精华内容
下载资源
问答
  • python matplotlib画图是设置线宽

    万次阅读 2019-04-03 09:54:22
    在画图时设置linewidth属性 import matplotlib.pyplot as plt plt.plot(x, y, linewidth=1)

    在画图时设置linewidth属性

    import matplotlib.pyplot as plt
    
    plt.plot(x, y, linewidth=1)

     

    展开全文
  • python画图 图例 颜色 线宽

    万次阅读 2018-12-09 10:07:17
    今天不太想整理,贴一下代码。 plt.figure() plt.plot(range(0, len(flow_in)), [float(flow_in[i]) for i in range(0, len(flow_in))], label="flow_in", color='r', linewidth=2) ...

     今天不太想整理,贴一下代码。

    plt.figure()
    plt.plot(range(0, len(flow_in)), [float(flow_in[i]) for i in range(0, len(flow_in))], label="flow_in", color='r', linewidth=2)
    plt.plot(range(0, len(flow_out)), flow_out, label='flow_out', color='g', linewidth=2)
    plt.plot(range(0, len(dwell)), dwell, label='dwell', color='b', linewidth=2)
    plt.legend(loc='upper left')
    plt.title(region_name)
    plt.show()
    

     

    展开全文
  • 点击上方“Python爬虫与数据挖掘”,进行关注回复“书籍”即可获赠Python从入门到进阶共10本电子书今日鸡汤风朝露夜阴晴里,万户千门开闭时。Seaborn简介定义Seaborn是一个基于matplotlib且数据结构与pandas统一的...
    点击上方“ Python爬虫与数据挖掘 ”,进行关注

    回复“书籍”即可获赠Python从入门到进阶共10本电子书

    风朝露夜阴晴里,万户千门开闭时。

    88bf0a76d6b458d3245eee65e75f6810.png

    Seaborn简介

    定义

    Seaborn是一个基于matplotlib且数据结构与pandas统一的统计图制作库。Seaborn框架旨在以数据可视化为中心来挖掘与理解数据。

    优点

    1. 代码较少

    2. 图形美观

    3. 功能齐全

    4. 主流模块安装

    pip命令安装

    pip install matplotlib
    pip install seaborn

    从github安装

    pip install git+https://github.com/mwaskom/seaborn.git

    流程

    导入绘图模块

    mport matplotlib.pyplot as plt
    import seaborn as sns

    提供显示条件

    %matplotlib inline  #在Jupyter中正常显示图形

    导入数据

    #Seaborn内置数据集导入
    dataset = sns.load_dataset('dataset')

    #外置数据集导入(以csv格式为例)
    dataset = pd.read_csv('dataset.csv')

    设置画布

    #设置一块大小为(12,6)的画布
    plt.figure(figsize=(12, 6))

    输出图形

    #整体图形背景样式,共5种:"white", "dark", "whitegrid", "darkgrid", "ticks"
    sns.set_style('white')

    #以条形图为例输出图形
    sns.barplot(x=x,y=y,data=dataset,...)

    '''
    barplot()括号里的是需要设置的具体参数,
    涉及到数据、颜色、坐标轴、以及具体图形的一些控制变量,
    基本的一些参数包括'x'、'y'、'data',分别表示x轴,y轴,
    以及选择的数据集。
    '''

    保存图形

    #将画布保存为png、jpg、svg等格式图片
    plt.savefig('jg.png')

    实战

    #数据准备
    df = pd.read_csv('./cook.csv') #读取数据集(「菜J学Python」公众号后台回复cook获取)
    df['难度'] = df['用料数'].apply(lambda x:'简单' if x<5 else('一般' if x<15 else '较难')) #增加难度字段
    df = df[['菜谱','用料','用料数','难度','菜系','评分','用户']] #选择需要的列
    df.sample(5) #查看数据集的随机5行数据
    17b33e32d0f6a5f9033d04e26955aaab.png
    #导入相关包
    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    import matplotlib as mpl
    import seaborn as sns
    %matplotlib inline
    plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置加载的字体名
    plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
    sns.set_style('white') #设置图形背景样式为white

    直方图

    #语法
    '''
    seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None,
    hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None,
    vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)
    '''

    #distplot()输出直方图,默认拟合出密度曲线
    plt.figure(figsize=(10, 6)) #设置画布大小
    rate = df['评分']
    sns.distplot(rate,color="salmon",bins=20) #参数color样式为salmon,bins参数设定数据片段的数量

    f0078ebe62acc28d94ebc91187e0e6db.png

    #kde参数设为False,可去掉拟合的密度曲线
    plt.figure(figsize=(10, 6))
    sns.distplot(rate,kde=False,color="salmon",bins=20)

    618ad2876179b9d2268d83ffb0af901e.png

    #设置rug参数,可添加观测数值的边际毛毯
    fig,axes=plt.subplots(1,2,figsize=(10,6)) #为方便对比,创建一个1行2列的画布,figsize设置画布大小

    sns.distplot(rate,color="salmon",bins=10,ax=axes[0]) #axes[0]表示第一张图(左图)

    sns.distplot(rate,color="green",bins=10,rug=True,ax=axes[1]) #axes[1]表示第一张图(右图)

    16c1dcc7f0e548c6295392c009b7e366.png

    #多个参数可通过字典传递
    fig,axes=plt.subplots(1,2,figsize=(10,6))
    sns.distplot(rate,color="salmon",bins=20,rug=True,ax=axes[0])

    sns.distplot(rate,rug=True,
    hist_kws={'color':'g','label':'直方图'},
    kde_kws={'color':'b','label':'密度曲线'},
    bins=20,
    ax=axes[1])

    84c8a7930db8be821ed8656dd77fcf93.png

    散点图

    常规散点图:scatterplot

    #语法
    '''
    seaborn.scatterplot(x=None, y=None, hue=None, style=None, size=None,
    data=None, palette=None, hue_order=None, hue_norm=None, sizes=None,
    size_order=None, size_norm=None, markers=True, style_order=None, x_bins=None,
    y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, alpha='auto',
    x_jitter=None, y_jitter=None, legend='brief', ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    #hue参数,对数据进行细分
    sns.scatterplot(x="用料数", y="评分",hue="难度",data=df,ax=axes[0])

    #style参数通过不同的颜色和标记显示分组变量
    sns.scatterplot(x="用料数", y="评分",hue="难度",style='难度',data=df,ax=axes[1])

    3178ddc6b830c8725512abcf45472570.png

    分簇散点图:stripplot

    #语法
    '''
    seaborn.stripplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, jitter=True, dodge=False, orient=None, color=None,
    palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)
    '''

    #设置jitter参数控制抖动的大小
    plt.figure(figsize=(10, 6))
    sns.stripplot(x="菜系", y="评分",hue="难度",jitter=1,data=df)

    ead9aa630616e6c0bdea737dc884b15f.png

    分类散点图:swarmplot

    #绘制分类散点图(带分布属性)
    #语法
    '''
    seaborn.swarmplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, dodge=False, orient=None, color=None, palette=None,
    size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)
    '''

    plt.figure(figsize=(10, 6))
    sns.swarmplot(x="菜系", y="评分",hue="难度",data=df)

    f71bd0d57ec7e6aff4fb88f0c5aad2d0.png

    条形图

    常规条形图:barplot

    #语法
    '''
    seaborn.barplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None,ci=95, n_boot=1000, units=None, orient=None, color=None,
    palette=None, saturation=0.75, errcolor='.26', errwidth=None, capsize=None,
    ax=None, estimator=,**kwargs)
    '''

    #barplot()默认展示的是某种变量分布的平均值(可通过修改estimator参数为max、min、median等)
    # from numpy import median
    fig,axes=plt.subplots(1,2,figsize=(10,6))
    sns.barplot(x='菜系',y='评分',color="r",data=df,ax=axes[0])

    sns.barplot(x='菜系',y='评分',color="salmon",data=df,estimator=min,ax=axes[1])

    5a0282daf5b10324fda2d6b09af52bba.png

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    #设置hue参数,对x轴的数据进行细分
    sns.barplot(x='菜系',y='评分',color="salmon",hue='难度',data=df,ax=axes[0])
    #调换x和y的顺序,可将纵向条形图转为水平条形图
    sns.barplot(x='评分',y='菜系',color="salmon",hue='难度',data=df,ax=axes[1])

    b0abe1b4389637cf7c6fa135ea0fda57.png

    计数条形图:countplot

    #语法
    '''
    seaborn.countplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, orient=None, color=None, palette=None, saturation=0.75, dodge=True, ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    #选定某个字段,countplot()会自动统计该字段下各类别的数目
    sns.countplot(x='菜系',color="salmon",data=df,ax=axes[0])
    #同样可以加入hue参数
    sns.countplot(x='菜系',color="salmon",hue='难度',data=df,ax=axes[1])

    b928679270615629f3d8ea0cd2920248.png

    折线图

    #语法
    '''
    seaborn.lineplot(x=None, y=None, hue=None, size=None, style=None,
    data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None,
    size_norm=None, dashes=True, markers=None, style_order=None, units=None, estimator='mean',
    ci=95, n_boot=1000, sort=True, err_style='band', err_kws=None, legend='brief', ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    #默认折线图有聚合
    sns.lineplot(x="用料数", y="评分", hue="菜系",data=df,ax=axes[0])

    #estimator参数设置为None可取消聚合
    sns.lineplot(x="用料数", y="评分", hue="菜系",estimator=None,data=df,ax=axes[1])

    00ea2dcbf46fec404da6024dc0944228.png

    箱图

    箱线图:boxplot

    #语法
    '''
    seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, orient=None, color=None, palette=None, saturation=0.75,
    width=0.8, dodge=True, fliersize=5, linewidth=None, whis=1.5, notch=False, ax=None, **kwargs)
    '''
    fig,axes=plt.subplots(1,2,figsize=(10,6))
    sns.boxplot(x='菜系',y='评分',hue='难度',data=df,ax=axes[0])

    #调节order和hue_order参数,可以控制x轴展示的顺序,linewidth调节线宽
    sns.boxplot(x='菜系',y='评分',hue='难度',data=df,color="salmon",linewidth=1,
    order=['清真菜','粤菜','东北菜','鲁菜','浙菜','湖北菜','川菜'],
    hue_order=['简单','一般','较难'],ax=axes[1])

    02bb30b02bc3e7211ef69efd9812e540.png

    箱型图:boxenplot

    #语法
    '''
    seaborn.boxenplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, orient=None, color=None, palette=None, saturation=0.75,
    width=0.8, dodge=True, k_depth='proportion', linewidth=None, scale='exponential',
    outlier_prop=None, ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    sns.boxenplot(x='菜系',y='评分',hue='难度',data=df,color="salmon",ax=axes[0])

    #palette参数可设置调色板
    sns.boxenplot(x='菜系',y='评分',hue='难度',data=df, palette="Set2",ax=axes[1])

    18c3d276cdaa1fbc9d739928704c9e8c.png

    小提琴图

    #语法
    '''
    seaborn.violinplot(x=None, y=None, hue=None, data=None, order=None,
    hue_order=None, bw='scott', cut=2, scale='area', scale_hue=True,
    gridsize=100, width=0.8, inner='box', split=False, dodge=True, orient=None,
    linewidth=None, color=None, palette=None, saturation=0.75, ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    sns.violinplot(x='菜系',y='评分',data=df, color="salmon",linewidth=1,ax=axes[0])
    #inner参数可在小提琴内部添加图形,palette设置颜色渐变
    sns.violinplot(x='菜系',y='评分',data=df,palette=sns.color_palette('Greens'),inner='stick',ax=axes[1])

    43a6b8a40181cf0e9cefb3fd5b50ce35.png

    回归图

    regplot

    '''
    seaborn.regplot(x, y, data=None, x_estimator=None, x_bins=None, x_ci='ci',
    scatter=True, fit_reg=True, ci=95, n_boot=1000, units=None,
    order=1, logistic=False, lowess=False, robust=False, logx=False,
    x_partial=None, y_partial=None, truncate=False, dropna=True,
    x_jitter=None, y_jitter=None, label=None, color=None, marker='o',
    scatter_kws=None, line_kws=None, ax=None)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    #marker参数可设置数据点的形状
    sns.regplot(x='用料数',y='评分',data=df,color='r',marker='+',ax=axes[0])
    #ci参数设置为None可去除直线附近阴影(置信区间)
    sns.regplot(x='用料数',y='评分',data=df,ci=None,color='g',marker='*',ax=axes[1])

    cefea9942cb6c4cc0054147c854991a0.png

    lmplot

    #语法
    '''
    seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None,
    col_wrap=None, height=5, aspect=1, markers='o', sharex=True,
    sharey=True, hue_order=None, col_order=None, row_order=None,
    legend=True, legend_out=True, x_estimator=None, x_bins=None,
    x_ci='ci', scatter=True, fit_reg=True, ci=95, n_boot=1000,
    units=None, order=1, logistic=False, lowess=False, robust=False,
    logx=False, x_partial=None, y_partial=None, truncate=False,
    x_jitter=None, y_jitter=None, scatter_kws=None, line_kws=None, size=None)
    '''

    #lmplot()可以设置hue,进行多个类别的显示,而regplot()是不支持的
    sns.lmplot(x='用料数',y='评分',hue='难度',data=df,
    palette=sns.color_palette('Reds'),ci=None,markers=['*','o','+'])

    f141b7506aa11eb37fc7b9a69fd5b6d1.png

    热力图

    #语法
    '''
    seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None,
    robust=False, annot=None, fmt='.2g', annot_kws=None,
    linewidths=0, linecolor='white', cbar=True, cbar_kws=None,
    cbar_ax=None, square=False, xticklabels='auto',
    yticklabels='auto', mask=None, ax=None, **kwargs)
    '''

    fig,axes=plt.subplots(1,2,figsize=(10,6))
    h=pd.pivot_table(df,index=['菜系'],columns=['难度'],values=['评分'],aggfunc=np.mean)
    sns.heatmap(h,ax=axes[0])

    #annot参数设置为True可显示数字,cmap参数可设置热力图调色板
    cmap = sns.diverging_palette(200,20,sep=20,as_cmap=True)
    sns.heatmap(h,annot=True,cmap=cmap,ax=axes[1])
    #保存图形
    plt.savefig('jg.png')
    fb9a1adb0bae8dca602068553f6127bb.png 欢迎关注菜J学Python,专注用Python爬虫、数据分析和可视化。我们坚持认真写Python基础,有趣写Python实战。

    ------------------- End -------------------

    往期精彩文章推荐:

    • 手把手用Python教你如何发现隐藏wifi

    • 手把手教你用Python做个可视化的“剪刀石头布”小游戏

    • Python基础语法——代码规范&判断语句&循环语句

    76efbf3e62ae3050c32cd3302d0a8231.png

    欢迎大家点赞,留言,转发,转载,感谢大家的相伴与支持

    想加入Python学习群请在后台回复【入群

    万水千山总是情,点个【在看】行不行

    /今日留言主题/

    随便说一两句吧~~

    展开全文
  • 2019独角兽企业重金招聘Python工程师标准>>> ...

     CAD转换成PDF文件的时候,通常需要根据要求,对输出的PDF文件效果进行设置,那么在将CAD图纸转换成PDF文件时,如何设置PDF的线宽呢?

      1.打开迅捷CAD编辑器,然后在软件界面中进入批处理窗口,左上角点击“文件——批处理”,点击批处理功能键调出批处理操作窗口。

    2.在批处理窗口中,请找到“添加文件”按钮,点击该按钮,在打开的对话框中,按照路径添加要转换的CAD文件。在添加文件窗口中,用户可以在右侧勾选“启用预览”,查看CAD文件内容,选择好文件后,点击“打开”即可,如果是多个文件,可以直接用鼠标选中多个文件,然后在点击“打开”按钮。

    3.要转换的CAD文件添加完成后,将会在窗口中出现添加的CAD文件列表,然后请在输出格式中选择后缀为PDF的文件格式。

    4.接着在批处理窗口的右侧点击“自定义”按钮,在弹出的PDF输出选项窗口中,选择“线宽”,然后就可以在这里完成CAD转换成PDF的线宽设置了,可根据实际转换要求设置线宽比例,设置完成后,点击“OK”按钮。

    5.CAD转换成PDF的线宽设置完成后,请在输出目录后方点击“浏览”按钮,设置转换后PDF的储存位置,然后点击“开始”进入文件转换状态,待CAD转换成PDF即可。

      以上就是在将CAD转换成PDF进行线宽设置的编辑步骤,并且在进行CAD转PDF的时候还可以对PDF文件进行颜色、大小等属性设置,操作简单方便!

    转载于:https://my.oschina.net/u/3695270/blog/1573986

    展开全文
  • python设置标题、轴标签、刻度标签(ticker部分) import numpy as np import matplotlib.pyplot as plt plt.figure() x = np.arange(0,10,1) #这个函数的第三个参数表示的是步长,以此进行划分 z = x**2 y = np....
  • 在使用matplotlib模块时画坐标图时,往往需要对坐标轴设置很多参数,这些参数包括横纵坐标轴范围、坐标轴刻度...本文我们将和大家介绍python matplotlib坐标轴设置的方法。基本用法例如:import numpy as npimpor...
  • python 图形绘制一、图形绘制1.1简单图形1.2 改线粗、颜色、添加图例、点形状1.3 颜色设置模块1.4图例设置1.4.1 图例背景\位置\大小1.4.1.1 图例位置1.4.1.2 图例大小1.5 线类型1.6 点形状(marker)1.5 在图中添加...
  • 用plot画二维图像时,默认情况下的横坐标和纵坐标显示的值有时达不到自己的需求,需要借助xticks()和yticks()分别对横坐标x-axis和纵坐标y-axis进行设置。importnumpyasnpimportmatplotlib.pyplotaspltx=range(1,13,...
  • 如果我们要设置坐标轴的线宽,我们可以向下面这样做: import matplotlib.pyplot as plt ###设置坐标轴的粗细 ax=plt.gca();#获得坐标轴的句柄 ax.spines['bottom'].set_linewidth(2);###设置底部坐标轴的粗细 ax....

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,703
精华内容 1,481
关键字:

python设置线宽

python 订阅