Matplotlib教程代码复现（下）

最新推荐文章于 2023-05-23 10:11:37 发布
最新推荐文章于 2023-05-23 10:11:37 发布
阅读量404 收藏 2
点赞数 1
分类专栏： 统计相关 文章标签： matplotlib python 开发语言
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/S_AGZX/article/details/126819543
版权

Matplotlib教程代码复现（下）

  整个8月有限的学习时间都用来复习画图代码，主要就是以一篇公众号文章为基础复现。现记录复现过程，算作笔记、方便后续查找。欢迎各位关注原作者，他的整理真的很棒，详见参考学习资料。

1、参考学习资料

（1）Python、R、可视化、统计、perl原创合集

（2）Matplotlib 1.4W+字教程

（3）GitHub-scientific-visualization-book

（4）GitHub-Official Matplotlib cheat sheets

（5）Seaborn 0.9 中文文档

2、多子图绘制

# (1)  subplot
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

my_dpi = 126
fig = plt.figure(figsize=(580/my_dpi, 480/my_dpi))
margin = 0.1
fig.subplots_adjust(left=margin, right=1-margin, top=1-margin, bottom=margin)
mpl.rc('axes', linewidth=.5)

nrows, ncols = 3, 3
for i in range(nrows*ncols):
    ax = plt.subplot(ncols, nrows, i+1)
    ax.set_xticks([]), ax.set_yticks([])
plt.show()

# (2) add_gridspec
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

my_dpi=126
fig = plt.figure(figsize=(580/my_dpi,480/my_dpi))
margin = 0.01
fig.subplots_adjust(left=margin, right=1-margin, top=1-margin, bottom=margin)
mpl.rc('axes', linewidth=.5)

gs = fig.add_gridspec(3, 3)
ax1 = fig.add_subplot(gs[0, :], xticks=[], yticks=[]) # 最上方的图片;
ax2 = fig.add_subplot(gs[1, :-1], xticks=[], yticks=[]) # 中间左边的图片;
ax3 = fig.add_subplot(gs[1:, -1], xticks=[], yticks=[]) # 中间右侧的图片;
ax4 = fig.add_subplot(gs[-1, 0], xticks=[], yticks=[]) # 左下角的图片;
ax5 = fig.add_subplot(gs[-1, -2], xticks=[], yticks=[]) # 底部中间的图片;
plt.show()

# （3） add_axes 常用
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

my_dpi=126
fig = plt.figure(figsize=(580/my_dpi, 480/my_dpi))
margin = 0.1 # 相对于fig而言
fig.subplots_adjust(left=margin, right=1-margin, top=1-margin, bottom=margin)
mpl.rc('axes', linewidth=.5)

margin = 0.125
ax1 = fig.add_axes([margin,margin,1-2*margin,1-2*margin], xticks=[], yticks=[])
ax2 = ax1.inset_axes([0.5, 0.5, 0.4, 0.4], xticks=[], yticks=[])
plt.show()

# (4) make_axes_locatable
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

my_dpi=126
fig = plt.figure(figsize=(580/my_dpi,480/my_dpi))
margin = 0.01
fig.subplots_adjust(left=margin, right=1-margin, top=1-margin, bottom=margin)
mpl.rc('axes', linewidth=.5)

from mpl_toolkits.axes_grid1 import make_axes_locatable
margin = 0.125
ax = fig.add_axes([margin,margin,1-2*margin,1-2*margin], xticks=[], yticks=[])
divider = make_axes_locatable(ax)
cax = divider.new_horizontal(size="10%", pad=0.025)
fig.add_axes(cax)
cax.set_xticks([]), cax.set_yticks([])
plt.show()

 

学习笔记

2.1 官网示例

(1) matplotlib.pyplot.subplots官方文档
  matplotlib.pyplot.subplots官方文档

(2) matplotlib.axes.Axes.inset_axes官方文档
  matplotlib.axes.Axes.inset_axes官方文档

(3) Arranging multiple Axes in a Figure官方文档
   Arranging multiple Axes in a Figure官方文档

(4) 中文代码讲解示例
  中文代码讲解示例

2.2 学习笔记

1、matplotlib.pyplot api方式添加子图

plt.subplot(221)
    plt.subplots_adjust(left=0.125, bottom=-0.51, right=1.3, top=0.88, wspace=0.2, hspace=0.2)

        subplots_adjust函数:  
 			https://blog.csdn.net/lty_sky/article/details/104589415/ left, right, bottom, top：子图所在区域的边界。要保证left < right, bottom < top，否则会报错。  
		 A,B可以理解是图像左下角点的坐标，C,D可以理解为图像右上角点的坐标，至于E,F则是控制子图之间的距离。注意这些值都是0到1之间的值，代表百分比。

2、面向对象方式添加子图

fig, axs = plt.subplots(2,2,figsize=(480/my_dpi,480/my_dpi),dpi=my_dpi,    
          sharex=False,#x轴刻度值共享开启 
          sharey=False,#y轴刻度值共享关闭  
 )

     #fig为matplotlib.figure.Figure对象, axs为matplotlib.axes.Axes，把fig分成2x2的子图
       #axs[0][0]、axs[0][1]、axs[1][0]、axs[1][1], 各个子图,https://blog.csdn.net/qq_39622065/article/details/82909421

3、matplotlib.pyplot add_subplot方式添加子图

	 fig = plt.figure(figsize=(480/my_dpi,480/my_dpi),dpi=my_dpi) # 对象  
	 fig.add_subplot(221) # 2*2的4子图中, 在指定位置1添加子图  
	 
	 plt.plot([1,2,3]) plt.title('fig.add_subplot(222)') # 子图的title  
	 plt.suptitle('matplotlib.pyplot api:add_subplot',color='r') # 整个画布的title

4、matplotlib.gridspec.GridSpec方式添加子图
  略, 使用时再看

5、子图中绘制子图
  略, 使用时再看, GridSpec、GridSpecFromSubplotSpec的功能结合

6、任意位置绘制子图

	plt.axes([0.7, 0.2, 0.15, 0.15], ## [left, bottom, width, height]四个参数(fractions of figure)可以非常灵活的调节子图中子图的位置)  
	plt.bar([1,2,3],[1,2,3],color=['r','b','g'])

刻度属性设置:  
	 plt.tick_params(axis='x', labelsize=20, rotation=45)#x轴标签旋转、字号等

3、文本text设置

import numpy as np
import matplotlib.pyplot as plt

dpi = 100
fig = plt.figure(dpi=100)
ax = fig.add_axes([0,0,1,1], frameon=False,
                  xlim=(0,4.25), ylim=(0,1.5), xticks=[], yticks=[])

fontsize = 48
renderer = fig.canvas.get_renderer()
horizontalalignment = "left"
verticalalignment = "center"
position = (0.25, 1.5/2)
color = "0.25"

# Compute vertical and horizontal alignment offsets
text = ax.text(0, 0, "Matplotlib", fontsize=fontsize)
yoffset = {}
for alignment in ["top", "center", "baseline", "bottom"]:
    text.set_verticalalignment(alignment)
    y = text.get_window_extent(renderer).y0/dpi
    yoffset[alignment] = y

xoffset = {}
for alignment in ["left", "center", "right"]:
    text.set_horizontalalignment(alignment)
    x = text.get_window_extent(renderer).x0/dpi
    xoffset[alignment] = x

# Actual positioning of the text
text.set_horizontalalignment(horizontalalignment)
text.set_verticalalignment(verticalalignment)
text.set_position(position)


for name,y in yoffset.items():
    y = position[1] - y + yoffset[verticalalignment]
    plt.plot([0.1, 3.75], [y, y], linewidth=0.5, color=color)
    plt.text(3.75, y, " "+name, color=color,
             ha="left", va="center", size="x-small")

for name,x in xoffset.items():
    x = position[0] - x + xoffset[horizontalalignment]
    plt.plot([x,x], [0.25, 1.25], linewidth=0.5, color=color)
    plt.text(x, 0.24, name, color = color,
             ha="center", va="top", size="x-small")

P = []
for x in xoffset.values():
    x = position[0] - x + xoffset[horizontalalignment]
    for y in yoffset.values():
        y = position[1] - y + yoffset[verticalalignment]
        P.append((x,y))
P = np.array(P)

ax.scatter(P[:,0], P[:,1], s=10, zorder=10,
           facecolor="white", edgecolor=color, linewidth=0.75)

epsilon = 0.05
plt.text(P[3,0]+epsilon, P[3,1]-epsilon, "(0,0)",
         color=color, ha="left", va="top", size="xx-large")
plt.text(P[8,0]-epsilon, P[8,1]+epsilon, "(1,1)",
         color=color, ha="right", va="bottom", size="xx-large")

plt.show()

 

学习笔记

3.1 官网示例

（1） 官方文档
    https://matplotlib.org/stable/tutorials/text/text_props.html

(2) 参考示例
    Python可视化31|matplotlib-图添加文本(text)及注释(annotate)

3.2 学习笔记

1、添加文本(matplotlib.pyplot.text)
(1) 文本基本参数设置

plt.text(x=2.2,#文本x轴坐标  
	y=8, #文本y轴坐标  
	s='basic unility of text', #文本内容  
	rotation=1,#文字旋转  
	ha='left',#x=2.2是文字的左端位置，可选'center', 'right', 'left'  
	va='baseline',#y=8是文字的低端位置，可选'center', 'top', 'bottom', 'baseline', 'center_baseline'  
	fontdict=dict(fontsize=12, color='r', family='monospace',#字体,可选'serif', 'sans-serif', 'cursive', 'fantasy', 'monospace'  
	weight='bold',#磅值，可选'light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black')#字体属性设置  
)

(2) 给文本加上背景框

plt.text(  
		#添加文字背景色  
		bbox={'facecolor': '#74C476', #填充色  
			   'edgecolor':'b',#外框色  
			   'alpha': 0.5, #框透明度  
			   'pad': 8,#本文与框周围距离  
				} 
)text.set_color('b') #修改文字颜色

(3)背景文本框形状

   'boxstyle':'sawtooth'    

    fig.canvas.get_renderer()  
   		 https://www.modb.pro/db/412419  
    	 调用bbox = fig.get_tightbbox(fig.canvas.get_renderer())，结果是包围图中每个Artist的边界框，已经转换为单位英寸

 

4、注释设置

# 注释(annotate)
import matplotlib.pyplot as plt

fig = plt.figure(figsize=(6,1))
ax = fig.add_axes([0, 0, 1, 1], frameon=False, aspect=1)

plt.scatter([5.5], [0.75], s=100, c="k")
plt.xlim(0, 6), plt.ylim(0, 1)
plt.xticks([]), plt.yticks([])

plt.annotate("Annotation", (5.5, .75), (0.1, .75), size=16, va="center",
             arrowprops=dict(facecolor='black', shrink=0.05))

plt.text( 5.5, 0.6, "xy\nycoords", size=10, va="top", ha="center", color=".5")
plt.text( .75, 0.6, "xytext\ntextcoords", size=10, va="top", ha="center", color=".5")
plt.show()

# 注释箭头类型
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches

styles = mpatches.ArrowStyle.get_styles()
def demo_con_style(ax, connectionstyle):
    ax.text(.05, .95, connectionstyle.replace(",", ",\n"),
            family="Source Code Pro",
            transform=ax.transAxes, ha="left", va="top", size="x-small")

fig, ax = plt.subplots(dpi=100, frameon=False) # frameon=False, 则图示会被直接绘制在图片上
ax.axis("off")
for i,style in enumerate(mpatches.ArrowStyle.get_styles()):
    # print(i, style) # 16种线条风格
    x0, y0 = 5 + 5*(i%3), -(i//3)
    x1, y1 = 1 + 5*(i%3), -(i//3)
    ax.plot([x0, x1], [y0, y1], ".", color="0.25") # 画布上定位24组位点
    ax.annotate("",
                xy=(x0, y0), xycoords='data',
                xytext=(x1, y1), textcoords='data',
                arrowprops=dict(arrowstyle=style,
                                color="black",
                                shrinkA=5, shrinkB=5,
                                patchA=None, patchB=None,
                                connectionstyle="arc3,rad=0"))
    ax.text( (x1+x0)/2, y0-0.2, style,
             family = "Source Code Pro", ha="center", va="top")
plt.show()

# 注释箭头线型
import matplotlib.pyplot as plt

# 依据调整connectionstyle, 画不同的子图
def demo_con_style(ax, connectionstyle):
    x1, y1 = 0.3, 0.2
    x2, y2 = 0.8, 0.6
    ax.plot([x1, x2], [y1, y2], ".")
    ax.annotate("",
                xy=(x1, y1), xycoords='data',
                xytext=(x2, y2), textcoords='data',
                arrowprops=dict(arrowstyle="->", color="0.5",
                                shrinkA=5, shrinkB=5,
                                patchA=None, patchB=None,
                                connectionstyle=connectionstyle),
                )
    ax.text(.05, .95, connectionstyle.replace(",", ",\n"),
            family="Source Code Pro",
            transform=ax.transAxes, ha="left", va="top", size="x-small")

fig, axs = plt.subplots(3, 3, dpi=100)
demo_con_style(axs[0, 0], "arc3,rad=0")
demo_con_style(axs[0, 1], "arc3,rad=0.3")
demo_con_style(axs[0, 2], "angle3,angleA=0,angleB=90")
demo_con_style(axs[1, 0], "angle,angleA=-90,angleB=180,rad=0")
demo_con_style(axs[1, 1], "angle,angleA=-90,angleB=180,rad=25")
demo_con_style(axs[1, 2], "arc,angleA=-90,angleB=0,armA=0,armB=40,rad=0")
demo_con_style(axs[2, 0], "bar,fraction=0.3")
demo_con_style(axs[2, 1], "bar,fraction=-0.3")
demo_con_style(axs[2, 2], "bar,angle=180,fraction=-0.2")

# axs.flat 去掉每个子图的坐标轴信息
for ax in axs.flat:
    ax.set(xlim=(0, 1), ylim=(0, 1), xticks=[], yticks=[], aspect=1) # 即x和y的缩放比例相同
fig.tight_layout(pad=0.2)   # 调整9个子图之间的空白距离
plt.show()

学习笔记

4.1 官网示例

  (1) https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.annotate.html

  (2) # Python可视化31|matplotlib-图添加文本(text)及注释(annotate)

  (3) # Matplotlib 可视化之箭头与标注的高级应用

4.2 学习笔记

1、添加注释(matplotlib.pyplot.annotate)
(1) 基本参数设置

plt.annotate('basic unility of annotate',
             xy=(2, 8),#箭头末端位置

             xytext=(1.0, 8.75),#文本起始位置

             #箭头属性设置
            arrowprops=dict(facecolor='#74C476',
                            shrink=1,#箭头的收缩比
                            alpha=0.6,
                            width=7,#箭身宽
                            headwidth=40,#箭头宽
                            hatch='--',#填充形状
                            frac=0.8,#身与头比
                            #其它参考matplotlib.patches.Polygon中任何参数
                           ),
            )

(2) 修改箭头形状
  arrowstyle=‘-|>’,#箭头类型修改

(3) 箭头弯曲
  arrowstyle=‘-|>’, connectionstyle=‘arc3,rad=0.5’,#有多个参数可选

(4) 跨子图注释
  styles = mpatches.ArrowStyle.get_styles()
  通过mpatches.ArrowStyle.get_styles()方法查看所有可以设置的样式

2、fig.tight_layout()函数
  功能:使得子图横纵坐标更加紧凑，主要用于自动调整图区的大小以及间距，使所有的绘图及其标题、坐标轴标签等都可以不重叠的完整显示在画布上。

参数：
  Pad:用于设置绘图区边缘与画布边缘的距离大小
  w_pad:用于设置绘图区之间的水平距离的大小
  H_pad:用于设置绘图区之间的垂直距离的大小

 

5、坐标轴刻度Tick设置

# 刻度间距设置
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

# Setup a plot such that only the bottom spine is shown
def setup(ax):
    ax.spines['right'].set_color('none')    # 图片右轴的颜色
    ax.spines['left'].set_color('none')
    ax.yaxis.set_major_locator(ticker.NullLocator())    # X轴刻度线步长;
    ax.spines['top'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')
    ax.tick_params(which='major', width=1.00)   # 对坐标轴刻度（tick）与刻度值（tick label）操作
    ax.tick_params(which='major', length=5)
    ax.tick_params(which='minor', width=0.75)
    ax.tick_params(which='minor', length=2.5)
    ax.set_xlim(0, 5)
    ax.set_ylim(0, 1)
    ax.patch.set_alpha(0.0)


fig = plt.figure(figsize=(8, 5))
fig.patch.set_alpha(0.0)
n = 8

fontsize = 18
family = "Source Code Pro"

# Null Locator
ax = plt.subplot(n, 1, 1)
setup(ax)
ax.xaxis.set_major_locator(ticker.NullLocator())
ax.xaxis.set_minor_locator(ticker.NullLocator())
ax.text(0.0, 0.1, "ticker.NullLocator()",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# Multiple Locator
ax = plt.subplot(n, 1, 2)
setup(ax)
ax.xaxis.set_major_locator(ticker.MultipleLocator(0.5))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(0.1))
ax.text(0.0, 0.1, "ticker.MultipleLocator(0.5)",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# Fixed Locator
ax = plt.subplot(n, 1, 3)
setup(ax)
majors = [0, 1, 5]
ax.xaxis.set_major_locator(ticker.FixedLocator(majors))
minors = np.linspace(0, 1, 11)[1:-1]
ax.xaxis.set_minor_locator(ticker.FixedLocator(minors))
ax.text(0.0, 0.1, "ticker.FixedLocator([0, 1, 5])",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# Linear Locator
ax = plt.subplot(n, 1, 4)
setup(ax)
ax.xaxis.set_major_locator(ticker.LinearLocator(3))
ax.xaxis.set_minor_locator(ticker.LinearLocator(31))
ax.text(0.0, 0.1, "ticker.LinearLocator(numticks=3)",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# Index Locator
ax = plt.subplot(n, 1, 5)
setup(ax)
ax.plot(range(0, 5), [0]*5, color='white')
ax.xaxis.set_major_locator(ticker.IndexLocator(base=.5, offset=.25))
ax.text(0.0, 0.1, "ticker.IndexLocator(base=0.5, offset=0.25)",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# Auto Locator
ax = plt.subplot(n, 1, 6)
setup(ax)
ax.xaxis.set_major_locator(ticker.AutoLocator())
ax.xaxis.set_minor_locator(ticker.AutoMinorLocator())
ax.text(0.0, 0.1, "ticker.AutoLocator()",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# MaxN Locator
ax = plt.subplot(n, 1, 7)
setup(ax)
ax.xaxis.set_major_locator(ticker.MaxNLocator(4))
ax.xaxis.set_minor_locator(ticker.MaxNLocator(40))
ax.text(0.0, 0.1, "ticker.MaxNLocator(n=4)",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# Log Locator
ax = plt.subplot(n, 1, 8)
setup(ax)
ax.set_xlim(10**3, 10**10)
ax.set_xscale('log')
ax.xaxis.set_major_locator(ticker.LogLocator(base=10.0, numticks=15))
ax.text(0.0, 0.1, "ticker.LogLocator(base=10, numticks=15)",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# Push the top of the top axes outside the figure because we only show the
# bottom spine.
plt.subplots_adjust(left=0.05, right=0.95, bottom=0.05, top=1.05)

# 刻度标签格式化输出
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

# Setup a plot such that only the bottom spine is shown
def setup(ax):
    ax.spines['right'].set_color('none')
    ax.spines['left'].set_color('none')
    ax.yaxis.set_major_locator(ticker.NullLocator())
    ax.spines['top'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')
    ax.tick_params(which='major', width=1.00, length=5)
    ax.tick_params(which='minor', width=0.75, length=2.5, labelsize=10)
    ax.set_xlim(0, 5)
    ax.set_ylim(0, 1)
    ax.patch.set_alpha(0.0)


fig = plt.figure(figsize=(8, 5))
fig.patch.set_alpha(0.0)
n = 7

fontsize = 18
family = "Source Code Pro"

# Null formatter
ax = fig.add_subplot(n, 1, 1)
setup(ax)
ax.xaxis.set_major_locator(ticker.MultipleLocator(1.00))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(0.25))
ax.xaxis.set_major_formatter(ticker.NullFormatter())
ax.xaxis.set_minor_formatter(ticker.NullFormatter())
ax.text(0.0, 0.1, "ticker.NullFormatter()", family=family,
        fontsize=fontsize, transform=ax.transAxes)

# Fixed formatter
ax = fig.add_subplot(n, 1, 2)
setup(ax)
ax.xaxis.set_major_locator(ticker.MultipleLocator(1.0))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(0.25))
majors = ["", "0", "1", "2", "3", "4", "5"]
ax.xaxis.set_major_formatter(ticker.FixedFormatter(majors))
minors = [""] + ["%.2f" % (x-int(x)) if (x-int(x))
                 else "" for x in np.arange(0, 5, 0.25)]
ax.xaxis.set_minor_formatter(ticker.FixedFormatter(minors))
ax.text(0.0, 0.1, "ticker.FixedFormatter(['', '0', '1', ...])",
        family=family, fontsize=fontsize, transform=ax.transAxes)


# FuncFormatter can be used as a decorator
@ticker.FuncFormatter
def major_formatter(x, pos):
    return "[%.2f]" % x


ax = fig.add_subplot(n, 1, 3)
setup(ax)
ax.xaxis.set_major_locator(ticker.MultipleLocator(1.00))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(0.25))
ax.xaxis.set_major_formatter(major_formatter)
ax.text(0.0, 0.1, 'ticker.FuncFormatter(lambda x, pos: "[%.2f]" % x)',
        family=family, fontsize=fontsize, transform=ax.transAxes)


# FormatStr formatter
ax = fig.add_subplot(n, 1, 4)
setup(ax)
ax.xaxis.set_major_locator(ticker.MultipleLocator(1.00))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(0.25))
ax.xaxis.set_major_formatter(ticker.FormatStrFormatter(">%d<"))
ax.text(0.0, 0.1, "ticker.FormatStrFormatter('>%d<')",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# Scalar formatter
ax = fig.add_subplot(n, 1, 5)
setup(ax)
ax.xaxis.set_major_locator(ticker.AutoLocator())
ax.xaxis.set_minor_locator(ticker.AutoMinorLocator())
ax.xaxis.set_major_formatter(ticker.ScalarFormatter(useMathText=True))
ax.text(0.0, 0.1, "ticker.ScalarFormatter()",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# StrMethod formatter
ax = fig.add_subplot(n, 1, 6)
setup(ax)
ax.xaxis.set_major_locator(ticker.MultipleLocator(1.00))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(0.25))
ax.xaxis.set_major_formatter(ticker.StrMethodFormatter("{x}"))
ax.text(0.0, 0.1, "ticker.StrMethodFormatter('{x}')",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# Percent formatter
ax = fig.add_subplot(n, 1, 7)
setup(ax)
ax.xaxis.set_major_locator(ticker.MultipleLocator(1.00))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(0.25))
ax.xaxis.set_major_formatter(ticker.PercentFormatter(xmax=5))
ax.text(0.0, 0.1, "ticker.PercentFormatter(xmax=5)",
        family=family, fontsize=fontsize, transform=ax.transAxes)

# Push the top of the top axes outside the figure because we only show the
# bottom spine.
fig.subplots_adjust(left=0.05, right=0.95, bottom=0.05, top=1.05)

学习笔记

5.1 官网示例

  https://matplotlib.org/stable/api/ticker_api.html
  python可视化|matplotlib02-matplotlib.pyplot坐标轴|刻度值|刻度|标题设置

5.2 学习笔记

  下面代码分为两个部分：刻度标签格式化输出、刻度间距设置
  可以整体跑完代码，再一段段代码逐渐添加，通过变化，理解代码含义； 刻度间距设置,

  展示了8种刻度线划分间距的方式;
  刻度标签格式化输出, 展示了7种刻度标签格式化;

 

六、图例(legend)设置

#图例(legend)|位置
import matplotlib.pyplot as plt

fig = plt.figure(figsize=(4,4))
ax = fig.add_axes([0.15, 0.15, .7, .7], frameon=True, aspect=1,
                  xticks=[], yticks=[])   # frameon=False, 则图例会被直接绘制在图片上; aspect=1, 即x和y的缩放比例相同

def text(x, y, _text):
    color= "C1"
    if not 0 < x < 1 or not 0 < y < 1:  color = "C0"
    size = 0.15
    ax.text(x, y, _text, color="white", #bbox={"color": "C1"},
            size="xx-large", weight="bold", ha="center", va="center")
    rect = plt.Rectangle((x-size/2, y-size/2), size, size, facecolor=color,
                         zorder=-10, clip_on=False) # 矩形设置参数
    ax.add_patch(rect)  # 将补丁添加到轴的补丁

def point(x, y):
    ax.scatter([x], [y], facecolor="C0", edgecolor="white",
               zorder=10, clip_on=False)

d = .1
e = .15/2

text(  d,   d, "1"), text( 0.5,   d, "2"), text(1-d,   d, "3")
text(  d, 0.5, "4"), text( 0.5, 0.5, "5"), text(1-d, 0.5, "6")
text(  d, 1-d, "7"), text( 0.5, 1-d, "8"), text(1-d, 1-d, "9")

text( -d, 1-d, "A"), text( -d, 0.5, "B"), text(  -d,   d, "C")
point(-d+e, 1-d+e), point(-d+e, 0.5), point(-d+e, d-e),

text(  d,  -d, "D"), text(0.5,  -d, "E"), text( 1-d,  -d, "F")
point(d-e, -d+e), point(0.5, -d+e), point(1-d+e, -d+e),

text(1+d,   d, "G"), text(1+d, 0.5, "H"), text( 1+d, 1-d, "I")
point(1+d-e, d-e), point(1+d-e, .5), point(1+d-e, 1-d+e),

text(1-d, 1+d, "J"), text(0.5, 1+d, "K"), text(   d, 1+d, "L")
point(1-d+e, 1+d-e), point(0.5, 1+d-e), point(d-e, 1+d-e),

plt.xlim(0,1), plt.ylim(0,1)
plt.show()

学习笔记

6.1 官网示例

  https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.legend.html

  Python可视化32|matplotlib-断裂坐标轴(broken_axis)|图例(legend)详解

6.2 学习笔记

  可以整体跑完代码，再一段段代码逐渐添加，通过变化，理解代码含义；
生成三组橘色矩阵; 生成三组蓝色矩阵、并定位散点; XY轴缩减距离、调整边框位置;

  最终代码会形成如下9个内部位置、12个外部位置, 方便处理定位;

	1: lower left	 2: lower center 	3: lower right  
	4: left 	5: center 	6: right  
	7: upper left 	8: upper center 	9: upper right
	
	A: upper right / (‐.1,.9) 	B: right / (‐.1,.5)  
	C: lower right / (‐.1,.1) 	D: upper left / (‐.1,‐.1)
	
	E: upper center / (.5,‐.1)	 F: upper right / (.9,‐.1)  
	G: lower left / (1.1,.1) 	H: left / (1.1,.5)
	
	I: upper left / (1.1,.9) 	J: lower right / (.9,1.1)  
	K: lower center / (.5,1.1) 	L: lower left / (.1,1.1)

 

7、Colors和Color maps

# 一、内置单颜色 源自官网实例
import matplotlib.pyplot as plt
import numpy as np

t = np.linspace(0.0, 2.0, 201)
s = np.sin(2 * np.pi * t)

# 1) RGB tuple:
fig, ax = plt.subplots(facecolor=(.18, .31, .31),figsize=(10,5)) #整体背景, RGB 或者 RGBA 元组格式颜色
# 2) hex string:
ax.set_facecolor('#986DB2') # ax图片背景, RGB or RGBA对应的hex 格式颜色
# 3) gray level string:
ax.set_title('Voltage vs. time chart', color='0.7')  # [0,1]之间的任意浮点数
# 4) single letter color string
ax.set_xlabel('time (s)', color='c')  # BASE_COLORS设置
# 5) a named color:
ax.set_ylabel('voltage (mV)', color='peachpuff')  # CSS4_COLORS设置
# 6) a named xkcd color:
ax.plot(t, s, 'xkcd:crimson')  # XKCD_COLORS色号
# 7) Cn notation:
ax.plot(t, .7*s, color='C4', linestyle='--')  # 'Cn'格式
# 8) tab notation:
ax.tick_params(labelcolor='tab:orange')  # TABLEAU_COLORS

ax.set_facecolor('#64363C')
plt.show()

# 二、自带颜色条Colormap
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
plt.figure(dpi=150)

##ListedColormap
#取多种颜色， 以下3种方法均可以提取同样的颜色
plt.subplot(1,4,1)
# plt.bar(range(5),range(1,6),color=plt.cm.Accent(range(5)))
# plt.bar(range(5),range(1,6),color=plt.cm.get_cmap('Accent')(range(5)))
plt.bar(range(5),range(1,6),color=plt.get_cmap('Accent')(range(5)))

#取某一种颜色
plt.subplot(1,4,2)
plt.bar(range(5),range(1,6),color=plt.cm.Accent(4))

##LinearSegmentedColormap
#取多种颜色, 取一组颜色中的特定几个;
plt.subplot(1,4,3)
plt.bar(range(5),range(1,6),color=plt.get_cmap('Blues')(np.linspace(0, 1, 5)))

#取一种颜色
plt.subplot(1,4,4)
plt.bar(range(5),range(1,6),color=plt.get_cmap('Blues')(3))
plt.show()


# 三、seaborn调色盘
# (1)颜色盘颜色展示
import seaborn as sns
import matplotlib.pyplot as plt
plt.figure(dpi=250)
sns.palplot(sns.color_palette())    #输出默认颜色
    # sns.palplot(sns.color_palette(palette='Accent')) #使用matplotlib中的colormap
    # sns.palplot(sns.color_palette(n_colors=21))    #返回颜色种类，超过了自动循环
    # sns.palplot(sns.color_palette(n_colors=21, desat=0.2) #设置颜色饱和度
print(sns.color_palette())
plt.show()


# (2)循环使用色盘
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
plt.figure(dpi=100)
with sns.color_palette(n_colors=21):
   _ = plt.plot(np.c_[np.zeros(21), np.arange(21)].T)
plt.show()


# (3)传入hex 格式颜色号给sns.color_palette
import seaborn as sns
import matplotlib.pyplot as plt
flatui = ["#9b59b6", "#3498db", "#95a5a6", "#e74c3c", "#34495e", "#2ecc71"]
sns.palplot(sns.color_palette(flatui))
plt.show()

#(4)颜色使用
import seaborn as sns
import matplotlib.pyplot as plt
plt.figure(dpi=100)

plt.subplot(1,2,1)
plt.bar([1,2,3],[1,2,3], color=sns.color_palette()[0])#取一种颜色

plt.subplot(1,2,2)
plt.bar([1,2,3],[1,2,3], color=sns.color_palette()[0:3])#取三种颜色
plt.show()

#(5) diverging_palette()
import seaborn as sns
import matplotlib.pyplot as plt
sns.palplot(sns.color_palette("coolwarm", 7))
sns.palplot(sns.diverging_palette(240, 10, n=9)) # n=1000时,热图效果为渐变色,更方便看;
sns.palplot(sns.diverging_palette(150, 275, s=80, l=55, n=9))
sns.palplot(sns.diverging_palette(250, 15, s=75, l=40,
                                  n=9, center="dark"))
plt.show()

学习笔记

  可以直接使用颜色代码来精准定义, 或者通过get_cmap()函数来获取某组颜色;
  uniform、sequential、diverging是get_cmap()函数三个非常重要的功能;

以下资料可供查询、使用:
(1) 内置单颜色
  Python可视化|matplotlib05-内置单颜色（一）

(2) 外部单颜色
  Python可视化|matplotlib06-外部单颜色（二）

(3) 自带颜色条Colormap
  Python可视化|matplotlib07-自带颜色条Colormap（三）

(5) 提取图片颜色绘图
  Python|R可视化|09-提取图片颜色绘图（五-颜色使用完结篇）

(6) 绘图颜色色号速查1
  颜色小抄免费大放送（一）

(7) 绘图颜色色号速查2
  颜色小抄免费大放送（二）

(8) seaborn调色盘
  Python可视化18|seborn-seaborn调色盘（六）
   ‘sequential’（渐变色）, ‘diverging’（不可描述，自己跑下最后的示例代码）, ‘qualitative’（各种颜色区分鲜明）

 

8、line和marker设置

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']  # 用于显示中文
plt.rcParams['axes.unicode_minus'] = False  # 用于显示中文
plt.figure(dpi=200)
#常规marker使用
plt.plot([1,2,3],[1,2,3],marker=4, markersize=15, color='lightblue',label='常规marker')
plt.plot([1.8,2.8,3.8],[1,2,3],marker='2', markersize=15, color='#ec2d7a',label='常规marker')

#非常规marker使用
#注意使用两个$符号包围名称
plt.plot([1,2,3],[4,5,6],marker='$\circledR$', markersize=15, color='r', alpha=0.5,label='非常规marker')
plt.plot([1.5,2.5,3.5],[1.25,2.1,6.5],marker='$\heartsuit$', markersize=15, color='#f19790', alpha=0.5,label='非常规marker')
plt.plot([1,2,3],[2.5,6.2,8],marker='$\clubsuit$', markersize=15, color='g', alpha=0.5,label='非常规marker')

#自定义marker
plt.plot([1.2,2.2,3.2],[1,2,3],marker='$666$', markersize=15, color='#2d0c13',label='自定义marker')
plt.legend(loc='upper left')
for i in ['top','right']:
    plt.gca().spines[i].set_visible(False)

plt.show()

学习笔记

8.1 官网示例

  https://matplotlib.org/stable/tutorials/text/mathtext.html
  Python可视化|matplotlib03-一文掌握marker和linestyle使用
 

9、子图与figure之间位置

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches
from matplotlib.collections import PatchCollection


fig = plt.figure(dpi=120)
ax = fig.add_axes([0,0,1,1], frameon=False, aspect=1,
                  xlim=(0-5,100+10), ylim=(-10,80+5), xticks=[], yticks=[])


box = mpatches.FancyBboxPatch(
    (0,0), 100, 83,  mpatches.BoxStyle("Round", pad=0, rounding_size=2),
    linewidth=1., facecolor="0.9", edgecolor="black")
ax.add_artist(box)

box = mpatches.FancyBboxPatch(
    (0,0), 100, 75, mpatches.BoxStyle("Round", pad=0, rounding_size=0),
    linewidth=1., facecolor="white", edgecolor="black")
ax.add_artist(box)


box = mpatches.Rectangle(
    (5,5), 45, 30, zorder=10,
    linewidth=1.0, facecolor="white", edgecolor="black")
ax.add_artist(box)

box = mpatches.Rectangle(
    (5,40), 45, 30, zorder=10,
    linewidth=1.0, facecolor="white", edgecolor="black")
ax.add_artist(box)

box = mpatches.Rectangle(
    (55,5), 40, 65, zorder=10,
    linewidth=1.0, facecolor="white", edgecolor="black")
ax.add_artist(box)

# Window button
X, Y = [5,10,15], [79,79,79]
plt.scatter(X, Y, s=75,  zorder=10,
            edgecolor="black", facecolor="white", linewidth=1)


# Window size extension
X, Y = [0, 0], [0, -8]
plt.plot(X, Y, color="black", linestyle=":", linewidth=1, clip_on=False)

X, Y = [100, 100], [0, -8]
plt.plot(X, Y, color="black", linestyle=":", linewidth=1, clip_on=False)

X, Y = [100, 108], [0, 0]
plt.plot(X, Y, color="black", linestyle=":", linewidth=1, clip_on=False)

X, Y = [100, 108], [75, 75]
plt.plot(X, Y, color="black", linestyle=":", linewidth=1, clip_on=False)


def ext_arrow(p0,p1,p2,p3):
    p0, p1 = np.asarray(p0), np.asarray(p1)
    p2, p3 = np.asarray(p2), np.asarray(p3)
    ax.arrow(*p0, *(p1-p0), zorder=20, linewidth=0,
             length_includes_head=True, width=.4,
             head_width=2, head_length=2, color="black")
    ax.arrow(*p3, *(p2-p3), zorder=20, linewidth=0,
             length_includes_head=True, width=.4,
             head_width=2, head_length=2, color="black")
    plt.plot([p1[0],p2[0]], [p1[1],p2[1]], linewidth=.9, color="black")

def int_arrow(p0,p1):
    p0, p1 = np.asarray(p0), np.asarray(p1)
    ax.arrow(*((p0+p1)/2), *((p1-p0)/2), zorder=20, linewidth=0,
             length_includes_head=True, width=.4,
             head_width=2, head_length=2, color="black")
    ax.arrow(*((p0+p1)/2), *(-(p1-p0)/2), zorder=20, linewidth=0,
             length_includes_head=True, width=.4,
             head_width=2, head_length=2, color="black")

x = 0
y = 10
ext_arrow( (x-4,y), (x,y), (x+5,y), (x+9,y) )
ax.text(x+9.5, y, "left", ha="left", va="center", size="x-small", zorder=20)

x += 50
ext_arrow( (x-4,y), (x,y), (x+5,y), (x+9,y) )
ax.text(x-4.5, y, "wspace", ha="right", va="center", size="x-small", zorder=20)

x += 45
ext_arrow( (x-4,y), (x,y), (x+5,y), (x+9,y) )
ax.text(x-4.5, y, "right", ha="right", va="center", size="x-small", zorder=20)

y = 0
x = 25
ext_arrow( (x,y-4), (x,y), (x,y+5), (x,y+9) )
ax.text(x, y+9.5, "bottom", ha="center", va="bottom", size="x-small", zorder=20)

y += 35
ext_arrow( (x,y-4), (x,y), (x,y+5), (x,y+9) )
ax.text(x, y-4.5, "hspace", ha="center", va="top", size="x-small", zorder=20)

y += 35
ext_arrow( (x,y-4), (x,y), (x,y+5), (x,y+9) )
ax.text(x, y-4.5, "top", ha="center", va="top", size="x-small", zorder=20)

int_arrow((0,-5), (100,-5))
ax.text(50, -5, "figure width", backgroundcolor="white", zorder=30,
        ha="center", va="center", size="x-small")

int_arrow((105,0), (105,75))
ax.text(105, 75/2, "figure height", backgroundcolor="white", zorder=30,
        rotation = "vertical", ha="center", va="center", size="x-small")

int_arrow((55,62.5), (95,62.5))
ax.text(75, 62.5, "axes width", backgroundcolor="white", zorder=30,
        ha="center", va="center", size="x-small")

int_arrow((62.5,5), (62.5,70))
ax.text(62.5, 35, "axes height", backgroundcolor="white", zorder=30,
        rotation = "vertical", ha="center", va="center", size="x-small")
plt.show()

学习笔记

8.1 官网示例

  https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.subplots_adjust.html
  代码看的不是太明白，用到的时候再细看吧。

S_AGZX
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python中canvas的用法_python中canvas的用法 python中关于Canvas的问题
weixin_39824020的博客
12-07 1674
python tkinter怎么用canvas实现按顺序画图明明小编很心痛却总说没有关系可是小编还爱着他朋友都说小编傻瓜如绘制顺序，先画一条线再画一条线python简述： Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。自从20世纪90年代初Python语言诞生至今，它逐渐被广泛应用于处理系统管理任务和Web编程。Python[1]已经成为最受欢迎的程序设计语言之一。pytho...
matplot 图在画布中的位置_Tkinter和Matplotlib:FigureCanvasTkAgg创建的画布的相对位置...
weixin_42479284的博客
01-17 3209
我正在创建一个GUI，它应该在主窗口的左侧(或者由root=tk.Tk()创建的“root”)显示一些小部件(例如按钮和刻度)，在右侧显示一个图形。该图将使用matplotlib和FigureCanvasTkAgg()后端(类似于here)创建。下面是我迄今为止编写的代码。在import tkMessageBox, tkFileDialogimport sys# Tkinter is for py...
python如何用matplotlib绘图_如何使用python和Matplotlib更新绘图
weixin_29535577的博客
01-13 215
使用this example作为指南，也许可以尝试以下操作：import wximport matplotlib as mplmpl.use('WXAgg')import matplotlib.pyplot as pltfrom matplotlib.backends.backend_wxagg import FigureCanvasWxAgg as Canvasclass Plot(wx.Pan...
matplotlib学习
zhouguoqionghai的博客
04-16 4126
matplotlib 面向对象作图。 matplotlib作图的层次： 1、Figure_Canvas 绘图的地方，画布。 2、Renderer 在画布上进行绘图的动作。 3、Artist 图画中的元素和元素的集合，包括子图、坐标轴、文本、线、刻度短线、点。绘图中使用的高层接口。 对于多figure的，有一个当前的figure，每次都是对当前的figure进行操作。对于f
Matplotlib学习
weixin_51276699的博客
09-19 87
Matplotlib的三层结构 matplotlib有三个层次的API： FigureCanvas代表了绘图区，所有的图像都是在绘图区完成的。 Renderer代表了渲染器，可以近似理解为画笔，控制如何在 FigureCanvas 上画图。 Artist代表了具体的图表组件，即调用了Renderer的接口在Canvas上作图。 Artist的分类 primitive是基本要素，它包含一些我们要在绘图区作图用到的标准图形对象，如曲线Line2D，文字text，矩形Rectangle，图像i...
人工智能教程、论文复现与Demo项目
07-09
### 人工智能教程、论文复现与 Demo 项目 #### 1. 人工智能基础理论 **1.1 什么是人工智能？** 人工智能（Artificial Intelligence, AI）是一门涉及多个领域的复杂学科，它旨在研究如何使计算机能够执行通常需要...
人工智能相关完整教程、论文复现.docx
最新发布
07-13
人工智能（AI）的完整教程是一个庞大且复杂的主题，涉及多个领域和层面的知识。...配置AI库：安装必要的AI库，如NumPy、Pandas用于数据处理，Matplotlib、Seaborn用于数据可视化，TensorFlow、PyTorc
Python科学计算(一)-内含源码以及设计说明书(可以自己运行复现).zip
05-08
Python在科学计算领域有着广泛的应用，它集合了多个强大的库，如Numpy、Scipy、Matplotlib和Sympy等，使得数据处理、数值计算、可视化...每个章节都提供了具体的代码示例，方便学习者自己运行复现，加强理解和掌握。
ebay 在线拍卖数据分析-内含源码以及设计说明书(可以自己运行复现).zip
05-08
这个压缩包文件提供了完整的源代码和设计说明书，使用户能够自行运行和复现整个分析过程，这对于学习数据分析和机器学习技术的初学者来说是一份宝贵的资源。 首先，让我们了解`ebay在线拍卖数据分析`的主题。在这个...
pyqt5-FigureCanvas
m0_74202414的博客
05-23 1859
FigureCanvasXAgg就是一个渲染器，渲染器的工作就是drawing，执行绘图的这个动作。渲染器是使物体显示在屏幕上。第一步，通过matplotlib.backends.backend_qt5agg类来连接PyQt5，这里涉及到后端的概念。第二步：具体图形代码实现，关键在于每次绘图后需要self.fig.canvas.draw() 刷新画布。第三步，GUI上通过QGraphicsView控件呈现matplotlib画出来的图形。如通过按钮显示第二歩中的year（），将按钮连接即可。
【python】matplotlib动态显示详解
01-01
1.matplotlib动态绘图 python在绘图的时候，需要开启 interactive mode。核心代码如下： plt.ion(); #开启interactive mode 成功的关键函数 fig = plt.figure(1); for i in range(100): filepath=E:/Model/weights-improvement- + str(i + 1) + .hdf5; model.load_weights(filepath); #测试数据 x_new = np.linspace(low, up, 1000);
matplotlib-绘制精美的图表
haoshen's blog
07-06 2522
 matplotlib-绘制精美的图表 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，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。 它的文档相当完备，并且 Gallery页面 中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中
【Matplotlib基础01】Matplotlib初相识
weixin_45480097的博客
07-12 597
目录一、Matplotlib是什么？二、Matplotlib架构2.1脚本层(Scripting)2.2美工层(Artist)实例1：Figure2.3后端层(Backend)三、Matplotlib图形组成 四、两种不同的绘图模式fig = plt.figureax = fig.add_subplot(1,1,1) Matplotlib 是一款用于数据可视化的 Python 软件包，支持跨平台运行，它能够根据 NumPy ndarray 数组来绘制 2D 图像，它使用简单、代码清晰易懂，深
【Python】【matplotlib】动画
guofei9987的博客
09-26 5552
figure.canvas.draw()import matplotlib.pyplot as plt import numpy as np def update_data(line): x[:] += 0.1 plt.setp(line, 'ydata', np.sin(x)) fig.canvas.draw() fig, ax = plt.subplots() x = n
Matplotlib进阶教程：工具包
qq_45464895的博客
05-14 1926
在后台回复【阅读书籍】即可获取python相关电子书~Hi，我是山月。今天来给大家介绍下Matplotlib系列的最后一篇教程：三个工具包的介绍。今天的课程结束后，这个系列就结束啦。有兴趣的同学可以从头学起来了~在公众号后台选择【往期】--【Matplotlib】即可查看已更新的全部教程哦~01axes_grid1 工具包mpl_toolkits.axes_grid1 ...
canvas画布清空python_python在Tkinter FigureCanvasTkAgg中更新matplotlib动画，并从画布中清除循环动画...
weixin_29301059的博客
01-26 2870
我试图用tkinter创建一个GUI，它向我显示我捕捉到的事件的动画，当我单击一个按钮时，下一个事件应该会显示出来。到目前为止，我的代码确实做到了这一点，但我遇到的问题是，当我单击按钮显示下一个事件时，旧事件不会从画布中清除，因此这两个事件重叠，或者当我更频繁地单击时，会显示多个动画。在我的代码是这样的：import matplotlib.pyplot as pltfrom matplotlib ...
Python matplotlib高级绘图详解
热门推荐
矩阵实验室
02-19 5万+
1. 前言前面我们介绍了使用matplotlib简单的绘图方法（见：Python应用matplotlib绘图简介 ） 但是想要完全控制你的图形，以及更高级的用法，就需要使用 pyplot 的接口显式的创建图形figure。 本文介绍plyplot控制绘图的一些方法。2. Pyplot绘图结构Aritistsmatplotlib API包含有三层： backend_bases.FigureCanv
matplotlib中FigureCanvasXAgg的理解
热铁皮屋上的猫的博客
12-28 2万+
背景知识： FigureCanvasXAgg就是一个渲染器，渲染器的工作就是drawing，执行绘图的这个动作。渲染器是使物体显示在屏幕上 主要内容： 将一个figure渲染的canvas变为一个Qt widgets，figure显示的过程是需要管理器（manager），需要FigureCanvasBase来管理。报错信息'FigureCanvasQTAgg' object has no at...
matplotlib键盘鼠标事件（tcy）
tcy-阿春
12-03 1万+
键盘鼠标事件:2018/10/24 https://matplotlib.org/users/event_handling.html?highlight=event%20inaxes --------------------------------------------------------------------------------- 1.1.鼠标事件 # 当鼠标在子图...
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