要创建对数直方图，我们可以在 hist() 方法的参数中使用 log=True。步骤创建数字列表。绘制密度为 True 的直方图。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 k = np.array([5, 5, 5, 5]) x, bins, p = plt.hist(np.log(k), density=True, log=True) plt.show()输出

要在 Python cv2 中读取图像，我们可以执行以下步骤-从文件加载图像。在指定的窗口中显示图像。等待按下键。销毁所有 HighGUI 窗口。示例import cv2 img = cv2.imread("baseball.png", cv2.IMREAD_COLOR) cv2.imshow("baseball", img) cv2.waitKey(0) cv2.destroyAllWindows()输出

要为一系列绘图创建标准颜色条，我们可以执行以下步骤-使用 numpy 创建随机数据。使用 subplots() 方法创建一个图形和一组子图，其中 nrows=1 和 ncols=1。将数据显示为图像。向图形添加一个轴，用于颜色条。创建一个颜色条，其中 mappable 实例是图像，cax 是颜色将绘制的位置。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"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True data = np.random.rand(4, 4) fig, ax = plt.subplots(nrows=1, ncols=1) im = ax.imshow(data) cax = fig.add_axes([0.9, 0.1, 0.03, 0.8]) fig.colorbar(im, cax=cax) ... 阅读更多

要将图形作为文件从 iPython 保存，我们可以执行以下步骤-创建一个新图形或激活现有图形。使用 add_axes() 方法向图形添加一个轴。绘制给定的列表。使用 savefig() 方法保存绘图。示例from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_axes([1, 1, 1, 1]) plt.plot([1, 2]) plt.savefig('test.png', bbox_inches='tight')输出当我们执行代码时，它将以下绘图保存为“test.png”。

要在图像背景上绘图，我们可以执行以下步骤-将图像从文件读取到数组中。创建一个图形 (fig) 并添加一组子图 (ax)，范围为 [0, 300, 0, 300]。创建一个范围 (300) 的数组 x。使用 plot() 方法绘制 x，其中 linestyle=dotted，linewidth=2，color=red。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 im = plt.imread("bird.jpg") fig, ax = plt.subplots() im = ax.imshow(im, extent=[0, 300, 0, 300]) x = np.array(range(300)) ax.plot(x, x, ls='dotted', linewidth=2, color='red') plt.show()输出阅读更多

要在 Python 中指定 Y 轴上的值，我们可以执行以下步骤-使用 numpy 创建 x 和 y 数据点。要指定轴的值，请创建一个字符列表。使用 xticks 和 yticks 方法分别使用 x 和 y 刻度数据点指定轴上的刻度。使用 plot() 方法绘制使用 x 和 y、color=red 的线。将 x 和 y 边距设为 0。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 x = np.array([0, 2, 4, 6]) y = np.array([1, 3, 5, 7]) ticks = ... 阅读更多

要将度符号插入绘图中，我们可以使用 LaTeX 表示法。步骤使用 numpy 创建 pV、nR 和 T 的数据点。使用 plot() 方法绘制 pV 和 T。使用 xlabel() 方法设置 pV 的 x 轴标签。使用 ylabel() 方法设置带度符号的温度标签。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 pV = np.array([3, 5, 1, 7, 10, 9, 4, 2]) nR = np.array([31, 15, 11, 51, 12, 71, 41, 13]) T = np.divide(pV, nR) plt.plot(pV, T, c="red") plt.xlabel("Pressure x Volume") plt.ylabel("Temperature ($^\circ$C)") plt.show()输出阅读更多

要在使用 Pandas 和 secondary_y 绘图时去除网格线，我们可以执行以下步骤-使用 DataFrame 创建一个数据帧，其中包含键 column1 和 column2。使用数据帧数据绘制数据帧。要去除网格线，请使用 grid=False。要显示图形，请使用 show() 方法。示例import pandas as pd from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True data = pd.DataFrame({"column1": [4, 6, 7, 1, 8], "column2": [1, 5, 7, 8, 1]}) data.plot(secondary_y=[5], grid=False) plt.show()输出

要获取图形的轴列表，我们首先将创建一个图形，然后使用 get_axes() 方法获取轴并设置这些轴的标签。使用 numpy 创建 xs 和 ys，并使用 figure() 方法创建 fig。创建一个新图形，或激活现有图形。使用 add_subplot() 方法。将“~.axes.Axes”作为子图布置的一部分添加到图形中，其中 nrows=1、ncols=1 和 index=1。。获取 fig 的轴，并设置 x 轴标签和 y 轴标签。使用红色绘制 x 和 y 数据点。要显示图形，请使用 show() 方法。示例import numpy as np from matplotlib ... 阅读更多

要在 Python 中绘制圆形（极坐标）直方图，我们可以执行以下步骤-使用 numpy 创建 theta、radii 和 width 的数据点。向当前图形添加一个子图，其中 projection='polar'，nrows=1，ncols=1 和 index=1。。使用 bar() 方法制作条形图，其中包含 theta、radii 和 width 数据点迭代 radii 和 bars 在将它们一起压缩后，并设置条形的面颜色和 alpha 值。alpha 值越小，透明度越大。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"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True N = 20 theta = ... 阅读更多