matplotlib

已于 2024-04-21 18:10:42 修改
阅读量1.2k 收藏 54
点赞数 33
文章标签： matplotlib
于 2024-04-21 12:45:00 首次发布
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/m0_73936682/article/details/137822076
版权

matplotlib：Python图形绘图库，将数据进行可视化，更直观的呈现
使数据更客观、更有说服力
首先，导入Matplotlib包中的Pyplot模块

from matplotlib import pyplot as plt

基本框架

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-50,50)
y=x **2
#绘制图形
plt.plot(x,y)
plt.show()

在这里插入图片描述

基本方法

1.plt.title()

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-50,50)
y=x **2
#标题
plt.title("y=x^2")
plt.plot(x,y)
plt.show()

在这里插入图片描述

默认标题不支持中文，修改字体设置

方法一：导入黑体
下载SimHei字体
解决中文乱码

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-50,50)
y=x **2
plt.rcParams['font.sans-serif']=["SimHei"]
plt.title("y等于x的平方")
plt.rcParams['axes.unicode_minus']=False
#绘制图形
plt.plot(x,y)
plt.show()

在这里插入图片描述

方法二：

plt.rcParams["font.sans-serif"]

在这里插入图片描述
则上面改为

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-50,50)
y=x **2
plt.rcParams['font.sans-serif']=["SimHei"]
plt.title("y等于x的平方")
#绘制图形
plt.plot(x,y)
plt.show()

在这里插入图片描述
但是负号无法展现

修改轴中的负号编码
plt.rcParams['axes.unicode_minus']=False

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-50,50)
y=x **2
plt.rcParams['font.sans-serif']=["SimHei"]
plt.title("y等于x的平方")
plt.rcParams['axes.unicode_minus']=False
#绘制图形
plt.plot(x,y)
plt.show()

在这里插入图片描述

2.x和y轴名称

plt.xlable() 
plt.ylable()

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-50,50)
y=x **2
plt.rcParams['font.sans-serif']=["SimHei"]
plt.title("y等于x的平方")
plt.rcParams['axes.unicode_minus']=False
#设置x和y轴名称
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.plot(x,y)
plt.show()

在这里插入图片描述

3.设置标签文字大小

fontsize参数：设置文字大小
linewidth参数：设置线条

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-50,50)
y=x **2
plt.rcParams['font.sans-serif']=["SimHei"]
plt.title("y等于x的平方",fontsize=16)
plt.rcParams['axes.unicode_minus']=False
#设置x和y轴名称字体大小
plt.xlabel("x轴",fontsize=16)
plt.ylabel("y轴",fontsize=16)
#设置线条宽度
plt.plot(x,y,linewidth=5)
plt.show()

在这里插入图片描述

绘制多个图像

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-10,10)
y1=x **2
y2=x+1
plt.xlabel("x",fontsize=12)
plt.ylabel("y")
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()

在这里插入图片描述

4.设置x和y的刻度

xticks

  • ticks：此参数是xtick位置的列表，和一个可选参数，如果将一个空列表作为参数传递，则它将删除所有xticks
  • labels:把显示的数据替换
  • rotation旋转角度
  • color颜色
from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-10,10)
y1=x **2
y2=x+1
plt.xlabel("x",fontsize=12)
plt.ylabel("y")
#间隔一个显示
plt.xticks(range(-10,10,2))
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-10,10)
y1=x **2
y2=x+1
plt.xlabel("x",fontsize=12)
plt.ylabel("y")
#labels设置
plt.xticks(range(-10,10,2),labels=[1,2,3,4,5,6,7,8,9,10])
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-10,10)
y1=x **2
y2=x+1
plt.xlabel("x",fontsize=12)
plt.ylabel("y")
#label设置
plt.rcParams['font.sans-serif']=["SimHei"]
plt.rcParams['axes.unicode_minus']=False
x_ticks=range(-10,10,2)
x_labels=['%s度'%i for i in x_ticks]
plt.xticks(x_ticks,x_labels,rotation=45)
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()

在这里插入图片描述

5.图例

集中地图一角或一侧的地图上各种符号和颜色所代表内容与制表的说明

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-10,10)
y1=x **2
y2=x+1
plt.xlabel("x",fontsize=12)
plt.ylabel("y")
plt.rcParams['font.sans-serif']=["SimHei"]
plt.rcParams['axes.unicode_minus']=False
x_ticks=range(-10,10,2)
x_labels=['%s度'%i for i in x_ticks]
plt.xticks(x_ticks,x_labels,rotation=45)
#给线起label名称
plt.plot(x,y1,label="收入")
plt.plot(x,y2,label="支出")
#默认会使用图形的label值作为图例的说明
plt.legend()
plt.show()

在这里插入图片描述

可以自己设置图示的位置

loc=
在这里插入图片描述

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-10,10)
y1=x **2
y2=x+1
plt.xlabel("x",fontsize=12)
plt.ylabel("y")
plt.rcParams['font.sans-serif']=["SimHei"]
plt.rcParams['axes.unicode_minus']=False
x_ticks=range(-10,10,2)
x_labels=['%s度'%i for i in x_ticks]
plt.xticks(x_ticks,x_labels,rotation=45)
plt.plot(x,y1,label="收入")
plt.plot(x,y2,label="支出")
#设置图示的位置为center
plt.legend(loc='center')
plt.show()

在这里插入图片描述

6.其它元素可视性

6.1.显示网格grid()

plt.grid()
  • 显示网格
  • linestyle:线型
  • color:颜色
  • linewidth：宽度
  • axis：x,y,both，显示x/y两者的格网
from matplotlib import pyplot as plt
import numpy as np
x=np.arange(10)
y=x **2
plt.plot(x,y)
# 显示网格线，虚线，颜色，宽度，只显示x轴的
plt.grid(linestyle="--",color="gray",linewidth="0.5",axis='x')
plt.show()

在这里插入图片描述

6.2.plt.gca()获取坐标轴变量，对坐标轴的操作

plt.spines黑色边框线，分top,bottom,left,right
用plt.gca().spines["right"]获取一边框
移动：
postion位置参数有三种，

  • data数值移动，其后数字代表挪动到y轴的刻度值
  • outward向外移动
  • axes:0.0-1.0之间，整个轴上的比例
from matplotlib import pyplot as plt
import numpy as np
x=np.arange(10)
y=x **2
plt.plot(x,y)
#获取当前坐标轴
ax=plt.gca()
#通过坐标轴spines，可以设置颜色
ax.spines["right"].set_color("none")
ax.spines["top"].set_color("none")
#移动下轴到指定位置
#
ax.spines["left"].set_position(("axes",0.5))
plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(10)
y=x **2
plt.plot(x,y)
#获取当前坐标轴
ax=plt.gca()
ax.spines["right"].set_color("none")
ax.spines["top"].set_color("none")
#指定 data 设置的bottom(也就是指定的x轴)绑定到y轴的0这个点上
ax.spines["bottom"].set_position(("data",0.0))
plt.show()

在这里插入图片描述

7.设置图片大小figure

创建图形对象

plt.figure(
    num=None,#图像编号或名称
    figsize=None,#指定宽和高
    dpi=None,#分辨率，即每英寸多少个像素
    facecolor=None,#背景颜色
    edgecolor=None,#边框颜色
    frameon=True,#是否显示边框
)

plt.figure()里面传入参数，figsize元组，长宽
图像模糊时可以传入dpi参数，让图片更清晰

8.图片保存savefig

from matplotlib import pyplot as plt
import numpy as np
x=range(2,26,2)
y=[15,13,14,27,20,25,26,26,24,22,18,15]
#设置图片大小
plt.figure(figsize=(20,8),dpi=80,facecolor='gray')
#传入x和y，通过plot绘制折线图
plt.plot(x,y)
#保存图片为svg矢量图格式，放大不会有锯齿
plt.savefig("./t1.png")
#展示图形
plt.show()

一、折线图

坐标连接成线
准备好要画的点x坐标的值，y坐标的值

from matplotlib import pyplot as plt
import numpy as np
x=range(2,26,2)
y=[15,13,14,27,20,25,26,26,24,22,18,15]
#传入x和y，通过plot绘制折线图
plt.plot(x,y)
#展示图形
plt.show()

在这里插入图片描述

绘制多子图

figure是绘制对象（相当于画布），一个figure对象可以包含多个Axes子图
1.add_axes(rect)添加区域
生成一个axes轴域对象，对象的位置又参数rect决定
rect位置参数，接受一个4个元素组成的浮点数列表，形如[left,bottom,width,height]，它表示添加到画布中的左下角坐标（x，y）以及宽度和高度

from matplotlib import pyplot as plt
import numpy as np
x=np.arange(10)
y=x **2
fig=plt.figure(figsize=(4,2),facecolor='g')
ax1=fig.add_axes([0,0,1,1])
#从画布20%的位置开始绘制，宽高是画布的50%
ax2=fig.add_axes([0.2,0.2,0.5,0.5])
plt.plot(x,y)
#区域.plot()
ax1.plot(x,y)
ax2.plot(x,y)
#展示图形
plt.show()

在这里插入图片描述
2.subplot()函数，均等划分画布

ax=plt.subplot(行,列,位置)

from matplotlib import pyplot as plt
import numpy as np
#划分分隔为两行一列，当前处于第一区域
plt.subplot(211)
x=np.arange(10)
y=x **2
plt.plot(x,y)
#划分分隔为两行一列，当前处于第二区域
plt.subplot(212)
y1=x+1
plt.plot(x,y1)
#展示图形
plt.show()

在这里插入图片描述
3.subplots()不仅创建包含子图区域的画布，又创建一个figure图形对象，而subplot()只是创建一个包含子图区域的画布

from matplotlib import pyplot as plt
import numpy as np
fig,axes=plt.subplots(2,2)
ax1=axes[0][0]
x=np.arange(1,5)
ax1.plot(x,x*x)
axes[0][1].plot(x,np.log10(x))
#展示图形
plt.show()

在这里插入图片描述

二、条形图

使用plt.bar(x,height,width:float=0.8,bottom=None,*,align:str='center',data=None)

参数含义
x数据类型为float类型，一般为np.arange()生成
heighty坐标值，float
width柱状图的高度，0-1之间
bottom柱状图的起始位置，y的起始坐标
align柱状图的中心位置
color颜色
alpha透明度，0-1
label设置后需调用plt.legend()生成
edgecolor/ec边框颜色
linewidth/lw边框宽度
tick_label柱子的刻度标签，字符串或字符串列表
linestyle/ls线条样式
from matplotlib import pyplot as plt
x=range(5)
data=[5,10,25,30,45]
plt.rcParams['font.sans-serif']=["SimHei"]
plt.title('柱状图')
plt.grid(ls='--',alpha=0)
plt.bar(x,data,color=['r','g','b'])
plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
x=range(5)
data=[5,10,25,30,45]
plt.rcParams['font.sans-serif']=["SimHei"]
plt.title('柱状图')
plt.grid(ls='--',alpha=0)
plt.bar(x,data,edgecolor='r',linestyle='--',linewidth=2)
plt.show()

在这里插入图片描述
1.同位置多柱状图

from matplotlib import pyplot as plt
import numpy as np
countries=['中国','美国','韩国']
plt.rcParams['font.sans-serif']=["SimHei"]
gold=[18,12,1]
silver=[3,1,2]
bronze=[13,2,3]
#得到横坐标列表
x=np.arange(len(countries))
width=0.2
gold_x=x
silver_x=x+width
bronze_x=x+width*2
#对应坐标，颜色，宽度
#横坐标会变
plt.bar(gold_x,gold,color='gold',width=width)
plt.bar(silver_x,silver,color='silver',width=width)
plt.bar(bronze_x,bronze,color='red',width=width)
#X轴向右移，值换成国家
plt.xticks(x+width,labels=countries)
plt.show()

在这里插入图片描述
2.堆叠柱状图

from matplotlib import pyplot as plt
import numpy as np
countries=['中国','美国','韩国']
plt.rcParams['font.sans-serif']=["SimHei"]
gold=np.array([18,12,1])
silver=np.array([3,1,2])
bronze=np.array([13,2,3])
x=np.arange(len(countries))
width=0.2
#横坐标对应国家，是bottom值是叠加
plt.bar(countries,gold,color='gold',bottom=bronze+silver,width=width)
plt.bar(countries,silver,color='silver',width=width,bottom=bronze)
plt.bar(countries,bronze,color='red',width=width)
plt.xticks(x,labels=countries)
plt.show()

在这里插入图片描述

三、水平条形图barth()

一、水平条形图条形图
barh()函数，和bar()函数类似，只是它使用y参数传入y轴数据，width传入条柱宽度数据

from matplotlib import pyplot as plt
import numpy as np
countries=['中国','美国','韩国']
plt.rcParams['font.sans-serif']=["SimHei"]
gold=np.array([8,2,1])
plt.barh(countries,width=gold)
plt.show()

在这里插入图片描述
1.堆叠

from matplotlib import pyplot as plt
import numpy as np
countries=['中国','美国','韩国']
plt.rcParams['font.sans-serif']=["SimHei"]
gold=np.array([18,12,1])
silver=np.array([3,1,2])
bronze=np.array([13,2,3])
width=0.2
#y坐标对应城市，然后需要依次向右移动
plt.barh(countries,gold,color='gold',left=bronze+silver,height=width)
plt.barh(countries,silver,color='silver',height=width,left=bronze)
plt.barh(countries,bronze,color='red',height=width)
plt.show()

在这里插入图片描述
2.多位置

from matplotlib import pyplot as plt
import numpy as np
countries=['中国','美国','韩国']
gold=np.array([18,12,1])
silver=np.array([3,1,2])
bronze=np.array([13,2,3])
width=0.2
y=np.arange(len(countries))
gold_y=gold
silver_y=silver+width
bronze_y=bronze+width*2
#y坐标，依次向上移，宽度也就是对应数量，设置颜色，高度就是设置条形图的宽度
plt.barh(y,gold_y,color='gold',height=width)
plt.barh(y+width,silver,color='silver',height=width)
plt.barh(y+2*width,bronze,color='red',height=width)
#y轴向右移，值换成国家
plt.yticks(y+width,countries)
plt.show()

在这里插入图片描述

四、直方图plt.hist()

又称质量分布图，是条形图的一种，由一系列高度不等的纵向线段来表示数据发
直方图用于概率分布，显示一组数值序列在给定数值范围内出现的概率（连续数据分布，一定顺序），而柱状图展示各个类别的频数（离散数据）

plt.hist()
值表示和要求
x直方图所要用的数据，必须是一维数据；多维数组可以先进行扁平化再作图；必选参数
bins直方图的柱数，即要分的组数，默认为10
weights与x形状相同的权重数组;将x中的每个元家乘以对应权重值再计数;如果nomed或density取值为True，则会对权重进行归一化处理。这个参数可用于绘制已合并的数据的直方图
density布尔,可选。如果"True”，返回元组的第一个元素将会将计数标准化以形成一个概率密度，也就是说，直方图下的面积(或积分)总和为1。这是通过将计数除以数字的数量来实现的观察乘以箱子的宽度而不是除以总数数量的观察。如果相加也是"真实”的，那么柱状图被规范化为1。(替代normed)
bottom数组，标量值或None;每个柱子底部相对于y=0的位置。如果是标量值，则每个柱子相对于y=0向上/向下的偏移量相同。如果是数组，则根据数组元素取值移动对应的柱子:即直方图上下便宜距离
histype{'bar,'barstacked,'step,'stepiled”;"ba“是传统的条形直方图;"barstacked’是堆叠的条形直方图;'step’是未填充的条形直方图，只有外边框;‘stepiled"是有填充的直方图;当histype取值为’step’或’stepfiled’，ridth设置失效，即不能指定柱子之间的间隔，默认连接在一起
align{"let, mid, right};“left:柱子的中心位于bins的左边缘;'mid”:柱子位于bins左右边缘之间;right’:柱子的中心位于bins的右边缘;、color
label字符申(序列)或None;有多个数据集时，用label参数做标注区分
normed是否将得到的直方图向量归一化，即显示占比，默认为0，不归一化;不推荐使用，建议改用density参数:
edgecolor直方图边框颜色:
alpha透明度
from matplotlib import pyplot as plt
import numpy as np
x=np.random.randint(140,180,300)
plt.hist(x,bins=10,edgecolor='white')
plt.rcParams['font.sans-serif']=["SimHei"]
plt.title('数据统计')
plt.xlabel('身高')
plt.ylabel('比率')
plt.show()

在这里插入图片描述
在这里插入图片描述

from matplotlib import pyplot as plt
import numpy as np
x=np.random.randint(140,180,300)
num,bins,pathches=plt.hist(x,bins=10,edgecolor='white')
#num最上方值，bins柱状图起始值，
print(num,bins,pathches)
'''[23. 18. 27. 32. 47. 21. 32. 36. 29. 35.]
 [140.  143.9 147.8 151.7 155.6 159.5 163.4 167.3 171.2 175.1 179. ] 
<BarContainer object of 10 artists>'''
for p in pathches:
    print(p)
    '''Rectangle(xy=(140, 0), width=3.9, height=23, angle=0)
Rectangle(xy=(143.9, 0), width=3.9, height=18, angle=0)
Rectangle(xy=(147.8, 0), width=3.9, height=27, angle=0)
Rectangle(xy=(151.7, 0), width=3.9, height=32, angle=0)
Rectangle(xy=(155.6, 0), width=3.9, height=47, angle=0)
Rectangle(xy=(159.5, 0), width=3.9, height=21, angle=0)
Rectangle(xy=(163.4, 0), width=3.9, height=32, angle=0)
Rectangle(xy=(167.3, 0), width=3.9, height=36, angle=0)
Rectangle(xy=(171.2, 0), width=3.9, height=29, angle=0)
Rectangle(xy=(175.1, 0), width=3.9, height=35, angle=0)'''
plt.rcParams['font.sans-serif']=["SimHei"]
plt.title('数据统计')
plt.xlabel('身高')
plt.ylabel('比率')
plt.show()

在这里插入图片描述

五、饼状图

显示一个数据系列中各项目的占项目总和的百分比

plt.pie(x,explode=None,labels=None,colors=None,autopct=None)
值含义
xx:数组序列，数组元素对应扇形区域的数量大小
labels列表字符串序列，为每个扇形区域备注一个标签名字
colors为每个扇形区域设置颜色，默认按照颇色周期自动设置。
autopct格式化字符串"mt%pc!"，使用百分比的格式设置每个扇形区的标签，并将其放置在扇形区内
pctdistance设管百分比标签与圆心的距离;
labeldistance设置各扇形标签(图例)与圆心的距离;
explode指定饼图某些部分的突出显示，即呈现炸式
shadow是否添加饼图的阴影
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=["SimHei"]
#定义饼的标签
labels=['娱乐','育儿','饮食','房贷','交通','其它']
#每个标签的数量
x=[200,500,1200,700,200,900]
plt.title('饼状图')
#数据，标签，每个区域的颜色，显示百分比
plt.pie(x,labels=labels,colors=['red','blue','yellow','green','gray'],autopct='%.2f%%')
plt.show()

在这里插入图片描述

饼状图的分离
explode:指定突出部分

from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=["SimHei"]
labels=['娱乐','育儿','饮食','房贷','交通','其它']
x=[200,500,1200,700,200,900]
plt.title('饼状图')
#设置每一块距离圆心的位置,值是百分比
explode=[0.03,0.05,0.06,0,0.08,0.1]
plt.pie(x,labels=labels,colors=['red','blue','yellow','green','gray'],autopct='%.2f%%',explode=explode)
plt.show()

在这里插入图片描述

设置饼状图百分比和文本距离中心位置
pctdistance：设管百分比标签与圆心的距离;
labeldistance：设置各扇形标签(图例)与圆心的距离

from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=["SimHei"]
#定义饼的标签
labels=['娱乐','育儿','饮食','房贷','交通','其它']
#每个标签的数量
x=[200,500,1200,700,200,900]
plt.title('饼状图')
explode=[0.03,0.05,0.06,0,0.08,0.1]
colors=['red','blue','yellow','green','gray']
#设置标签到圆心的距离，百分比到圆心的距离
plt.pie(x,labels=labels,colors=colors,autopct='%.2f%%',explode=explode,labeldistance=1.3,pctdistance=1.2)
plt.show()

在这里插入图片描述

六、散点图

数据以点的形式展现在坐标系
可以推断出变量的相关性

plt.scatter(x,y)
值含义
x,y散点的坐标
s散点的面积
c散点的颜色(默认信为蓝色，"b’，其余颜色同plt.plot( ))
marker散点样式(默认估为实心圆，o’，其余样式同plt.plot())
alpha散点透明度([0,1]之间的数，0表示完全透明，1则表示完全不透明)
linewidths散点的边缘线宽
edgecolors散点的边缘颜色
cmapColomap，默认 None，标量或者是一个 colormap 的名字，只有c是一个浮点数数组的时才使用
from matplotlib import pyplot as plt
import numpy as np
x=np.array([1,2,3,4,5,6,7,8])
y=np.array([1,4,9,16,7,11,23,18])
s=np.random.rand(8)*20
colors=np.random.rand(8)
#指定点的大小，颜色
plt.scatter(x,y,s=s,c=colors)
plt.show()

在这里插入图片描述

from matplotlib import pyplot as plt
import numpy as np
x=np.random.rand(100)
y=np.random.rand(100)
colors=np.arange(1,101)
#指定点的大小，颜色
plt.scatter(x,y,c=colors,cmap='Blues')
plt.show()

在这里插入图片描述

璁蒈
关注
  • 33
    点赞
  • 踩
  • 54
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
matplotlib安装包
09-26
c++使用matplotlib安装包 Matplotlib 是一个全面的库，用于在 Python 中创建静态、动画和交互式可视化。 Matplotlib 以各种硬拷贝格式和跨平台的交互式环境生成出版质量的图表。Matplotlib 可用于Python 、Web 应用...
matplotlib安装与使用方法
JFS1024的博客
12-06 1万+
学习Matplotlib是探索数据可视化领域的重要一步。Matplotlib是一个功能强大、灵活且广泛使用的Python绘图库，它能够帮助你将数据以清晰、美观的方式呈现。在这次学习中，你将了解如何使用Matplotlib创建各种类型的图表，从简单的线图到复杂的三维图表。数据统计得再好都不如一张图表清晰、直观。本章用大量的举例详细地介绍了 Matplotlib 图表，其根本任丁能够使读者全面透彻地了解和掌握最基础的图表，并应用到实际数据统计分析工作甲，同时也为以后学习其他绘图库奠定坚实的基础。
【Python】matplotlib库的安装和简单使用
热门推荐
huanqing2010的专栏
03-29 23万+
本文主要介绍matplotlib库的安装和简单使用。针对新手，首先从升级pip工具开始，然后使用pip工具从国内镜像快速下载安装matplotlib库，同时附带简单完整的python代码，用于演示绘制正弦曲线图形。
Matplotlib 安装
m0_67373485的博客
04-23 3252
本章节，我们使用 pip 工具来安装 Matplotlib 库，如果还未安装该工具，可以参考。
matplotlib图例、标签、坐标轴刻度的字体设置
htfenght的博客
10-18 8万+
把字体都设置成为“Times New Roman” plt.figure(figsize=[15,8]) plt.scatter(X, Y, label = 'RealValue') plt.plot(X, func(X, a, b), 'red', label = 'CurveLine') plt.title(station, fontdict={'family' : 'Times New Ro...
安装matplotlib
雨后的小木屋
03-08 2345
python的matplotlib库安装
matplotlib依赖包
07-16
xp系统安装matplotlib时会遇到包缺失的问题，这几个包可能是你需要的，分别是pyparsing-2.0.4-py2.py3-none-any.whl、python_dateutil-2.3-py2.py3-none-any.whl、pytz-2015.2-py2.py3-none-any.whl、six-1.6.0-py2....
MatplotLib
08-02
人工智能python工具包,提供数学计算和数据处理的工具。
matplotlib教程1
08-04
matplotlib教程1 Matplotlib是Python中一个功能强大且广泛使用的数据可视化库，它提供了丰富的绘图工具，可以生成各种类型的图表，如折线图、柱状图、散点图、饼图等。下面是Matplotlib教程的第一部分，涵盖了基本...
FP6601QS6 SOT23-6封装 USB专用充电端口控制器 深圳市可芯电子有限公司.pdf
06-24
FP6601QS6 SOT23-6封装 USB专用充电端口控制器 深圳市可芯电子有限公司.pdf
ASIC 综合后的静态验证方法的研究.pdf
06-24
ASIC 综合后的静态验证方法的研究.pdf
2024年东南亚IGBT模块市场深度研究及预测报告.pdf
06-24
东南亚位于我国倡导推进的“一带一路”海陆交汇地带，作为当今全球发展最为迅速的地区之一，近年来区域内生产总值实现了显著且稳定的增长。根据东盟主要经济体公布的最新数据，印度尼西亚2023年国内生产总值（GDP）增长5.05%；越南2023年经济增长5.05%；马来西亚2023年经济增速为3.7%；泰国2023年经济增长1.9%；新加坡2023年经济增长1.1%；柬埔寨2023年经济增速预计为5.6%。 东盟国家在“一带一路”沿线国家中的总体GDP经济规模、贸易总额与国外直接投资均为最大，因此有着举足轻重的地位和作用。当前，东盟与中国已互相成为双方最大的交易伙伴。中国-东盟贸易总额已从2013年的443亿元增长至 2023年合计超逾6.4万亿元，占中国外贸总值的15.4％。在过去20余年中，东盟国家不断在全球多变的格局里面临挑战并寻求机遇。2023东盟国家主要经济体受到国内消费、国外投资、货币政策、旅游业复苏、和大宗商品出口价企稳等方面的提振，经济显现出稳步增长态势和强韧性的潜能。 本调研报告旨在深度挖掘东南亚市场的增长潜力与发展机会，分析东南亚市场竞争态势、销售模式、客户偏好、整体市场营商环境，为国内企业出海开展业务提供客观参考意见。 本文核心内容： 市场空间：全球行业市场空间、东南亚市场发展空间。 竞争态势：全球份额，东南亚市场企业份额。 销售模式：东南亚市场销售模式、本地代理商 客户情况：东南亚本地客户及偏好分析 营商环境：东南亚营商环境分析 本文纳入的企业包括国外及印尼本土企业，以及相关上下游企业等，部分名单 QYResearch是全球知名的大型咨询公司，行业涵盖各高科技行业产业链细分市场，横跨如半导体产业链（半导体设备及零部件、半导体材料、集成电路、制造、封测、分立器件、传感器、光电器件）、光伏产业链（设备、硅料/硅片、电池片、组件、辅料支架、逆变器、电站终端）、新能源汽车产业链（动力电池及材料、电驱电控、汽车半导体/电子、整车、充电桩）、通信产业链（通信系统设备、终端设备、电子元器件、射频前端、光模块、4G/5G/6G、宽带、IoT、数字经济、AI）、先进材料产业链（金属材料、高分子材料、陶瓷材料、纳米材料等）、机械制造产业链（数控机床、工程机械、电气机械、3C自动化、工业机器人、激光、工控、无人机）、食品药品、医疗器械、农业等。邮箱：market@qyresearch.com
2000-2022年 省级产业结构合理化、高级化数据（原始数据、Excel数据、dta数据）.zip
最新发布
06-24
省级产业结构是指省级行政区域内各种产业部门之间的比例关系和结合状况，它反映了该省经济发展的类型和结构。一般来说，省级产业结构包括第一产业、第二产业和第三产业的比例关系，以及各产业内部各部门之间的比例关系。 产业结构高级化实际上是产业结构升级的一种衡量， 一般文献根据克拉克定律采用非农业产 值比重作为产业结构升级的度量。 本数据包含原始数据、Excel数据、dta数据。 相关数据 年份、省份、第一产业增加值亿元、第二产业增加值亿元、第三产业增加值亿元、GDP亿元、第一产业/GDP、第二产业/GDP、第三产业/GDP、产业结构、产业结构合理化、产业结构高级化。
11111111111111111111111
06-24
111111111111111111111
上市公司-双重差分模型手动匹配绿色企业数据.zip
06-24
双重差分模型（DID，Differences-in-Differences）是一种用于估计某个政策或处理效果的经济计量学模型。通过双重差分模型，可以控制一些不易观察的个体特征和时间趋势，以更准确地估计政策的效应。将绿色企业的定义应用于双重差分模型中，可以将处理组（即绿色企业）与控制组（即非绿色企业）进行匹配。 A股上市公司双重差分模型手动匹配绿色企业数据(是绿色企业：green=1;不是绿色企业green=0)。用于识别绿色企业并作为实验组。 借鉴Hu et al.(2021)的做法，将企业主营业务与《绿色产业指导目录》相匹配的方式来识别绿色企业 并且识别样本企业中的重污染企业，文件包含绿色企业识别数据，重污染企业证券代码，非重污染企业证券代码。绿色企业数据为手动匹配，主营业务从年报获得，数据准确，目前有约1800家企业数据。 绿色企业,dta绿色企业,xlsx 绿色信贷政策能否促进绿色企..展--基于风险承担的视角 李俊成去掉重污染code.dta 去掉重污染code.xlsx 重污染code.dta 重污染code.xlsx
源代码-OA 简易版.zip
06-24
源代码-OA 简易版.zip
Matplotlib
05-27
好的，Matplotlib是一个基于Python的数据可视化库，可以用于生成各种类型的图表，包括折线图、柱状图、散点图、饼图等。 下面是一个简单的Matplotlib折线图的代码示例： ```python import matplotlib.pyplot as ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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