipython shell 并输入 shell 上的以下命令。示例 In [1]: %matplotlib auto Using matplotlib backend: GTK3Agg In [2]: import matplotlib.pyplot as In [3]: fig, ax = plt.subplots() # 图表将弹出。让我们互动。 In [4]: ln, = ax.plot(range(5)) # 绘制一条线 In [5]: ln.set_color("orange") # 将绘制的线更改为橙色 In [6]: plt.ioff() # 停止交互 In [7]: ln.set_color("red") # 由于我们已停止交互 ... 阅读更多

要在 Matplotlib 子图中显示具有实际大小的不同图像，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。使用 imread() 方法读取两张图像 (im1 和 im2) 创建一个图形和一组子图。关闭两个子图的轴。使用 imshow() 方法显示 im1 和 im2 数据。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 im1 = plt.imread("bird.jpg") im2 = plt.imread("opencv-logo.png") fig, ax = plt.subplots(nrows=1, ncols=2) ax[1].axis('off') ax[1].imshow(im1, cmap='gray') ax[0].axis('off') ax[0].imshow(im2, cmap='gray') plt.show() 输出 阅读更多

要使条形图自动循环使用不同的颜色，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。为不同的颜色设置自动循环器。制作一个 Pandas 数据框来绘制条形图。使用 plot() 方法和 kind="bar" 绘制条形图。要显示图形，请使用 show() 方法。示例 import matplotlib.pyplot as plt import pandas as pd plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True plt.rc('axes', prop_cycle=(plt.cycler('color', ['r', 'g', 'b', 'y']))) df = pd.DataFrame(dict(name=["John", "Jacks", "James"], age=[23, 20, 26], marks=[88, 90, 76], salary=[90, 89, 98])) df.set_index('name').plot(kind='bar') plt.show() 输出 阅读更多