要绘制多个 X 轴或 Y 轴，我们可以使用 twinx() 或 twiny() 方法，我们可以按照以下步骤操作：使用 subplots() 方法创建一个图形和一组子图。在左侧 Y 轴刻度上绘制 [1, 2, 3, 4, 5] 数据点。使用 twinx() 方法创建一个具有共享 X 轴但独立 Y 轴的 Axes 的副本，ax2。在右侧 Y 轴刻度上绘制 [11, 12, 31, 41, 15] 数据点，颜色为蓝色。使用 tight_layout() 方法调整子图之间和周围的填充。要显示图形，请使用 show() 方法。示例 import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True fig, ... 阅读更多

要在 matplotlib 中显示绘图之前获取空刻度标签，我们可以按照以下步骤操作：创建一个数据点列表。使用 subplot() 方法向当前图形添加子图。使用 set_xticks() 方法和 set_xticklabels() 方法设置刻度和刻度标签。要获取空刻度标签，请使用 get_xticklabels(which='minor')。要显示该方法，请使用 show() 方法。示例 from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True x = [1, 2, 3, 4] ax1 = plt.subplot() ax1.set_xticks(x) ax1.set_xticklabels(["one", "two", "three", "four"]) print("Empty tick labels: ", ax1.get_xticklabels(which='minor')) plt.show()输出 阅读更多

Matplotlib 不支持绘制隐式方程的功能，但是，您可以尝试一下我们在此处显示的代码。步骤使用 numpy 创建 xrange 和 yrange 数据点。使用 meshgrid() 方法从坐标向量返回坐标矩阵。从 x 和 y 创建一个方程。使用 contour() 方法和 x、y 和方程创建 3D 等高线图。要显示图形，请使用 show() 方法。示例 from matplotlib import pyplot as plt import numpy as np plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True delta = 0.025 xrange = np.arange(-5.0, 20.0, delta) yrange = np.arange(-5.0, 20.0, delta) x, y = np.meshgrid(xrange, yrange) equation = np.sin(x) - ... 阅读更多

对包含 NaN 值的图像进行高斯滤波会使矩阵的所有值都变为 NaN，从而产生一个 NaN 值矩阵。步骤创建一个图形和一组子图。创建一个在该矩阵中包含 NaN 值的矩阵。将数据显示为图像，即在二维规则光栅上显示数据。对数据应用高斯滤波器。将数据显示为图像，即在二维规则光栅上显示 gaussian_filter_data。要显示图形，请使用 show() 方法。示例 import numpy as np from matplotlib import pyplot as plt from scipy.ndimage import gaussian_filter plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True fig, axes = plt.subplots(2) data = np.array([[1., 1.2, 0.89, ... 阅读更多

要设置 matplotlib 中 3D 绘图的纵横比，我们可以按照以下步骤操作：使用 figure() 方法创建一个新图形或激活现有图形。获取当前坐标轴（如有必要，创建一个），projection='3d'。使用 numpy 创建数据点 R、Y 和 z。使用 R、Y 和 z 创建曲面图。使用 set_aspect('auto') 设置纵横比。使用 savefig() 方法保存图形。示例 from matplotlib import pyplot as plt from matplotlib import cm import numpy as np plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.gca(projection='3d') R, Y = np.meshgrid(np.arange(0, 100, 1), np.arange(0, 60, 1)) z = ... 阅读更多

要在 matplotlib 中使用自定义颜色映射将数据绘制到 imshow() 中，我们可以按照以下步骤操作：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。从颜色列表生成颜色映射对象。将数据显示为图像，即在二维规则光栅上显示。要显示图形，请使用 show() 方法。示例 from matplotlib import pyplot as plt from matplotlib.colors import ListedColormap import numpy as np plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True data = np.random.rand(5, 5) cmap = ListedColormap(['r', 'g', 'b']) plt.imshow(data, cmap=cmap) plt.show()输出 阅读更多

要关闭 Seaborn 条形图中的误差条，我们可以按照以下步骤操作：从在线存储库加载示例数据集（需要互联网）。显示带有条形的点估计和置信区间。要显示图形，请使用 show() 方法。示例 import seaborn as sns import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True df = sns.load_dataset('titanic') sns.barplot(x='class', y='age', hue='survived', data=df, ci=None) plt.show()输出

要设置颜色条中的刻度数量，我们可以按照以下步骤操作：使用 numpy 创建随机数据。将数据显示为图像，即在二维规则光栅上显示。使用 colorbar() 方法和图像标量映射对象创建一个颜色条。使用 set_ticks() 和 set_ticklabels() 方法设置颜色条的刻度和刻度标签。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 data = np.random.rand(4, 4) im = plt.imshow(data, cmap="copper") cbar = plt.colorbar(im) cbar.set_ticks([0.2, 0.4, 0.6, 0.8]) cbar.set_ticklabels(["A", "B", "C", "D"]) plt.show()输出 阅读更多

要修改 networkx 中节点的轮廓颜色，我们可以使用 set_edgecolor() 方法。步骤使用 from 和 to 键创建一个 Pandas 数据框。从包含边列表的 Pandas DataFrame 返回一个图。获取节点的位置。使用 draw_networkx_nodes() 绘制图形的节点。使用 set_edgecolor() 设置节点的轮廓颜色。要显示图形，请使用 show() 方法。示例 from networkx import * import matplotlib.pyplot as plt import pandas as pd plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame({'from': ['A', 'B', 'C', 'A'], 'to': ['D', 'A', 'E', 'C']}) G = nx.from_pandas_edgelist(df, 'from', 'to') pos = spring_layout(G) nodes = draw_networkx_nodes(G, pos) ... 阅读更多

要更改颜色条刻度的字体大小，可以按照以下步骤操作：创建一组 5×5 维度的随机数据集。将数据显示为图像，即在二维规则栅格上显示。使用标量映射对象图像创建颜色条。初始化一个变量 fontsize 来更改颜色条刻度的大小。使用 axis tick_params() 方法设置颜色条刻度的大小。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 data = np.random.rand(5, 5) im = plt.imshow(data, interpolation="nearest", cmap="copper") cbar = plt.colorbar(im) tick_font_size ... 阅读更多