matplotlib中图示的参数设置的一点心得

最新推荐文章于 2025-02-06 14:45:06 发布
最新推荐文章于 2025-02-06 14:45:06 发布
阅读量5k 收藏 18
点赞数 11
分类专栏： Python 画图
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/nankai0912678/article/details/109520614
版权
在使用python的matplotlib包绘制图形时，通过legend命令可以定制图示。设置frameon为True，图示会显示在patch实体上，允许调整背景色、边框颜色、透明度和形状；frameon=False则无法应用这些设置。此外，facecolor用于改变背景色，edgecolor调整边框颜色，framealpha控制透明度，fancybox则用于改变图示形状。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

当使用python的matplotlib包的时候, 我们可以使用legend命令来绘制图示. legend命令的可配置参数具体可见此处, 但是这里给出一些使用心得:

1. 当frameon=True的时候, 图示会被绘制在一个patch实体上; 否则, 如果frameon=False, 则图示会被直接绘制在图片上. 这里, 讨论是否将图示绘制在一个patch实体上的意义在于, 当把它绘制在一个patch实体上时, 我们才可以使用facecolor, edgecolor, framealpha, fancybox等参数来设置图示的背景(不是图片的背景)的颜色, 边框颜色, 透明度, 以及形状, 而当frameon=False的时候这些参数就会失效.

frameon=True
frameon=True
frameon=False

2. 当frameon=True时, 可以使用facecolor参数来调节图示的背景颜色.

facecolor="white"

 

facecolor="yellow"

3. 当frameon=True时, 可以使用edgecolor参数来调节图示的边框颜色.

edgecolor="black"
edgecolor="red"

4. 当frameon=True时, 可以使用framealpha参数来调节图示的透明度.

framealpha=0.0

 

framealpha=0.5
framealpha=1.0

5. 当frameon=True时, 可以用fancybox参数调节图示的形状.

 

fancybox=False

 

fancybox=True

 

matplotlib 数据分析 图示
qq_34651483的博客
10-18 148
import random import matplotlib from matplotlib import pyplot as plt from matplotlib import font_manager class mat(): def __init__(self, x, y, y2=None): self.x = x self.y = y self.y2 = y2 self.plt = plt def set_fo.
【Python数据分析与应用】对Matplotlib画图的心得
hahaha5727的博客
06-07 1414
Matplotlib是一个Python2D绘图库，它可以在各种平台上以各种硬拷贝格式和交互式环境生成出具有出版品质的图形。Python是一门非常有潜力的高级语言，历经多年的发展，其在编程上发挥着越来越大的作用。在这学期中，通过选修python课上的基础知识学习，我对python也有了一定的认识。当然这次则是matplotlib，通过绘图来实现对数据的了解等等，也希望大佬们不吝赐教！
把图例放到图像外
pdc31czy的博客
11-28 852
ncol=2。
Python-Matplotlib可视化（5）——添加自定义形状绘制复杂图形
最新发布
2501_90392076的博客
02-06 1014
plt.show()添加辅助线由于Matplotlib生成的所有图形都由基本原语组成，因此我们可以使用一个基本的原语：lines来添加辅助线。N = 16plt.show()添加形状我们已经学习了使用lines原语制作线条，但是在实际中，我们可能需要更多的形状，使用其他形状的方式与lines原语的相同。
matplotlib基础以及常用图示例
菜鸟也要高飞
08-31 1035
matplotlib基础以及常用图示例matplotlib基础以及常用图示例导入及配置中文及符号matplotlib中的几种常见图的使用直方图条形图折线图饼图散点图箱线图极线图阶梯图带标签的柱状图堆积图分块图气泡图 matplotlib基础以及常用图示例 导入及配置中文及符号 import matplotlib.pyplot as plt # %matplotlib inline plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.
12个最常用的matplotlib图例 ！！
不要给自己设限，尝试更多可能（思所向 皆可往）
02-09 4436
这些图表类型覆盖了数据分析和机器学习项目的许多常见需求。根据具体的项目和数据，可以选择适合的图表类型来展示和分析数据。Matplotlib提供 了丰富的功能，能够自定义图表以满足特定的需求。参考：深夜努力写Python。
Python 之 Matplotlib (四)图例
wangsiji_buaa的博客
04-24 1148
代码：import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3, 3, 50) y1 = 2 * x + 1 y2 = x ** 2 plt.figure() # 设置坐标轴取值范围 plt.xlim((-1, 2)) plt.ylim((-2, 3)) # 标签 plt.xlabel('I am X') plt...
最有用的25个 Matplotlib图（含Python代码模板）
Oner.wv的专栏
06-25 782
本文转载自 | python大本营 作者 |zsx_yiyiyi50个Matplotlib图的汇编，在数据分析和可视化中最有用。此列表允许您使用Python的Matplotlib和Seaborn库选择要显示的可视化对象。1.关联散点图带边界的气泡图带线性回归最佳拟合线的散点图抖动图计数图边缘直方图边缘箱形图相关图矩阵图2.偏差发散型条形图发散型文本发散型包点图带标记的发...
《Python》matplotlib——绘制精美的图表
杨贵安的博客
07-31 2377
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浏览/复制/粘贴一下。...
机器学习面试中的SVM详解：掌握核技巧与参数调整，让你在面试中更加自信
[机器学习面试中的SVM详解：掌握核技巧与参数调整，让你在面试中更加自信](https://wzwhit.github.io/img/svm/svm-31.png) # 摘要 支持向量机（SVM）是机器学习领域的重要算法，它在分类和回归任务中展现出了显著的...
第一次作业：深度学习基础
weixin_47575086的博客
10-09 221
心得体会 在进行练习之前我一直认为机器学习的正确率是与训练次数关系很大，准确率不够的话多训练几次就好了，但通过本次实验，我认识到了激活函数对于神经网络的重要性。单纯增加训练的次数并不能大幅的增加准确率，而选用ReLU激活函数后训练的效率达到了大幅的提升，而当把激活函数从ReLU换成Sigmoid时训练同样次数，与未使用激活函数相比，提升不大。 PyTorch基本操作 什么是 PyTorch ? PyTorch是一个python库，它主要提供了两个高级功能： GPU加速的张量计算 构建在反向自动求导系统上的
PFC2D_VERSION_3.1优化算法集成：如何提升求解效率的秘诀
!... # 摘要 本文对PFC2D_VERSION_3.1进行了深入的基础解析，探讨了其面对的性能挑战，并详细介绍了优化算法的理论基础，包括算法优化的...进阶优化技巧章节中，讨论了参数调优、自适应机制、多算法协同优化及扩展应用。用
【Matplotlib】2各种图形的绘制
lanzhen001的博客
12-12 246
文章目录折线图柱状图饼图堆叠图直方图散点图时序数据的可视化实时数据图，例：图表的多重绘制 折线图 1 坐标点的展示，线段的颜色宽度，点的包裹颜色 plt.plot(x,y,marker='.',markersize=10, color = 'red', linewidth=4,markeredgecolor='blue') 2 图示标签 plt.plot(x1,y,label = '标签1') plt.plot(x2,y,label = '标签2') # 必须加入下面代码才能显示 pl
Python 的 TOP50 数据可视化 图形（包含代码）
热门推荐
飞羽的博客
10-16 1万+
使用python中最有用的50个数据可视化图形，并且用代码清晰的演示了使用matplotlib和seaborn库的过程并且展示了最终的结果。
交互功能
qq_35912930的博客
09-19 828
OpenCV基本用户界面 OpenCV Qt界面 滑块和按钮 高级用户界面：OpenGL 颜色转换 基本滤波器
Python数据分析——Matplotlib画图基本语法
ZzzqlX10qMi的博客
12-24 2250
python中绘图库有很多，但是Matplotlib是最基础的Python可视化库。Matplotlib是一个python2D绘图库，常用于数据可视化。它能够以多种硬拷贝的格式和跨平台的交互式环境生成出版物质量的图形。Matplotlib非常强大，它提供了丰富的绘图功能，包括折线图、散点图、柱状图、饼图、直方图等，并支持多种坐标轴类型和格式此外，Matplotlib还提供了灵活的API，允许用户定制图形的各种属性，如颜色、线条样式、标签、标题等。它还可以用来绘制各种静态，动态，交互式的图表。
Python的matplotlib可视化数据分析图表
2301_81727431的博客
06-14 1386
一、Matplotlib概述Matplotlib是一个广泛使用的Python数据可视化库，它基于MATLAB的功能和用户体验设计，因此具有类似于MATLAB的API和语法。Matplotlib的核心设计思想是“一切皆可绘制”，为用户提供了丰富的图表类型和自定义选项，使得数据分析师和科学家可以轻松地创建高质量的图表。
Python：Matplotlib详细使用
Molson_Choi的博客
10-06 5241
Matplotlib是python数据分析三剑客之一，是一个功能强大且非常流行的 Python数据可视化库。Matplotlib可用于绘制折线图(line plot)、散点图(scatter plot)、条形图(bar plot)、直方图(histogram plot)、饼图(pie plot)等，同时也支持部分3D绘图功能。正所谓“一图胜千言”，通过图像，可以更加清晰、直观地展示数据，从而有利于数据分析。
Matplotlib数据可视化（2）— 三大容器对象与常用设置
金戈鐡馬
03-25 2026
上一篇博客中说到，matplotlib中所有画图元素（artist）分为两类：基本型和容器型。容器型元素包括三种：figure、axes、axis。一次画图的必经流程就是先创建好figure实例，接着由figure去创建一个或者多个axes，然后通过axes实例调用各种方法来添加各种基本型元素，最后通过axes实例本身的各种方法亦或者通过axes获取axis实例实现对各种元素的细节操控。本篇博客继续上一节的内容，展开介绍三大容器元素创建即通过三大容器可以完成的常用设置。1、figure。
matplotlib中rc参数设置有几种方式？如何操作？
05-31
在 `matplotlib` 中，`rc` 参数设置有以下几种方式： 1. 在脚本中直接设置：可以在脚本中直接设置 `rc` 参数，例如： ```python import matplotlib.pyplot as plt # 设置 rc 参数 plt.rcParams['font.family'] = 'SimHei' plt.rcParams['font.size'] = 14 # 绘制图像 plt.plot([1, 2, 3], [4, 5, 6]) plt.show() ``` 2. 在配置文件中设置：可以创建一个 `matplotlibrc` 文件，将需要修改的 `rc` 参数写入到文件中，然后在脚本中加载该文件，例如： ```python import matplotlib.pyplot as plt # 加载配置文件 plt.rcdefaults() plt.rcParams.update(matplotlib.rc_params_from_file('my_config/matplotlibrc')) # 绘制图像 plt.plot([1, 2, 3], [4, 5, 6]) plt.show() ``` 3. 在环境变量中设置：可以通过设置环境变量 `MATPLOTLIBRC`，指定一个包含 `matplotlibrc` 文件的目录，同时在该文件中设置需要修改的 `rc` 参数，例如： ```python import matplotlib.pyplot as plt import os # 设置环境变量 os.environ['MATPLOTLIBRC'] = 'my_config' # 绘制图像 plt.plot([1, 2, 3], [4, 5, 6]) plt.show() ``` 以上是 `matplotlib` 中 `rc` 参数设置的三种方式。操作方法也很简单，只需在脚本中使用 `plt.rcParams` 或 `plt.rcdefaults()` 来设置即可。同时，也可以通过 `matplotlib.rc_params_from_file()` 方法从文件中读取 `rc` 参数并更新到当前的 `rc` 参数中。
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