精华内容
下载资源
问答
  • 【题目】matplotlib中的plt.figure()、plt.subplot()、plt.subplots()、add_subplots以及add_axes的使用 概述 本文是博文https://blog.csdn.net/m0_37362454/article/details/81511427的简要概括,具体内容请看...

    【时间】2018.11.12

    【题目】matplotlib中的plt.figure()、plt.subplot()、plt.subplots()、add_subplots以及add_axes的使用

    概述

    本文是博文https://blog.csdn.net/m0_37362454/article/details/81511427的简要概括,具体内容请看原博文。主要讲述了matplotlib中的plt.figure()、plt.subplot()、plt。subplots()\add_subplots以及add_axes的语法与使用方法。

    一.plt.figure语()---在plt中绘制一张图片

    1.1figure语法说明

    figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

    • num:图像编号或名称,数字为编号 ,字符串为名称
    • figsize:指定figure的宽和高,单位为英寸;
    • dpi参数指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80      1英寸等于2.5cm,A4纸是 21*30cm的纸张 
    • facecolor:背景颜色
    • edgecolor:边框颜色
    • frameon:是否显示边框

    1.2例子

    【代码】:

    import matplotlib.pyplot as plt
    fig=plt.figure(figsize=(4,3),facecolor='blue')
    plt.show()

    【运行结果】:

    2.subplot--创建单个子图

    2.1.subplot语法

    subplot(nrows,ncols,sharex,sharey,subplot_kw,**fig_kw)

    2.2例子

    【代码】

    import numpy as np
    import matplotlib.pyplot as plt
    x = np.arange(0, 100)
    
    plt.subplot(221)
    plt.plot(x, x)
    #作图2
    plt.subplot(222)
    plt.plot(x, -x)
    #作图3
    plt.subplot(223)
    plt.plot(x, x ** 2)
    plt.grid(color='r', linestyle='--', linewidth=1,alpha=0.3)
    #作图4
    plt.subplot(224)
    plt.plot(x, np.log(x))
    plt.show()

    【运行结果】

    三.subplots--创建多个子图

    3.1subplots语法

    subplots参数与subplots相似。两者都可以规划figure划分为n个子图,但每条subplot命令只会创建一个子图,而一条subplots就可以将所有子图创建好。

    3.例子

    【代码】

    import numpy as np
    import matplotlib.pyplot as plt
    
    x = np.arange(0, 100)
    #划分子图
    fig,axes=plt.subplots(2,2)
    ax1=axes[0,0]
    ax2=axes[0,1]
    ax3=axes[1,0]
    ax4=axes[1,1]
    
    #作图1
    ax1.plot(x, x)
    #作图2
    ax2.plot(x, -x)
    #作图3
    ax3.plot(x, x ** 2)
    ax3.grid(color='r', linestyle='--', linewidth=1,alpha=0.3)
    #作图4
    ax4.plot(x, np.log(x))
    plt.show()
    

    【运行结果】

    四、add_subplot方法----给figure新增子图

    4.1语法

    add_subplot()的作用与subplot一样,用于新增子图。具体如下:

    #新建figure对象
    fig=plt.figure()
    #新建子图1,(2,2,1)表示创建2x2子图中的第一个
    ax1=fig.add_subplot(2,2,1)     

    4.2 例子

    【代码】

    import numpy as np
    import matplotlib.pyplot as plt
    x = np.arange(0, 100)
    #新建figure对象
    fig=plt.figure()
    #新建子图1
    ax1=fig.add_subplot(2,2,1)
    ax1.plot(x, x)
    #新建子图2
    ax3=fig.add_subplot(2,2,2)
    ax3.plot(x, x ** 2)
    ax3.grid(color='r', linestyle='--', linewidth=1,alpha=0.3)
    #新建子图3
    ax4=fig.add_subplot(2,2,3)
    ax4.plot(x, np.log(x))
    plt.show()
    

     

    【运行结果】

    五、add_axes方法----新增子区域

    5.1语法

    add_axes为新增子区域,该区域可以坐落在figure内任意位置,且该区域可任意设置大小。具体如下:

     fig.add_axes([left, bottom, width, height])

    其中left, bottom表示左边以及下边的起始位置,width, heigh表示宽高占原fig的比例。比如:

    left, bottom, width, height = 0.1, 0.1, 0.8, 0.8 表示子区域从figure 10%的位置开始绘制, 宽高是figure的80%

    5.2例子

    【代码】:

    
    import matplotlib.pyplot as plt
    
    #新建figure
    fig = plt.figure()
    # 定义数据
    x = [1, 2, 3, 4, 5, 6, 7]
    y = [1, 3, 4, 2, 5, 8, 6]
    #新建区域ax1
    #figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80%
    left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
    # 获得绘制的句柄
    ax1 = fig.add_axes([left, bottom, width, height])
    ax1.plot(x, y, 'r')
    ax1.set_title('area1')
    
    #新增区域ax2,嵌套在ax1内
    left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
    # 获得绘制的句柄
    ax2 = fig.add_axes([left, bottom, width, height])
    ax2.plot(x,y, 'b')
    ax2.set_title('area2')
    plt.show()
    

    【运行结果】

     

     

     

    展开全文
  • PLT转PDF的小软件

    2015-08-08 14:18:57
    PLT文件批量转为PDF文件。 同时可以作为PLT文件查看器,经常打印出版电子图的童鞋必备
  • 柱状图plt.bar 同一柱状图堆叠显示plt.pivot()+plt.bar(bottom=) 对于不同季度,不同产品的质量评价显示,先将使用的数据内容通过pd.pivot_table()进行数据筛选,重新设置了索引列和列标题(columns),再对数据使用...

    柱状图plt.bar

    同一柱状图堆叠显示plt.pivot()+plt.bar(bottom=)

    对于不同季度,不同产品的质量评价显示,先将使用的数据内容通过pd.pivot_table()进行数据筛选,重新设置了索引列和列标题(columns),再对数据使用柱状图显示

    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    
    data=pd.read_csv(r'my_csv_date.csv',encoding='gbk')
    print(data)
    #解决中文乱码问题
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    plt.figure(figsize=(6.4,4.8))#设置图片背景的参数
    print('下面是整理后的数据:==========')
    #通过pivot_table函数重新提取数据两列作为(data)索引列和横向的列名(columns),另外的vlues对应的是数列,注意的是,尽量让索引是和数字有关的序列,可自动排序
    over_view=pd.pivot_table(data=data,index='Q',columns='GOODS',values='QUA',aggfunc=np.sum)
    print(over_view)
    #使用tick_label对x轴的标签重新赋值
    plt.bar(x= over_view.index.values,height=over_view.,color='green',tick_label=['第一季度','第二季度','第三季度','第四季度'] )
    plt.bar(x= over_view.index.values,height=over_view.,bottom=over_view.,color='red')
    plt.bar(x= over_view.index.values,height=over_view.,bottom=over_view.+over_view.,color='orange')
    plt.xticks(rotation=45)	#x轴上的标签旋转45度
    plt.ylabel('质量分数',fontsize=20,labelpad=20)
    plt.show()
    

    在这里插入图片描述
    通过上边的程序和运行结果,得出一下几点注意,
    1、索引尽量使用能够数字排序的字符,可自动排序,到最后只需使用plt.bar(tick_label=[ ])修改横坐标的标签字符即可
    2、建立直方图时,使用的数据是自己处理后的变量索引和column,而且处理数据一般使用np.sum(),记录一类数量。
    3、为了显示的图形不会出现遮挡,需要使用到plt.bar(bottom=),将想要放在下边的数据作为值传入,若不使用,每次图形的最低端都是以横轴开始计算,若出现完全遮挡,则图形无意义
    上例中,每个季度,三个产品的服务质量评分。让季度和物品名称(甲乙丙)作为横纵参数,服务质量分数作为数据显示

    同一柱状图堆叠显示plt.crosstab(nomalize=)+plt.bar(bottom=)

    堆叠显示,对数据选择并单位化,可以明显看出,每个阶段数据量占的百分比
    而且再使用bar绘制图形时,要设置label属性的值,否则,使用plt.legend时会出现问题
    plt.legend()的显示位置不合适,可以通过plt.legend()中的bbox_to_anchor=(坐标),认为图形的右上角是(1,1),可设置(1.01,0.8)将内容注释放在图像外部

    #前面和上个程序一样
    over_view=pd.crosstab(data.Q,data.GOODS,normalize='index', values=data.QUA,aggfunc=np.sum,)
    print(over_view)
    plt.bar(x= over_view.index.values,height=over_view.,color='green',label='甲',tick_label=['第一','第二','第三','第四'] )
    plt.bar(x= over_view.index.values,height=over_view.,bottom=over_view.,label='乙',color='red')
    plt.bar(x= over_view.index.values,height=over_view.,label='丙',bottom=over_view.+over_view.,color='orange')
    plt.xticks(rotation=45)#旋转横坐标标签
    plt.ylabel('质量分数',fontsize=20,labelpad=20)
    plt.legend(bbox_to_anchor=(1.01,0.8))
    plt.show()
    

    在这里插入图片描述
    程序解析:这个程序及绘制的图形是通过pd.crosstab( )将数据的每一行(也就是index的每行)归一化

    直方图plt.hist

    正态分布函数,下面函数返回对应的计算正态频率值输出

    def zhengtai_func(x,miu,sigma):
        zhen_y=np.exp(-(x-miu)**2/(2*(sigma**2)))/(sigma*np.sqrt(2*np.pi))
        return zhen_y
    

    正态计算公式;
    在这里插入图片描述

    data=pd.read_csv(r'my_csv_date.csv',encoding='gbk')
    print(data)
    #解决中文乱码问题
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    #删除数据中缺失项,计算数据的均值,标准差,和正态分布频率点
    data.dropna(subset=['人数'],inplace=True)
    print(data)
    #x_mean=np.mean(data.人数) #与下一行数据功能相同
    x_mean=data.人数.mean()
    x_std=np.std(data.人数)
    x=np.arange(data.人数.min(),data.人数.max(),0.1)
    y=zhengtai_func(x,x_mean,x_std)
    
    #显示直方图,核密度图,设置注释标签label                      
    plt.hist(x=data.人数,bins=5,color='lightblue',label='年龄频率',\
             edgecolor='orange',density=True)
    plt.plot(x,y,color='red',linewidth=3,label='正态分布线')
    data.人数.plot(kind='kde',color="black",xlim=[0,10],label='核密度图')
    plt.xlabel('不同年龄',fontsize=15,labelpad=20)
    plt.title('年龄频率分布图',fontsize=25,pad=25)
    plt.legend(loc='best')
    plt.show()
    

    在这里插入图片描述
    程序及图形解析:
    1、先定义了正态分布的概率计算,参数分别是,数据x,平均值x_mean,标准差x_std,返回计算的概率值,
    2、然后读取数据,data.dropna( )删除缺失数据行,计算数据均值,标准差,取多个x值,通过正态公式显示成线,(使用数据的平均值和标准差就确定了数据的正态概率分布图)。
    3、绘制直方图plt.hist( ),正态分布线plt.plot( x,y),核密度分布线data.plot(kind=‘kde’)、
    4、核密度分布和正态分布区别:核密度分布和数据的每阶段的关系更大,正态分布确定了平均平均值和标准差后就确定了

    箱图plt.boxplot()

    参考:箱体知识参数知识
    在这里插入图片描述
    图片

    plt.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None, manage_xticks=True, autorange=False, zorder=None, hold=None, data=None)
    **x:**指定要绘制箱线图的数据;
    notch:是否是凹口的形式展现箱线图,默认非凹口;
    sym:指定异常点的形状,默认为+号显示;
    vert:是否需要将箱线图垂直摆放,默认垂直摆放;
    whis:指定上下须与上下四分位的距离,默认为1.5倍的四分位差;
    positions:指定箱线图的位置,默认为[0,1,2…];
    widths:指定箱线图的宽度,默认为0.5;
    **patch_artist:**是否填充箱体的颜色;
    **meanline:**是否用线的形式表示均值,默认用点来表示;
    **showmeans:**是否显示均值,默认不显示;
    showcaps:是否显示箱线图顶端和末端的两条线,默认显示;
    **showbox:**是否显示箱线图的箱体,默认显示;
    showfliers:是否显示异常值,默认显示;
    **boxprops:**设置箱体的属性,如边框色,填充色等;
    labels:为箱线图添加标签,类似于图例的作用;
    filerprops:设置异常值的属性,如异常点的形状、大小、填充色等;
    **medianprops:**设置中位数的属性,如线的类型、粗细等;
    **meanprops:**设置均值的属性,如点的大小、颜色等;
    **capprops:**设置箱线图顶端和末端线条的属性,如颜色、粗细等;
    whiskerprops:设置须的属性,如颜色、粗细、线的类型等;

    data=pd.read_csv(r'my_csv_date.csv',encoding='gbk')
    print(data)
    #解决中文乱码问题
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    plt.boxplot(x=data.人数,patch_artist=True,showmeans=True,meanline=True, boxprops={'facecolor':'green','color':'red'},\
                flierprops={'marker':'o','markerfacecolor':'red','markersize':20},\
               medianprops={'linestyle':'--','color':'orange'},\
               meanprops={'linestyle':'-','color':'blue'})
    plt.xlabel('不同标号的人数',fontsize=15,labelpad=20)
    plt.title('人数箱图',fontsize=25,pad=25)
    # plt.legend(loc='best')
    plt.show()
    

    在这里插入图片描述
    程序解释及图形描述,箱图能够明显的显示出离群点,箱子的显示框在分位数的25%-75%,下线:25%分数-1.5(75%分位数-25%分位数),上线:25%分数+1.5(75%分位数-25%分位数),

    散点图plt.scatter

    感谢鸢尾花数据
    鸢尾花数据官方网址,下载或打开慢
    为了展示两个连续型变量的关系,使用循环为每一个事物给不同的显示属性,注意数据的名称准确性

    data=pd.read_csv(r'iris.csv',encoding='gbk')
    
    # print(data)
    #解决中文乱码问题
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    #设置不同物种的颜色形状标记
    species=['virginica','setosa','versicolor']
    colors=['red','blue','orange']
    marker=['o','s','x']
    
    #给每个物种不同标记
    for i in range(0,3):
        plt.scatter(x=data.Width[data.Species==species[i]],
                    y=data.Length[data.Species==species[i]],
                    color=colors[i],marker=marker[i],label=species[i])
    plt.legend(loc='best')
    plt.ylabel('花瓣长度',fontsize=15,labelpad=10)
    plt.xlabel('花瓣宽度',fontsize=15,labelpad=10)
    plt.title('三种鸢尾花数据',fontsize=20,pad=20)
    
    plt.show()
    

    在这里插入图片描述

    折线图plt.plot()

    显示数据的变化趋势

    #设置图像大小和读取数据
    fig=plt.figure(figsize=(8,7))
    data=pd.read_csv(r'my_csv_date.csv',encoding='gbk')
    print(data)
    
    #解决中文乱码问题
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    #设置第1列作为x的值,第3,4,5列作为对应的y值
    plt.plot(data.iloc[:,0],data.iloc[:,2],'bs--',
            data.iloc[:,0],data.iloc[:,3],'ro--',
            data.iloc[:,0],data.iloc[:,4],'gh--',)
    
    #修改折线图的横坐标名称,第一个参数是原始名称,第二个参数是新的名称
    plt.xticks(range(0,12,1),data.iloc[range(0,12,1),1],rotation=45,fontsize=10)
    plt.legend(loc='best')
    plt.ylabel('数据值',fontsize=15,labelpad=10)
    plt.xlabel('顺序',fontsize=15,labelpad=10)
    plt.title('数据变化',fontsize=20,pad=20)
    
    plt.show()
    

    在这里插入图片描述
    下面是对图像中线的描述,(程序和图像并不对应),图片中的参数正确

    plt.legend(loc='best',frameon=False,ncol=1)
    plt.legend(loc='best',frameon=True,ncol=1)
    plt.legend(loc='best',frameon=False,ncol=3)
    

    在这里插入图片描述

    展开全文
  • plt.plot()的使用方法以及参数介绍

    万次阅读 多人点赞 2019-05-21 09:07:48
    偶然的一次操作,对plt.plot()中,仅仅传入了一个列表,然后逻辑就和预想的出现了偏差。 plt.plot() plt.plot() 参数介绍: x, y : array-like or scalar The horizontal / vertical coordinates of the data ...

    前言

    偶然的一次操作,对plt.plot()中,仅仅传入了一个列表,然后逻辑就和预想的出现了偏差。

    plt.plot()

    plt.plot() 参数介绍:

    1. x, y : array-like or scalar
      The horizontal / vertical coordinates of the data points. x values are optional. If not given, they default to [0, …, N-1]. x是可选的,如果x没有,将默认是从0到n-1,也就是y的索引。那么我的问题就解决了。
    2. fmt : str, optional
      A format string, e.g. ‘ro’ for red circles. See the Notes section for a full description of the format strings.定义线条的颜色和样式的操作,如“ro”就是红色的圆圈。
      Format strings are just an abbreviation for quickly setting basic line properties. All of these and more can also be controlled by keyword arguments. 这是一个快速设置样式的方法,更多的参数可以参考最后一个keyboard arguments。
    3. **kwargs : Line2D properties, optional
      kwargs are used to specify properties like a line label (for auto legends), linewidth, antialiasing, marker face color.这是一大堆可选内容,可以来里面指定很多内容,如“label”指定线条的标签,“linewidth”指定线条的宽度,等等
      Example:
    plot([1,2,3], [1,2,3], 'go-', label='line 1', linewidth=2)
    plot([1,2,3], [1,4,9], 'rs',  label='line 2')
    

    拥有的部分参数,如下:

    PropertyDescription
    agg_filtera filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array
    alphafloat
    animatedbool
    antialiasedbool
    clip_boxBbox
    clip_onbool
    clip_path[(Path, Transform)
    colorcolor
    containscallable
    dash_capstyle{‘butt’, ‘round’, ‘projecting’}
    dash_joinstyle{‘miter’, ‘round’, ‘bevel’}
    dashessequence of floats (on/off ink in points) or (None, None)
    drawstyle{‘default’, ‘steps’, ‘steps-pre’, ‘steps-mid’, ‘steps-post’}
    figureFigure
    fillstyle{‘full’, ‘left’, ‘right’, ‘bottom’, ‘top’, ‘none’}
    gidstr
    in_layoutbool
    labelobject
    linestyle{’-’, ‘–’, ‘-.’, ‘:’, ‘’, (offset, on-off-seq), …}
    linewidthfloat

    参考链接:plt.plot()官网传送门

    代码实例

    import matplotlib.pyplot as plt
    
    a = [1, 2, 3, 4] # y 是 a的值,x是各个元素的索引
    b = [5, 6, 7, 8]
    
    plt.plot(a, b, 'r--', label = 'aa')
    plt.xlabel('this is x')
    plt.ylabel('this is y')
    plt.title('this is a demo')
    plt.legend() # 将样例显示出来
    
    plt.plot()
    plt.show()
    
    展开全文
  • plt.plot中参数设置

    千次阅读 2019-04-23 16:21:22
    如何修改plt.plot()中label的位置以及大小 def print_pic(pic_name, x, y1, y2): font_size=50 plt.style.use('ggplot') fig=plt.figure(figsize=(25,20)) plt.xlabel('x',fontsize=font_size) plt.ylabel('...

    如何修改plt.plot()中label的位置以及大小

    def print_pic(pic_name, x, y1, y2):
        font_size=50
        plt.style.use('ggplot')
        fig=plt.figure(figsize=(25,20))
        plt.xlabel('x',fontsize=font_size)
        plt.ylabel('y',fontsize=font_size)
        plt.plot(x, y1, label='label1',linewidth=4)
        plt.plot(x, y2, label='label2',linewidth=4)
        plt.title(pic_name,fontsize=font_size)
        plt.legend(loc='lower right', fontsize=40) # 标签位置
        plt.savefig(pic_name,dpi=300)
        plt.show()
    
    展开全文
  • Python自带的plt是深度学习最常用的库之一,在发表文章时必然得有图作为支撑,plt为深度学习必备技能之一。作为深度学习入门,只需要掌握一些基础画图操作即可,其他等要用到的时候看看函数API就行。 1 导入plt库...
  • Python:plt.legend或者ax.legend设置图例的参数详解

    万次阅读 多人点赞 2019-04-23 18:30:50
              ...plt.legend或者ax.legend设置图例的参数详解 #显示图例 # box = ax.get_position() # ax.set_position([box.x0, box.y0, box.wi...
  • python plt 画图

    万次阅读 多人点赞 2018-11-12 20:27:29
    plt可以画多个子图 import numpy as np fig = plt . figure ( ) ax1 = fig . add_subplot ( 2 , 1 , 1 ) # 画2行1列个图形的第1个 ax2 = fig . add_subplot ( 2 , 1 , 2 ) # 画2行1列个图形的第2个...
  • PLT 查看器 PLT viewer 内有注册码
  • plt文件格式分析

    热门讨论 2012-10-19 17:51:51
    详细说明了PLT文件构成及结构分析,可用在分析coredraw文件上
  • plt.plot 、plt.subplot、plt.subplots区别

    千次阅读 2021-02-08 23:23:00
    plt.plotfig = plt.figure(figsize=(16,16),dpi=300) # 初始化一张画布,可以设置figsize和dpiplt.plot() #直接在一张...
  • plt.plot()函数解析(最清晰的解释)

    万次阅读 多人点赞 2019-08-16 10:26:59
    plt.plot()函数用于对图形进行一些更改。 plt.plot(x, y, format_string, **kwargs) 参数: x:x轴数据,列表或数组,可选 y:y轴数据,列表或数组 format_string:控制曲线的格式字符串,可选,由颜色字符、风格...
  • 数据可视化函数plt.plot(x,y,ls,lw,c,marker,markersize,markeredgecolor,markerfacecolor,label) 设置画线的标准和形式 参数说明: **x:**横坐标;**y:**纵坐标;**ls或linestyle:**线的形式(‘-’,‘–’,...
  • python-plt.xticks与plt.yticks

    千次阅读 2021-05-07 13:26:26
    plt.figure(figsize=(10, 10)) for i in range(25): plt.subplot(5, 5, i+1) plt.xticks([]) plt.yticks([]) plt.grid(False) plt.imshow(train_images[i], cmap=plt.cm.binary) plt.xlabel(class_names[train...
  • 理解fig,ax = plt.subplots()

    万次阅读 多人点赞 2018-11-08 12:42:10
    fig,ax = plt.subplots()等价于: fig = plt.figure() ax = fig.add_subplot(1,1,1) fig, ax = plt.subplots(1,3),其中参数1和3分别代表子图的行数和列数,一共有 1x3个子图像。函数返回一个figure图像和...
  • plt 绘图 知识点整理

    千次阅读 2018-08-22 10:57:05
    plt.xticks()/plt.yticks()设置轴记号 现在是明白干嘛用的了,就是人为设置坐标轴的刻度显示的值。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 #...
  • PLT文件查看器(可转为PDF).可以用来查看plt文件
  • plt.scatter()函数使用

    千次阅读 2020-01-13 11:31:48
    【题目】plt.scatter()函数使用 具体见:plt.scatter() matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=N...
  • ____tz_zs 关于这些方法的使用见 matplotlib 模块的简单使用 ,本文是关于这些方法在源码中的调用过程,用以...plt.plot、plt.scatter、plt.hist、plt.bar 等方法均调用 gcf() 获取 figure 对象,然后调用 figu...
  • matplotlib画柱状图 - plt.bar() 一、plt.bar()参数详解 import matplotlib as mpl import matplotlib.pyplot as plt from matplotlib.pyplot import MultipleLocator from matplotlib import ticker %matplotlib ...
  • plt.imshow()

    万次阅读 2018-11-15 21:25:00
     plt.rcParams['font.sas-serig']=['SimHei'] #用来正常显示中文标签  plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 完整代码如下: # coding=utf-8 import numpy as np from pylab import ...
  • python画图时给图中的点加标签之plt.text

    万次阅读 多人点赞 2020-02-15 12:01:56
    plt.text给图中加标签
  • PLT文件查看器,可以转换成DWF文件

    热门讨论 2011-10-12 10:18:42
    PLT文件查看器,用来查看已做好的PLT文件,也可以转换成DWF文件。
  • figure 的重复利用能大大节约时间,但是 matplotlib 维护的 figure 有数量上限(RuntimeWarning: More than 20 figures have been opened.)。...plt.cla() # 清除axes,即当前 figure 中的活动的axes,
  • 只将建立神经网络定义了类——class Net(torch.nn.Module),我把训练过程、参数回传、优化器选择以及可视化分别做了函数),供以后直接调用,但是当做到可视化的时候,就遇到了问题,而问题就出在plt.ion()和plt....
  • plt.contour

    万次阅读 2019-03-24 01:00:23
    import matplotlib.pyplot as plt delta = 0.25 #网格间距 x = np.arange(-3.0, 3.0, delta) y = np.arange(-3.0, 3.0, delta) X, Y = np.meshgrid(x, y) Z1 = np.exp(-X**2 - Y**2) Z2 = np.exp(-(X - 1)**2 - (Y ...
  • plt.subplot()使用方法以及参数介绍

    万次阅读 多人点赞 2019-05-25 08:56:12
    plt.subplot() plt.subplot(nrows, ncols, index, **kwargs) 第一个参数:*args (官网文档描述) Either a 3-digit integer or three separate integers describing the position of the subplot. If the three ...
  • 【Python】plt.bar绘制柱状图参数详解

    千次阅读 多人点赞 2020-12-21 19:48:48
    bar(x, height, width=0.8, bottom=None, ***, align='center', data=None, **kwargs) x 表示x坐标,数据类型为int或float类型, height 表示柱状图的高度,也就是y坐标值,数据类型为int或float类型, ...
  • plt.figure() 创建自定义图像 语法 figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True) 参数 num:图像编号或名称,数字为编号 ,字符串为名称 figsize:指定figure的宽和高...
  • plt.gca

    千次阅读 2021-02-25 17:54:32
    利用plt.gca( )进行坐标轴的移动,gca就是get current axes

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 332,956
精华内容 133,182
关键字:

plt