要使用颜色条在 Python 中绘制二维矩阵，我们可以使用 numpy 创建一个二维数组矩阵，然后在 imshow() 方法中使用该矩阵。步骤：使用 numpy 创建 data2D。使用 imshow() 方法将数据显示为图像，即在二维规则光栅上。使用 colorbar() 方法和 imshow() 标量映射图像为 ScalarMappable 实例 *mappable* 创建颜色条。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 data2D = np.random.random((50, 50)) im = plt.imshow(data2D, cmap="copper_r") plt.colorbar(im) plt.show()输出阅读更多

要使用 matplotlib 更改表格的字体大小，我们可以使用 set_fontsize() 方法。步骤：创建一个图形和一组子图，nrows=1 和 ncols=1。使用 numpy 创建随机数据。创建列值。使轴紧密并关闭。初始化一个变量 fontsize 来更改字体大小。使用 set_font_size() 方法设置表格的字体大小。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 fig, axs = plt.subplots(1, 1) data = np.random.random((10, 3)) columns = ("Column I", "Column II", "Column III") axs.axis('tight') axs.axis('off') the_table = axs.table(cellText=data, colLabels=columns, loc='center') the_table.auto_set_font_size(False) the_table.set_fontsize(10) plt.show()输出阅读更多

要将标签放置在两个刻度之间，我们可以采取以下步骤：加载一些样本数据 r。创建数组的副本，转换为指定类型。使用 subplots() 方法创建图形和一组子图。绘制日期和 r 样本数据。使用 set_major_locator() 和 set_minor_locator() 方法设置主/次刻度定位器。使用 set_major_locator() 和 set_minor_formatter() 方法设置主/次刻度格式化程序。现在，将刻度标签放在中心。要显示图形，请使用 show() 方法。示例：import numpy as np import matplotlib.cbook as cbook import matplotlib.dates as dates import matplotlib.ticker as ticker import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = ... 阅读更多

要在创建轴后更改子图大小或位置，我们可以采取以下步骤：使用 figure() 方法创建新图形或激活现有图形。使用 add_subplot() 方法将 '~.axes.Axes' 添加到图形作为子图排列的一部分。使用 GridSpec() 类进行网格布局以将子图放置在图形中。设置网格规范的位置。设置 subplotspec 实例。使用 add_subplot() 方法（带有 gridspec 实例）将 '~.axes.Axes' 添加到图形作为子图排列的一部分。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：from matplotlib import pyplot as plt from matplotlib import gridspec as ... 阅读更多

要旋转 matplotlib 标注以匹配线条，我们可以采取以下步骤：使用 figure() 方法创建新图形或激活现有图形。使用 add_subplot() 方法将 '~.axes.Axes' 添加到图形作为子图排列的一部分。初始化变量 m（斜率）和 c（截距）。使用 numpy 创建 x 和 y 数据点。计算 theta 以进行文本旋转。使用 plot() 方法和 x 和 y 绘制线条。使用 text() 方法在直线上放置文本。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 fig = plt.figure() ax ... 阅读更多

plt.figure().close(): 关闭图形窗口。close() 本身会关闭当前图形 close(h)，其中 h 是一个图形实例，会关闭该图形 close(num) 会关闭编号为 num 的图形 close(name)，其中 name 是一个字符串，会关闭具有该标签的图形 close('all') 会关闭所有图形窗口示例：from matplotlib import pyplot as plt fig = plt.figure() ax = fig.add_subplot() plt.show() plt.close()输出现在，交换代码中的语句“plt.show()”和“plt.close()”。由于绘图已被关闭，您将看不到任何绘图作为输出。

要在 matplotlib 中从图形检索颜色条实例，我们可以使用 colorbar 中的 imshow 标量映射对象来检索颜色条实例。步骤：获取具有 10×10 维数组的随机数据，数据点介于 -1 到 1 之间。使用 imshow() 方法将数据显示为图像，即在二维规则光栅上。为 ScalarMappable 实例 *mappable* 创建颜色条，使用 imshow() 对象。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.randint(-1, 1, (10, 10)) im = plt.imshow(data, interpolation="nearest") cbar = plt.colorbar(im) plt.show()输出阅读更多

要旋转每个子图的轴文本，我们可以使用参数中的带旋转的文本。步骤：创建新图形或激活现有图形。使用 add_subplot() 方法将 '~.axes.Axes' 添加到图形作为子图排列的一部分。使用 subplots_adjust() 方法调整子图布局参数。使用 suptitle() 方法向图形添加居中标题。设置轴的标题。设置绘图的 x 和 y 标签。使用一些坐标点创建轴。使用一些参数（如字体大小、字体粗细和添加旋转）向图形添加文本。绘制单个点并使用一些文本和箭头注释该点。要显示... 阅读更多

要在 matplotlib 中分层绘制 contourf 图和 surface_plot 图，我们可以采取以下步骤：使用 numpy 初始化变量 delta、xrange、yrange、x 和 y。使用 figure() 方法创建新图形或激活现有图形。获取当前轴，其中 projection='3d'。使用 x 和 y 数据点创建三维等高线图。使用 x 和 y 数据点绘制曲面。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"] = [7.00, 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) ... 阅读更多

要在 Seaborn facetgrid 中制作正方形热图，我们可以使用带 10×10 随机数据集的 heatmap() 方法。步骤：创建一个大小为 10×10 的随机数据，最小值为 -1，最大值为 10。使用 heatmap() 方法和颜色映射“twilight_r”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 sn import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True data = np.random.randint(low=-1, high=10, size=(10, 10)) hm = sn.heatmap(data=data, cmap="twilight_r") plt.show()输出