Python--Matplotlib库与数据可视化①--修改图像属性(1)

于 2024-05-16 11:02:58 发布
阅读量316 收藏 4
点赞数 4
分类专栏： 程序员 文章标签： python 学习 面试
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_84140347/article/details/138952681
版权

文末有福利领取哦~

👉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，你可以按照上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必备开发工具

img
👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
img

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，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。（文末领读者福利）
img

👉五、Python练习题

检查学习结果。
img

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
img

img

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

  • 参数axis:

  • 2.5 增加图例

  • 3.多种线条属性

    • 3.1线条的类型

  • 3.2图形的颜色

  • 3.3 点的形状类型

  • 3.4 线条宽度

起步

========================================================================

导入matplotlib:

import matplotlib.pyplot as plt

使用内部函数plot(）来绘制图线

plt.plot(Close[‘2020’])

执行完代码图像未显示出来时，还需要用到show()方法。

plt.show()

默认方式过于简单而漏掉了很多信息，作如下补充

修改图像属性

============================================================================

1.坐标

1.1 更改坐标轴范围

假设-1和1表示买入和卖出，现绘制某一时间段买卖点：

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

在这里插入图片描述

  • rcParams 是Matplotlib库中pyplot包绘图的参数字典，key为’axes.unicode_minus’的默认取值(value)为True,表示unicode的minus类型，有些字体对其兼容性支持不够，导致负号无法正常显示,现在将’axex.unicode_minus’的取值设为False，则可正常显示负号。

plt.rcParams[‘axes.unicode_minus’] = False

上图默认以-1和1为y轴坐标的最小指和最大值。如要调大坐标范围，则通过设定xlim()和ylim()来实现。xlim()函数用来调节X轴的范围，ylim用来调节Y轴的范围。

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

重新绘制，效果如下图所示

在这里插入图片描述

1.2设定坐标标签与显示角度

  • 可以通过xticks()和yticks()函数设定坐标的标签。基本用法如下：

  • matplotlib.pyplot.xticks(location, lables)

  • matplotlib.pyplot.yticks(location, lables)

location:指标签的位置，一般由浮点数或是证书组成的列表

labels:表示坐标的标签，一般为与location等长的字符串列表

rotation:控制标签与X轴正向的角度。

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2015-02-09’], rotation=45)

这里把标X轴签与与Y轴正向的夹角设成了45度。

结果如图：

在这里插入图片描述

2.添加文本

2.1 添加标题

  • 添加标题可以通过pyplot包中的title()函数实现。

matplotlib.pyplot,title(s, *args, **kwargs)

参数s为str类型数据。

参数loc：设定标题的显示位置。可选取值有：“counter”，“left”，“right”，分别表示位于坐标轴的中央、左边缘和右边缘。loc默认取值为"center"。

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票买卖点曲线图’)

2.2中文显示问题

默认情况下，图形中的中文为乱码形式，有两种方式可以解决matplotlib绘图中的中文显示问题。

  • 1.每次绘图前，通过代码更改参数。更改Matplotlib包中pyplot包的参数字（rcParams）字体的无衬线字体属性(font.sans-serif, 为参数字典的一个key)的取值(value)，现将其设定为以’SimHei’为元素的数组形式。

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

  • 2.如果每次绘图前都要考虑中文显示问题和执行上边的代码，不免就有些麻烦，当参数行数较多时，可能会顾此失彼。为了一劳永逸，可以修改一下Matplotlib配置文件中相关绘图属性的取值。该具体操作不再过多赘述。此操作虽方便，但会降低代码的普适性，不便于日后交流，固应根据个人需求酌情采用。

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票买卖点曲线图’)

具体效果如图所示：

在这里插入图片描述

2.3 设定坐标轴标签

在图像中添加坐标轴标题可以直观地显示坐标轴代表的数据变量。X轴、Y轴的标签设定分别通过xlabel()和ylabel()函数来实现，这两个函数也位于pyplot包中。

基本语法

  • xlabel(‘a’)

  • ylabel(‘b’)

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票买卖点曲线图’)

plt.xlabel(‘日期’)

plt.ylabel(‘买卖点’)

示例结果：

在这里插入图片描述

2.4 增加图形背景 grid

在Matplotlib包中，pyplot包内的grid()函数用于增加并设定图形的背景，函数的参数形式如下：

  • matplotlib.pyplot.grid(b=None,which=‘major’, axis=‘both’, **kwargs)
参数b:
  • 布尔数据类型，设定是否显示grid。默认为None，不显示。如需显示，则将B设定为True。
参数which:

  • 设定 分割标示线(tick) 的类型，取值为"major", “minor"或者"both”。

  • 默认为"major"，表示以原本坐标轴分割标示线为准；

  • 若取值为"minor"，则表示 进一步细分 坐标轴分割标示线，但是 分割标准要提前设定好。如果只是设定值为"minor",则图形不会显示grid。

  • "both"表示大小区间坐标轴分割线都有。

参数axis:
  • 制定绘制grid的坐标轴，取值为"both"(default), “x”, 或者"y"。both表示X轴和Y轴的grid都绘制。 默认都绘制。

使用示例：

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票买卖点曲线图’)

plt.xlabel(‘日期’)

plt.ylabel(‘买卖点’)

plt.grid(True,axis=‘y’)

在这里插入图片描述

2.5 增加图例

  • 多条曲线显示在一张图中时，图例可以帮助我们区分识别不同的曲线。如对某股票的价格数据中，除了收盘价，开盘价也涵盖了市场中的很多信息，将收盘价与开盘价对比分析，可能会发现一些新的信息。

  • 图例的增加， 通过pyplot包中的**lengend()**函数实现。

matplotlib.pyplot.lengend(*args, **kwargs)

该函数常用到的一个参数是loc参数，用于设定图例在图中的位置。参数loc取值如表所示：

参数loc取值表：

| 含义 | 字符串类型值 | 数字值 |

| — | — | — |

| 最适宜位置 | ‘best’ | 0 |

| 右上角 | ‘upper right’ | 1 |

| 左上角 | ‘upper left’ | 2 |

| 左下角 | ‘lower left’ | 3 |

| 右下角 | ‘lower right’ | 4 |

| 右侧 | ‘right’ | 5 |

| 左侧中间 | ‘center left’ | 6 |

| 右侧中间 | ‘center right’ | 7 |

| 下方中间 | ‘lower center’ | 8 |

| 上方中间 | ‘upper center’ | 9 |

| 中间 | ‘center’ | 10 |

该函数成功增加图例的前提是在绘制图形时，要为图形设定lebel,lebel的值就是图例的文本内容。

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], label = ‘收盘价’)

plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25], label = ‘收盘价’)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票开盘价&收盘价时序图’)

plt.xlabel(‘日期’)

plt.ylabel(‘价格’)

plt.grid(True,axis=‘y’)

plt.legend()

结果如图所示:

在这里插入图片描述

3.多种线条属性

3.1线条的类型

plot()函数中的linestyle参数用于设定曲线的类型。为了书写方便，有时会用ls代替linestyle, 该参数的主要取值如表所示：

线条类型可能取值表

| 类型 | 名称取值 | 符号取值 |

| — | — | — |

| 实线 | ‘solid’ | ‘-’ |

| 虚线 | ‘dashed’ | ‘—’ |

| 线点 | ‘dashdot’ | ‘-.’ |

| 点线 | ‘dotted’ | ‘:’ |

| 不画线 | ‘None’ | ‘’ |

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], label = ‘收盘价’, linestyle=‘solid’)

plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25], label = ‘收盘价’, ls=‘-.’)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票开盘价&收盘价某时间序列内时序图’)

plt.xlabel(‘日期’)

plt.ylabel(‘价格’)

plt.grid(True,axis=‘y’)

plt.legend()

在这里插入图片描述

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

2401_84140347
关注
专栏目录
Python--Matplotlib库与数据可视化①--修改图像属性，成功收获美团、小米Pythonoffer
2401_83740189的博客
04-04 884
不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~给大家准备的学习资料包括但不限于：Python 环境、pycharm编辑器/永久激活/翻译插件python 零基础视频教程Python 界面开发实战教程Python 爬虫实战教程Python 数据分析实战教程python 游戏开发实战教程Python 电子书100本。
Python 批量修改图片exif属性
weixin_30580341的博客
04-11 946
Python 批量修改图片exif属性 一共两个文件 config.ini　　//放配置文件 exif.py 　　//主程序文件 config.ini 文件源码 [global] Artist = www.blmm.com ;作者 DateTimeOriginal = now ;时间(now为当前时间,如指定时间则格式为:2017:04:09 14:13:22) Softw...
Python学习笔记（11-3）：matplotlib绘图——图片属性设置函数
jinwei94的博客
02-10 669
本节主要是对于图形属性设置函数的讲解，以此达到美化图像、增强图像信息可读性的效果，内容包括：（1）坐标轴的基础设置、高级设置以及基于tick_params修改坐标轴参数的设置；（2）基于图例参数、文本信息以及图像边框等辅助信息的设置；（3）基于调节子图范围、设置背景色等方法设置图像主题风格。
Matplotlib调整图例相关内容
围城
04-16 2827
20210416 - 0. 引言 在做实验绘图的过程中，经常要进行图例的调整，一般关于matplotlib的问题都记录在《matplotlib绘图问题》中，但是考虑到这部分内容比较多，就单独列出来进行记录。 自定义图例 1. 遇到的问题 1.1 自定义图例 这里的自定义图例仅仅是想替换原有的图形，还没有到使用图片这种级别；而这种方法的话，官方文档中[1]就有相关的例子，先上效果图： 上面的图例部分是经过调整后的，而具体的代码如下： from matplotlib.lines import Line2D
matplotlib坐标设置（笔记二）
影子
05-11 718
代码： # -*- coding:utf-8 -*- #matplotlib设置坐标 import matplotlib.pyplot as plt import numpy as np x=np.linspace(-1,1,100) y=2*x+1 y1=x**2 #限制x，y的范围 plt.xlim((-1,2))#x的范围是（-1,2） plt.ylim((-2,3))#y的范围是（-2,3） #xy的标签的描述 plt.xlabel("X") plt.ylabel("Y") #曲线和直线
Python--Matplotlib库与数据可视化③--Figures、Axes对象与多图绘制
m0_60635321的博客
03-22 966
2. 多图绘制2.2 一个图中多条曲线绘制1. Figure、Axes对象类比一下生活中用纸笔绘图，我们需要先找到一张白纸，在白纸上绘图。使用Matplotlib面向对象绘图，绘图前我们要先创建一个Figure对象，Figure对象是一个空白区域。Figure对象可以通过pyplot包中的figure函数进行创建。fig = plt.figure()在Matplotlib绘图中，每个Figure对象可以包含一个或者几个Axes对象，每个Axes对象即一个绘图区域，其拥有自己独立的坐标系统。由此也可以看出Ax
Python量化金融-Python金融实务应用与数据分析课程 Python课程2.2-Matplotlib可视化共12页.pdf
02-26
《Python量化金融：Matplotlib可视化详解》 在Python金融领域，数据可视化是至关重要的一步，它可以帮助我们更好地理解和解释复杂的金融数据。Matplotlib作为Python最基础的绘图库，为金融数据分析提供了强大的支持...
Python--数据可视化基础(matplotlib)
m0_69073685的博客
07-13 978
1. 数据可视化 2. 基本绘图 API 2.1 plot() 2.2 hlines() 绘制水平线 2.3 vlines() 绘制垂直线 2.4 linspace() sin() cos() 3. 设置线型线宽 4. 设置坐标刻度 4.1 坐标轴刻度标签文本以 latex 格式显示 5. 设置坐标轴 6. 设置图例 7. 设置特殊点 8. 设置备注 附 可设置线颜色的单词 latex 图形特殊点的点型 特殊点备注的箭头样式 ...
Python-LaTeXiPy基于matplotlib代码生成美观的LaTeX图表
08-10
在Python的科学计算和数据分析领域，数据可视化是一个至关重要的部分，而将这些图表与文档结合，尤其是LaTeX文档，能够使报告或论文看起来更加专业和精美。`LaTeXiPy`是一个专门针对这种情况设计的库，它允许用户...
Python常见库matplotlib之画图中各个模块的含义及修改方式
搬砖屋
03-23 1458
第一章节我们介绍了如何在matplotlib中进行想要的字体显示，但未对常见的函数意义进行介绍，本章节会介绍常用模块的含义和修改方式，我们会从绘图的部分代码开始看起。依然以下面的代码为例。
一个直接用命令查看修改删除图片属性Exif信息的文件
11-03
部分使用说明： 点击开始菜单-运行命令，在对话框输入： "jhead –命令参数 jpeg文件" 例如： “jhead -de D:\A.jpg” 删除D盘盘根目录下A.jpg文件的exif信息。 “jhead -de D:\*.jpg” 删除D盘根目录下所有jpg文件的exif信息。其中星号是通配符。 二、通用指令参数 -te 将其他jpeg文件的eixf导入目标jpeg。例如"jhead –te D:\B.jpg D:\A.jpg" -dc 删除jpeg信息中的备注。注意，jpeg文件有两个备注，一是和其他文件一样的备注，另一个是exif信息中的备注。jhead仅对exif信息有效。 -de 完全删除exif信息。 -du 删除非原始exif信息，例如Photoshop、Turbophoto之类编辑后修改exif留下的信息。 -purejpg 删除所有jpeg文件非必须的信息。相当于-de、-dc和-du的集合，可以将文件减小数k。 -ce 修改文件的jpeg文件头部分备注（此备注并非exif信息）。该指令会打开文本编辑器，并在编辑器关闭时将备注信息存入文件。 -cs 导出备注。例如"jhead –cs D:\988.txt D:\A.jpg" -ci 导入备注。例如"jhead –ci D:\988.txt D:\A.jpg" -cl 直接输入备注。。例如"jhead –cl 我的备注 D:\A.jpg" 三、其他指令 时间日期 -ft 将jpeg文件的“修改时间”修改为exif信息中记录的时间。 -n[] 该指令会将文件名修改为exif信息中记录的“创建时间”；如果jpeg文件没有exif或者exif中的创建时间不可用，则将文件名修改为文件的“修改时间”。 默认的格式-顺序为MMDD-HHMMSS 格式-顺序参数如下： %d-日(01-31) %H-小时(00-23) %j-一年中的第几天(001-366) %m-月(01-12) %M-分钟(00-59) %S-秒(00-59) %U-一年中的第几周(00-53) %w-星期几(0-6，周日为0) %y-两位数纪年(00-99) %Y-四位数几年 %i-添加数字序号 例如： jhead -n%Y%m%d-%H%M%S d:\*.jpg 将所有jpg文件修改为YYYYMMDD-HHMMSS.jpg的格式。 -nf 与“-n”相同功能相同，不保留原文件名。 -a 修改不同扩展名的同名文件名，相机拍摄的avi短片exif信息存储在与其同名的thm文件中，可用此指令给avi文件更名。一般与“-n”指令共同使用。 -ta 修正时差，例如时差根据时区确定，例如+1:00或者-1:00 -da- 修正日期。日期格式是yyyy:mm:dd、yyyy:nn:dd+hh:mm或者 yyyy:mm:dd+hh:mm:ss。根据前后参数时间差调整exif的时间。 -ts 直接修改exif中的拍摄时间，日期-时间格式为yyyy:mm:dd-hh:mm:ss 缩略图 -dt 删除exif中的缩略图。这个缩略图一般为240x160像素，10k大小，用于数码相机、Windows XP查看照片，删除它不会影响工作。 -st 将exif中的缩略图复制为另一个jpeg文件 -rt 用另一个jpeg文件替换exif中的缩略图 -rgt[大小] 刷新exif缩略图，其中大小为缩略图的最大边长。 旋转 -autorot 根据exif中记录的水平方向信息转动jpeg照片。 -norot 清除exif中的水平方向信息。 四、使用技巧 1）用开始菜单的"运行"指令并不直观，可以通过运行cmd命令进入DOS命令提示符界面操作。在DOS界面进入操作照片文件夹（不懂DOS操作的朋友建议稍稍学习DOS指令，今后也会受用无穷），在文件夹中运行jhead命令，用“*.jpg”表示文件夹中所有的jpeg文件，可以进行批处理。 2）-te（复制exif信息）作用在于可以恢复被其他编辑软件删除的exif信息。编辑照片之前，先在照片文件夹中建立一个名为“backup”的备份文件夹，将原是照片复制到backup文件夹中，然后再编辑照片，编辑软件可能会删除或修改exif。编辑结束后进入DOS界面照片文件夹输入： jhead –te “backup\&i” *.jpg 照片的exif信息就会从backup文件夹的原始文件中复制回来。其中“&i”表示与目标文件同名的文件，前面的“backup\”表示原始文件位置。 3）-purejpg指令可以删除所有exif信息，让照片减小若干k字节
python使用matplotlib创建三维图时隐藏坐标轴、网格、背景的方法
momei2019的博客
03-26 8000
可以加入 ax.grid(None) 指令将网格设为隐藏，加入 ax.axis('off') 指令将坐标轴设为隐藏。运行代码后，可以看到空间三维直线的网格、坐标轴被隐藏，背景也变为白色。效果如下图所示，创建三维图形时默认会显示灰色背景、网格线以及坐标轴。可以将坐标轴的三个背景面设为白色。使用下面的代码创建一条空间直线。
matplotlib线条属性设置（1）
亚洲程序员盟主得博客
02-25 708
import random import matplotlib as mpl import matplotlib.pyplot as plt x_data = range(0, 100) values1 = [] values2 = [] for i in range(0, 100): values1.append(random.randint(0, 100)) for i in range(0, 100): values2.append(random.randint(10, 15.
【Python】【Matplotlib】深入解析plt.grid()---原理、应用与注意事项
创作高质量博文，分享知识，共同进步！
03-11 8329
📚【Python】【Matplotlib】plt.grid()一网打尽！ 🌈探索Matplotlib中plt.grid()的奥秘，从基础原理到进阶应用，一篇文章全搞定！📊 🔍揭秘plt.grid()背后的工作原理，轻松理解网格线如何助力数据可视化。 📈实战演示plt.grid()应用实例，让图表瞬间提升颜值！ 🔧掌握plt.grid()参数配置，随心所欲定制网格线样式。 💡注意事项一网打尽，助你绘制出专业级图表。 🚀进阶应用解锁新技能，网格线与图表背景完美融合。
Matplotlib图表美化秘籍：自定义样式，让你的图表脱颖而出！
创作高质量博文，分享知识，共同进步！
02-12 2593
【🎨 图表大师：Matplotlib样式自定义全攻略 🎨】🌟 跃入Matplotlib的魔法世界，开启您的图表定制之旅！📘 本文将带您从零开始，一步步掌握Matplotlib图表样式的自定义技巧！🖌️ 赋予您的图表独特的个性，让数据更加生动、直观地呈现！🌟
Matplotlib中的线宽调整
uote_e的博客
08-10 737
通过将linewidth参数设置为单个值或列表，或者使用rcParams设置默认值，我们可以轻松地控制线宽，使得图像更加清晰易读。上述代码中，我们使用linewidth参数设置了一个长度为4的列表，其中每个值分别对应不同线段的粗细程度。可以看出，第二条曲线的线宽是不同的，这让图像更加多样化和好看。除了直接在代码中使用linewidth参数之外，还可以在Matplotlib中设置默认的线宽。除了可以使用单个值来设置线宽之外，还可以使用一个列表来给不同的线段设置不同的线宽。Matplotlib中的线宽调整。
python数据可视化：创建多个子图 matplotlib.pyplot.subplot()
最新发布
liujingwei8610的专栏
05-01 268
print("【执行】plt.plot([1, 2, 3], [3, 2, 1], 'r--')")print("【执行】plt.plot([1, 2, 3], [1, 2, 3])")print("【执行】plt.subplot(1, 2, 1)")print("【执行】plt.subplot(1, 2, 2)")A选项：plt.subplot()用于创建多个子图。C选项：plt.subplot()用于创建折线图。D选项：plt.subplot()用于创建散点图。【小白从小学Python、C、Java】
（完美解决）matplotlib图例(legend)如何自由设置其位置、大小以及样式。
热门推荐
qq_43391414的博客
07-01 3万+
我们知道，这一条代码会帮我们显示图例，而且通常，其会放置在图片中一个不错的位置。但是如果我们的数据，占满了整个图像，此时，其放的位置就会出问题了。 那么我们该如何自由设置图例位置呢？这个参数内置了一些位置，如果这些位置恰好有你想要的，那么用这个就行了，很方便。 bbox_to_anchor 这个是绝招，因为其可以控制任意位置。 这个玩意是一个坐标，原点就是图的左下角。但是，这个坐标的数值表示的是比例。比如 所以说，很简单了，你自己慢慢调到你想要的位置就行了。注意，上面还支持负数哦。 最终，成功调节到了一个中
Python修改图片Exif属性
Maisie_Nan的博客
03-15 3496
# from PIL import Image # import piexif # # im = Image.open("D://temp//1.jpg") # exif_dict = piexif.load(im.info["exif"]) # # print(type(exif_dict), exif_dict) # # for ifd in ("0th", "Exif", "GPS", "1st"): # for tag in exif_dict[ifd]: # print(.
Matplotlib起飞计划-2：Python与AI的数据可视化练习
本资源《Python&AI：Matplotlib起飞计划-2（CSDN@追光者♂）》旨在通过实际案例和练习代码，帮助学习者深入理解Matplotlib库的使用，掌握数据可视化技巧，并将Python与人工智能结合。通过学习和实践，学习者不仅能够...
评论
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