Python中Matplotlib库的使用(二)—— Pyplot模块

Matplotlib库介绍 Matplotlib是Python中最常用的可视化工具之一,可以非常方便地创建海量类型地2D图表和一些基本的3D图表,可根据数据集(DataFrame,Series)自行定义x,y轴,绘制图形(线形图,柱状图,直方图,密度图,散布图等等),能够解决大部分的需要。 阅读详情

Pyplot模块

简介

matplotlib.pyplot 是一个函数集合,使得Matplotlib的使用方式类似于MATLAB。每个pyplot函数都会对图形进行一些修改,例如创建图形、在图形中创建绘图区域、在绘图区域中绘制线条、为图形添加标签等。

在matplotlib.pyplot中,各种状态在函数调用之间被保留,以便它能够跟踪诸如当前图形、绘图区域等,而绘图函数会指向当前坐标轴(请注意,这里和文档中大多数地方所说的“axes”指的是图形的坐标轴部分,而不是严格的数学术语,表示多个轴)。

使用pyplot生成可视化非常快速:

import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()

之所以x轴范围是0-3,而y轴范围是1-4,是因为如果向plot提供一个单一的列表或数组,Matplotlib会假设它是一系列的y值,并自动为你生成x值。由于Python的范围从0开始,所以默认的x向量与y的长度相同,但从0开始;因此,x的数据是[0, 1, 2, 3]。

pyplot

plot是一个多功能的函数,可以接受任意数量的参数。例如,要绘制x和y的关系,你可以这样写:

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

通过这段代码,你可以看到如何使用pyplot绘制简单的线图。首先导入matplotlib.pyplot,然后使用plt.plot()绘制数据,最后通过plt.show()显示图形。在这个示例中,我们绘制了一个包含指定y值的线图,自动生成对应的x值。这个过程非常简洁和快速。

格式化绘图样式

对于每一组x、y参数,都有一个可选的第三个参数,它是格式字符串,用于指示绘图的颜色和线条类型。格式字符串的字母和符号来自于MATLAB,你可以将颜色字符串与线条样式字符串连接在一起。默认的格式字符串是’b-',表示实心的蓝色线条。例如,要绘制带有红色圆点的图形,你可以使用以下代码:

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.axis([0, 6, 0, 20])
plt.show()

pyplot

该示例中的axis函数接受一个由[xmin, xmax, ymin, ymax]组成的列表,用于指定坐标轴的视口范围。

完整的样式使用可以参考文档:matplotlib.pyplot.plot — Matplotlib 3.7.2 documentation

如果Matplotlib仅限于使用列表进行操作,那么它在数值处理方面将会相当无用。通常,您会使用NumPy数组。实际上,所有的序列在内部都会被转换为NumPy数组。下面的示例演示了如何在一个函数调用中使用数组来绘制具有不同格式样式的多条线:

import matplotlib.pyplot as plt
import numpy as np

# 设置全局字体为支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定微软雅黑或其他中文字体

# 创建一个均匀取样的时间间隔,间隔为0.2
t = np.arange(0., 5., 0.2)

# 使用不同格式样式绘制多条线
plt.plot(t, t, 'r--', label='线性')      # 红色虚线
plt.plot(t, t**2, 'bs', label='平方')   # 蓝色方块
plt.plot(t, t**3, 'g^', label='立方')   # 绿色三角形

# 设置x轴标签和y轴标签
plt.xlabel('X轴')
plt.ylabel('Y轴')

# 添加图例
plt.legend()

# 添加标题
plt.title('不同格式样式的多条线')

# 显示图形
plt.show()

在这里插入图片描述

使用关键字字符串进行绘图

在某些情况下,可能拥有的数据格式允许通过字符串访问特定的变量。例如,使用numpy.recarray或pandas.DataFrame。

Matplotlib允许通过data关键字参数提供这样的数据对象。当使用关键字字符串绘制图形时,可以直接使用数据对象中的变量名作为参数,而不需要提前提取出对应的数据数组。

示例如下:

import matplotlib.pyplot as plt
import numpy as np

# 设置全局字体为支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定微软雅黑或其他中文字体

# 创建一个包含数据的字典
data = {'sales': np.array([100, 150, 200, 180, 120]),
        'profit': np.array([10, 25, 30, 20, 15]),
        'month': ['Jan', 'Feb', 'Mar', 'Apr', 'May']}

# 使用关键字字符串绘制柱状图
plt.bar('month', 'sales', data=data, color='blue', label='销售额')
plt.bar('month', 'profit', data=data, color='orange', label='利润')

# 设置x轴标签和y轴标签
plt.xlabel('月份')
plt.ylabel('金额')

# 添加图例
plt.legend()
# 添加标题
plt.title('销售额和利润')
# 显示图形
plt.show()

在这里插入图片描述

在这个示例中,我们创建了一个包含销售额、利润和月份的数据字典data。使用关键字字符串'month'、'sales'和'profit',我们直接在plt.bar()函数中引用了这些变量名。这样的话,Matplotlib会自动从data字典中获取对应的数据数组,并将它们用于绘制柱状图。通过这种方式,可以更加方便地从数据对象中提取数据并进行绘图,减少了额外的变量处理步骤。

使用分类变量绘图

使用分类变量绘图是一种在图形中展示不同类别之间数据关系的方法。分类变量通常表示一组离散的标签或类别,而不是连续的数值。Matplotlib允许直接将这些分类变量传递给绘图函数,以便在图形中呈现这些类别之间的数据。

import matplotlib.pyplot as plt

# 分类变量列表
names = ['group_a', 'group_b', 'group_c']

# 对应每个类别的数值
values = [1, 10, 100]

# 创建一个画布,并设置子图布局
plt.figure(figsize=(9, 3))

# 创建三个子图,分别绘制不同类型的图形
plt.subplot(131)
plt.bar(names, values)   # 绘制柱状图
plt.subplot(132)
plt.scatter(names, values)   # 绘制散点图
plt.subplot(133)
plt.plot(names, values)   # 绘制线图

# 添加总标题
plt.suptitle('Categorical Plotting')
# 显示图形
plt.show()

在这个示例中,我们有一个包含三个分类变量的列表names,分别表示"group_a"、“group_b"和"group_c”。对应的数值列表values表示每个类别的数据。通过直接将这些分类变量传递给plt.bar()、plt.scatter()和plt.plot()等函数,我们可以在不同的子图中呈现不同类型的图形。

分类变量绘图的好处在于它可以帮助我们更清楚地比较不同类别之间的数据差异。例如,在上述示例中,我们可以看到"group_c"的数值明显大于其他两个组,这种视觉上的比较使得数据趋势更加明显。

控制线条属性

线条有许多可以设置的属性,例如线宽、虚线样式、抗锯齿等等;详见matplotlib.lines.Line2D。有几种方法可以设置线条的属性:

  1. 使用关键字参数:

    plt.plot(x, y, linewidth=2.0)
    
    

    在plot函数中使用关键字参数来设置线条属性。

  2. 使用Line2D实例的设置方法。plot函数返回一个Line2D对象的列表;例如,line1, line2 = plt.plot(x1, y1, x2, y2)。在下面的代码中,我们假设只有一条线,因此返回的列表长度为1。我们使用元组解包,将列表的第一个元素赋给line:

    line, = plt.plot(x, y, '-')
    line.set_antialiased(False)  # 关闭抗锯齿
    
    

    使用Line2D实例的setter方法来设置属性。

  3. 使用setp函数。下面的示例使用MATLAB风格的函数来在一组线条上设置多个属性。setp函数可以透明地处理对象列表或单个对象。你可以使用Python关键字参数或MATLAB风格的字符串/值对:

    lines = plt.plot(x1, y1, x2, y2)
    # 使用关键字参数
    plt.setp(lines, color='r', linewidth=2.0)
    # 或者使用MATLAB风格的字符串/值对
    plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
    
    

在绘制图形时,通过设置这些线条属性,可以调整线条的样式、颜色、宽度等,以满足不同的绘图需求。无论是单一属性还是多个属性的组合,都可以根据需要灵活地控制线条的外观。

例如:

import matplotlib.pyplot as plt
import numpy as np

# 创建一些示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

# 绘制三条不同样式的线
plt.plot(x, y1, label='sin(x)', linewidth=2.0, linestyle='-', color='blue')
plt.plot(x, y2, label='cos(x)', linewidth=2.0, linestyle='--', color='red')
plt.plot(x, y3, label='tan(x)', linewidth=2.0, linestyle=':', color='green')

# 添加标签、标题和图例
plt.xlabel('x')
plt.ylabel('y')
plt.title('different line styles')
plt.legend()

# 显示图形
plt.show()

在这里插入图片描述

在这个示例中,使用了三种不同的线条样式来绘制三条曲线:实线、虚线和点线。通过设置linestyle参数,color参数和linewidth参数我们可以控制线条的样式,颜色以及宽度。

使用多个图形和轴

MATLAB和pyplot都有"当前图形"和"当前坐标轴"的概念。所有的绘图函数都作用于当前的坐标轴。

下面是一个脚本,用于创建两个子图:

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)

plt.figure()
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')

plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()

pyplot

这里的figure调用是可选的,因为如果没有图形存在,会自动创建一个图形,就像如果没有坐标轴存在,会自动创建一个坐标轴(等同于显式的subplot()调用)。subplot调用指定了numrows、numcols和plot_number,其中plot_number的取值范围从1到numrows * numcols。如果numrows * numcols小于10,则subplot调用中的逗号是可选的。因此,subplot(211)等同于subplot(2, 1, 1)。

你可以创建任意数量的子图和坐标轴。如果你想手动放置一个坐标轴,即不使用矩形网格,可以使用axes函数,它允许你指定位置为axes([left, bottom, width, height]),其中所有的值都是分数(从0到1)的坐标。

可以通过使用多个figure调用并增加图形编号来创建多个图形。当然,每个图形可以包含多个坐标轴和子图:

import matplotlib.pyplot as plt
plt.figure(1)                # 第一个图形
plt.subplot(211)             # 第一个图形的第一个子图
plt.plot([1, 2, 3])
plt.subplot(212)             # 第一个图形的第二个子图
plt.plot([4, 5, 6])

plt.figure(2)                # 第二个图形
plt.plot([4, 5, 6])          # 默认情况下创建一个子图()

plt.figure(1)                # 第一个图形仍然是当前的;
                             # 第一个图形的subplot(212)仍然是当前的
plt.subplot(211)             # 在第一个图形中创建subplot(211)作为当前的
plt.title('Easy as 1, 2, 3') # 给subplot 211 添加标题
plt.show()

文本和数学表达式

在Matplotlib的pyplot中,可以使用text函数在图形中添加文本注释,还可以使用数学表达式来显示数学符号和公式。

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=True, facecolor='g', alpha=0.75)

plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()

在这里插入图片描述

使用数学表达式时,要点如下:

  1. 使用r''(原始字符串)将字符串标记为包含数学表达式。
  2. 使用$符号将数学表达式括起来。例如,r'$x$'表示数学符号x。
  3. 使用\符号来插入特殊字符,如下划线、上标和下标。例如,r'$y = x^2$'表示公式y=x²。
  4. 使用\text{}来插入普通文本。例如,r'$\text{Sine Function: } y = \sin(x)$'表示"Sine Function: y = sin(x)"。

批注

在Matplotlib中,批注(Annotation)是一种在图形中添加文本和箭头的方式,用于标识和解释图中的特定点、区域或趋势。批注可以是简单的文本注释,也可以包含箭头指向特定位置。

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

plt.plot(x, y, label='sin(x)')

# 添加简单的文本批注
plt.annotate('Maximum', xy=(np.pi/2, 1), xytext=(np.pi/2, 1.2),
             arrowprops=dict(facecolor='blue', shrink=0.05),
             fontsize=10, color='blue', ha='center')

plt.annotate('Minimum', xy=(3*np.pi/2, -1), xytext=(3*np.pi/2, -1.2),
             arrowprops=dict(facecolor='red', shrink=0.05),
             fontsize=10, color='red', ha='center')

plt.xlabel('x')
plt.ylabel('y')
plt.title('Sine Function')

plt.legend()
plt.show()

在这里插入图片描述

在上述示例中,使用annotate函数添加了两个批注,分别表示正弦函数的最大值和最小值。关键参数如下:

  • xy:注释箭头的目标点位置。
  • xytext:文本的位置。
  • arrowprops:设置箭头的属性,如颜色、缩放等。
  • fontsize:文本字体大小。
  • color:文本颜色。
  • ha:水平对齐方式。

非线性坐标轴

matplotlib.pyplot不仅支持线性坐标轴刻度,还支持对数坐标轴和logit刻度。对数坐标轴常用于数据跨越多个数量级的情况。在Matplotlib中,改变坐标轴的刻度是很容易的,例如:

plt.xscale('log')

下面是一个示例,展示了使用相同数据在不同y轴刻度下的四个图。

import matplotlib.pyplot as plt
import numpy as np
# 生成一些示例数据
np.random.seed(19680801)
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))

# 创建具有不同坐标轴刻度的子图
plt.figure()

# 线性刻度
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)

# 对数刻度
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)

# 对称对数刻度
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthresh=0.01)
plt.title('symlog')
plt.grid(True)

# logit刻度
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)

# 调整子图布局,因为logit刻度可能需要更多的空间
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25, wspace=0.35)

plt.show()

在这里插入图片描述

这个示例展示了如何使用plt.yscale函数在同一数据集上创建不同的y轴刻度类型。其中包括线性刻度、对数刻度、对称对数刻度和logit刻度。不同的刻度类型可以更好地适应不同数据分布和数据范围,从而更好地呈现数据的特点。

注意问题

在matplotlib中使用其绘图时,会出现中文字体和负号无法显示的情况,需要添加代码设置全局字体和负号设置后方能正常显示。

因此在使用matplotlib绘图时,在代码中提前加入:

# 设置全局字体为支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定微软雅黑或其他中文字体
# 设置负号为标准的减号
plt.rcParams['axes.unicode_minus'] = False

---------------------------END---------------------------

题外话

感谢你能看到最后,给大家准备了一些福利!

感兴趣的小伙伴,赠送全套Python学习资料,包含面试题、简历资料等具体看下方。


👉优快云大礼包🎁:全网最全《Python学习资料》免费赠送🆓!(安全链接,放心点击)

一、Python所有方向的学习路线

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

img

二、Python兼职渠道推荐*

学的同时助你创收,每天花1-2小时兼职,轻松稿定生活费.
在这里插入图片描述

三、最新Python学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。

img

四、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

img

👉 优快云大礼包:gift::[全网最全《Python学习资料》免费赠送:free:!](https://blog.youkuaiyun.com/weixin_68789096/article/details/132275547?spm=1001.2014.3001.5502) (安全链接,放心点击)

若有侵权,请联系删除

python matplotlib.pyplot模块画图用法 由于经常需要用plt进行画图,而其设置亦较为繁琐,故将相关用法在此记录 阅读详情

相关推荐

使用python画柱状图(matplotlib.pyplot)-- 你想要的设置这张图基本都包括

使用python画柱状图(matplotlib.pyplot)-- 你想要的设置这张图基本都包括

qq_40671063的博客 3万+

Matplotlib 中文用户指南 3.1 pyplot 教程

3.1 pyplot 教程 原文:Pyplot tutorial 译者:飞龙 协议:CC BY-NC-SA 4.0 matplotlib.pyplot是一个命令风格函数的集合,使matplotlib的机制更像 MATLAB。 每个绘图函数对图像进行一些更改:例如,创建图像,在图像中创建绘图区域,在绘图区域绘制一些线条,使用标签装饰绘图等。在matplotlib.pyplot中

龙哥盟 8万+

Python基础——matplotlib.pyplot中文手册+实例分析+附代码

https://www.jianshu.com/p/da385a35f68d

qq_42871249的博客 5428

matplotlib pyplot 教程

matplotlib.pyplot 包含一系列类似 MATLAB 的绘图函数。

无聊的豆奶 1万+

Python:Matplotlib库的使用

为了正确显示中文字体,请用以下代码更改默认设置,其中’SimHei’表示黑体字。常见字体名称的中英文对照字体英文表示字体名称SimSun宋体SimHei黑体KaiTi楷体微软雅黑LiSu隶书FangSong仿宋YouYuan幼圆STSong华文宋体STHeiti华文黑体苹果丽中黑matplotlib库由一系列有组织有隶属关系的对象构成,这对于基础绘图操作来说显得过于复杂。因此,matplotib提供了一套快捷命令式的绘图接口函数,即pyplot子模块。

衍生星球的博客 1万+

如何选择StandardScaler、MinMaxScaler和RobustScaler做标准化的对比解释和示例代码

选择合适的标准化方法取决于数据的特点和需求。如果数据分布接近正态分布且无异常值,可以使用。如果需要将数据映射到特定范围内并保持相对关系,可以使用。如果数据中存在异常值或离群点,可以使用进行鲁棒标准化。在分类、聚类算法中,需要使用距离来度量相似性的时候、或者使用PCA技术进行降维的时候,StandardScaler表现更好(避免不同量纲对方差、协方差计算的影响);在不涉及距离度量、协方差、数据不符合正态分布、异常值较少的时候,可使用MinMaxScaler。

qq_36001281的博客 4941

在python中使用类似MATLAB的绘图功能

一、二维制图 1. 相信使用过MATLAB的朋友都知道,二维曲线的绘制(plot命令)可以画出具有相同向量长度的(X,Y),如果X,Y 的长度不一致,使用plot命令时就会报错。 在python中,导入numpy模块可以实现基本数学函数的运用, 导入matplotlib.pyplot库和pylab可以实现MATLAB 中的绘图功能。 举个使用例子:绘制光发生单缝衍射时光强的分布曲线

小山山的博客 1万+

Origin绘制带差异显著性标记的分组均值条形图|科研论文图表教程(附数据格式模板)

传统柱状图虽能呈现组间均值差异,却隐藏个体数据分布;散点图虽能展示原始数据,却难以直观凸显统计显著性。带差异显著性(*)的分组均值条形图——它以“双层叙事”的创新设计,同时呈现群体特征与个体差异。

weixin_50236590的博客 1500

python 人体建模_Matplotlib学习---可视化人体姿态

1.简介Matplotlib是一个Python 2D绘图库,可生成图表、直方图、散点图、谱图、条形图等。pyplot提供了类似MALAB的界面,它提供了matplotlib的“状态机器环境”,位于层次结构顶部,其中的一些简单的函数便可绘图。pyplot的下一个层次是面向对象接口(?)。1)图 figurefig = plt.figure() # 最简单的方式创建一个图fig.suptitle('...

weixin_32957761的博客 2714

ATAC-seq差异分析实战:从原始数据到GO富集(R/Bioconductor全流程)

本文提供了ATAC-seq差异分析的完整R/Bioconductor实战流程,涵盖从原始数据准备、一致峰集构建、计数矩阵生成,到使用DESeq2进行差异可及性分析,以及差异峰的基因组注释与GO富集分析。文章详细讲解了关键步骤、参数设置和常见问题,旨在帮助研究者获得可靠且可解释的生物学结果。

weixin_29246195的博客 232

lammps教程:聚合物压缩,避免“bond atoms missing”

如果使用ms建模,聚合物的链会伸出到盒子外面,在导出data文件后,盒子外面的原子被周期性算法折叠进盒子对面,这就造成了边界附近的bond原子可能被分布到了盒子的两侧。并且,这个data文件不能使用npt系综进行压缩,npt系综必须使用周期性边界,在压缩时,bond原子同样会移动到对面的边界。所以,最好的解决办法是使用一个反射墙墙进行压缩,设置一个反射墙墙既可以实现压缩效果,也可以组织原子跨越box边界移动到对面。解决这个问题的原则只有一个:导出data时确保所有的bond原子没有跨越边界。

lammps_jiayou的博客 3821

python模块之matplotlib.pyplot

Matplotlib是Python中最常用的可视化工具之一,可以非常方便地创建海量类型地2D图表和一些基本的3D图表,可根据数据集(DataFrame,Series)自行定义x,y轴,绘制图形(线形图,柱状图,直方图,密度图,散布图等等),能够解决大部分的需要。Matplotlib中最基础的模块是pyplot。

hackzqk的博客 1万+

QGIS之七建筑面由DSM和DEM获取高度并可视化

QGIS建筑面由DSM和DEM获取高度并可视化

yilvyangguang520的博客 3514

Python 可视化--Matplotlib 安装和pyplot

Seaborn 是一个基于 matplotlib 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。它提供的面向数据集制图函数主要是对行列索引和数组的操作,包含对整个数据集进行内部的语义映射与统计整合,以此生成富于信息的图表。 参考资源 [1] Seaborn 简介 ...

半夏微凉的博客 6万+

深入解析基于Fluent的蒸发冷凝相变UDF程序及其在重力热管液体蒸发冷凝变化计算中的应用

ANSYS Fluent是一款功能强大的CFD软件,广泛应用于流体流动、传热、化学反应和多相流等领域的数值模拟。Fluent提供了丰富的物理模型和求解器,支持用户自定义函数(UDF)以扩展其功能,实现更为复杂和特定的模拟需求。UDF是用C语言编写的程序,允许用户在Fluent中自定义物理模型、边界条件、源项等,以实现特定的模拟需求。在处理复杂的相变过程、非均匀物性参数或特定的热传导机制时,UDF提供了极大的灵活性和扩展性。

qq_38334677的博客 1266

基于Dify实现对Excel的数据分析

在dify部署完成后,大家就可以基于此进行各种应用场景建设,目前dify支持聊天助手(包括对话工作流)、工作流、agent等模式的场景建设,我们在日常工作中经常会遇到各种各样的数据清洗、格式转换处理、数据统计成图等数据分析工作,本次主要基于对话工作流模式对Excel文件、csv文件进行解析处理,并进行成图等数据分析工作。主要用到的插件有LLM节点,文档提取器、参数提取器、自定义代码节点、echart插件等。实现解析Excel数据,经过上述不同节点的处理分析流程,最终实现数据统计图展示。

hhue2007的专栏 1万+

【python数据可视化笔记】——matplotlib.pyplot()

目 录 1  %matplotlib inline2  matplotlib图例中文乱码以及坐标负号显示2.1  快速解决办法2.2  永久解决办法2.2.1  找到自己想要的中文字体2.2.2  把字体复制到matplotlib的字体文件中2.2.3  重...

孙悟充的博客 1万+

QCC51XX---人机接口设备协议( HID)

QCC51XX---人机接口设备协议( HID)

weixin_42162924的博客 820

Python:matplotlib库中的pyplot模块

matplotlib是python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地行制图。其中,matplotlib的pyplot模块一般是最常用的,可以方便用户快速绘制二维图表。 中文文档:https://www.osgeo.cn/matplotlib/api/_as_gen/matplotlib.pyplot.html 英文文档:https://matplotlib.org/api/_as_gen/matplotlib.pyplot.imshow.html#matplo

weixin_40522801的博客 5391

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

AttributeError: module ‘matplotlib‘ has no attribute ‘pyplot‘

回来了 很久没有更新博客了,上了研究生之后,科研任务蛮重的,还要兼顾学习任务,有时候想写写博客记录记录学习内容,总结总结学习心得什么的,都难有时间。 本科的时候博客大部分内容偏向于实践,尤其是Web方面的实践内容,因为当时想着好找工作,又比较喜欢就自己有事没事钻研学习。现在读研了,不太想继续搞前端了,目前正在努力的方向是大数据、数据分析、数据挖掘之类的方向(属于算法方向,对我来说还是比较困难,不过没关系,把时间花在做上就好了)。所以前端、Web相关的博客可能会减少了,但是实践风格依然不变,我还是喜欢做做东西

AngelLover2017的博客 3万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

matplotlib.pyplot库介绍

Python数据可视化matplotlib.pyplot 安装:只要安装好matplotlib,就自动安装好了。安装matplotlib可以直接执行下面的命令(Linux下): sudo pip install matplotlib 解释:matplotlib.pyplot是一些命令行风格函数的集合,使matplotlib以类似于MATLAB的方式工作。每个pyplot函数对一幅图片(f...

qq_31569581的博客 1万+

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Matplotlib(Pyplot模块)

参数:rect:位置和尺寸,格式通常为 [leftbottomwidthheight],值在0到1之间,表示相对于图形尺寸的比例。left:距figure左边界的比例 bottom:底部边界的比例width:宽 height:高**kwargs传递给Axes构造函数的额外参数。返回值:Axes对象。

2503_92739857的博客 1625

python之matplotlib中pyplot模块

from matplotlib import pyplot as plt x=range(2,13,2) y=[9,32,14,17,23,7] #setting size of pic plt.figure(figsize=(20,8),dpi=80) #painting plt.plot(x,y) #set the pos of x the level plt.xticks(range(7,2...

qq_39682037的博客 3219

【Matplotlib】matplotlib库 中 pyplot.scatter() 的使用

pyplot.scatter() 函数就是用来绘制散点图的。本文首先介绍了sctter()函数的各个参数,然后使用代码说明了几个常用参数的使用。

m0_51816252的博客 6390
上一篇: Python中Matplotlib库的使用(一)——安装与基本使用指南
下一篇: Python中Matplotlib库的使用(三)—— Matplotlib绘制图的常用类型
Python_P叔
博客等级 码龄3年 5455粉丝 827原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值