Python 数据分析三剑客之 Matplotlib（三）：图例 / LaTeX / 刻度 / 子图 / 补丁等基本图像属性

最新推荐文章于 2024-07-20 06:32:10 发布
最新推荐文章于 2024-07-20 06:32:10 发布
阅读量4k 收藏 55
点赞数 23
分类专栏： # Matplotlib 【 Python 数据分析 】 文章标签： python 可视化 matplotlib 数据分析
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/qq_36759224/article/details/105828143
版权

CSDN 课程推荐：《Python 数据分析与挖掘》，讲师刘顺祥，浙江工商大学统计学硕士，数据分析师，曾担任唯品会大数据部担任数据分析师一职，负责支付环节的数据分析业务。曾与联想、亨氏、网鱼网咖等企业合作多个企业级项目。

Matplotlib 系列文章：

另有 NumPy、Pandas 系列文章已更新完毕，欢迎关注：

推荐学习资料与网站（博主参与部分文档翻译）：

文章目录

这里是一段防爬虫文本，请读者忽略。
本文原创首发于 CSDN，作者 TRHX。
博客首页：https://itrhx.blog.csdn.net/
本文链接：https://itrhx.blog.csdn.net/article/details/105828143
未经授权，禁止转载！恶意转载，后果自负！尊重原创，远离剽窃！

【1x00】设置图例

matplotlib.pyplot.legend() 方法可以为图表设置图例。

基本语法：matplotlib.pyplot.legend(\*args, \*\*kwargs)

部分常见参数：

参数描述
loc图例在画布中的位置，默认为 best，其他取值：
best, upper right, upper left, lower left
lower right, right, center left, center right
lower center, upper center, center
也可以用数字 0 - 10 来表示上述位置
bbox_to_anchor调整图例在画布中的位置，当 loc 达不到我们想要的效果时，就可以使用该参数
该参数接收一个二元数组 (x, y)，x 用于控制图例的左右移动，值越大越向右边移动
y 用于控制图例的上下移动，值越大，越向上移动
borderaxespad图例距离轴之间的距离，float 类型，默认为 0.5
borderpad图例边框空白区域大小，float 类型，默认为 0.4
columnspacing图例列间距，float 类型，默认为 2.0
edgecolor图例边缘线颜色，支持英文颜色名称及其简写、十六进制颜色码等
更多颜色示例参见官网 Color Demo
facecolor图例背景颜色，默认继承自 axes.facecolor
其他颜色，支持英文颜色名称及其简写、十六进制颜色码等
更多颜色示例参见官网 Color Demo
fancybox是否使用圆形框作为图例背景， 默认为 True
fontsize图例字体大小，默认为 medium，xx-small, x-small, small, medium
large, x-large, xx-large, smaller, larger
也可以使用数字来表示字体大小
framealpha图例透明度，float 类型，默认为 0.8，取值范围：[0, 1]
handleheight图例的高度 ，float 类型，默认为 0.7
handlelength图例的宽度，float 类型，默认为 2.0
handletextpad图例和图例文本之间的水平距离，float 类型，默认为 0.8
labelspacing不同图例之间的垂直距离，float 类型，默认为 0.5
shadow是否给图例添加阴影效果，默认为 False

【1x01】方法一：指定 label 参数

在画图的时候先指定 label 标签文本，再调用 legend() 方法即可。

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = range(2, 26, 2)
y = range(0, 12)
a = [5, 10, 15, 20, 25, 30]
b = [3, 4, 5, 6, 7, 8]

plt.plot(a, b, label='图例一')    # 指定 a,b 数据的图例
plt.plot(x, y, label='图例二')    # 指定 x,y 数据的图例

plt.legend(loc=2, edgecolor='red', facecolor='#F5F5F5')  # 指定图例位置、边缘线条颜色和背景色
plt.show()

【1x02】方法二：使用 set_label 方法

在画图的时候先使用 set_label() 方法指定标签文本，再调用 legend() 方法即可。

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = range(2, 26, 2)
y = range(0, 12)
a = [5, 10, 15, 20, 25, 30]
b = [3, 4, 5, 6, 7, 8]

line1, = plt.plot(a, b)
line2, = plt.plot(x, y)
line1.set_label('图例一')    # 指定 a,b 数据的图例
line2.set_label('图例二')    # 指定 x,y 数据的图例

plt.legend(loc=2, edgecolor='red', facecolor='#F5F5F5')  # 指定图例位置、边缘线条颜色和背景色
plt.show()

【1x03】方法三：直接使用 legend 方法

直接使用 legend() 方法来指定图例标签也可以达到同样效果，图例以列表或者元组形式储存，图例与绘制图形的顺序一一对应。

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = range(2, 26, 2)
y = range(0, 12)
a = [5, 10, 15, 20, 25, 30]
b = [3, 4, 5, 6, 7, 8]

plt.plot(a, b)
plt.plot(x, y)

plt.legend(['图例一', '图例二'], loc=2, edgecolor='red', facecolor='#F5F5F5')
plt.show()

也可以使用两个元组，将绘制的图形和图例一一对应来储存：

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = range(2, 26, 2)
y = range(0, 12)
a = [5, 10, 15, 20, 25, 30]
b = [3, 4, 5, 6, 7, 8]

line1, = plt.plot(a, b)
line2, = plt.plot(x, y)

plt.legend((line1, line2), ('图例一', '图例二'), loc=2, edgecolor='red', facecolor='#F5F5F5')
plt.show()

以上三种方法绘制的图形均一致：

01

【2x00】数学公式 LaTeX

LaTeX（LATEX，音译“拉泰赫”）是一种基于 TeX 的排版系统，常用于生成复杂表格和数学公式，Matplotlib 提供了自己的 TeX 表达式解析器，布局引擎和字体，布局引擎基于 Donald Knuth 的 TeX 布局算法改编。使用数学公式时用 $ 将其包围起来即可。具体的符号与其对应的英文表示参见官方文档：https://matplotlib.org/tutorials/text/mathtext.html

应用举例：

import numpy as np
import matplotlib.pyplot as plt

t = np.arange(0.0, 2.0, 0.01)
s = np.sin(2*np.pi*t)

plt.title(r'$\alpha_i > \beta_i$', fontsize=20)
plt.text(1, -0.6, r'$\sum_{i=0}^\infty x_i$', fontsize=20)
plt.text(0.6, 0.6, r'$\mathcal{A}\mathrm{sin}(2 \omega t)$', fontsize=20)
plt.xlabel('time (s)')
plt.ylabel('volts (mV)')

plt.plot(t, s)
plt.show()

02

【3x00】调整 x / y 轴刻度和范围

在生成图像时，默认会按照所给的数据均匀设置几个刻度，如果对默认的刻度不满意，则可以使用 xticks() 或 yticks() 方法指定刻度值。xlim() 与 ylim() 则可以设置刻度的范围。

基本语法：
matplotlib.pyplot.xticks([ticks=None, labels=None, \*\*kwargs])
matplotlib.pyplot.yticks([ticks=None, labels=None, \*\*kwargs])

参数描述
ticks数组形式的位置列表，即显示第 n 个位置的刻度，可选项，若传递空列表将删除所有 xtick / ytick
labels数组形式的值，在对应刻度线显示的标签信息。仅当同时传递了刻度时，才能传递此参数
**kwargs其他参数参见 Text

其他参数里面有一个常用的 rotation 参数，次参数可以用于设置刻度标签的旋转角度，对于标签太长的可以将其旋转一个角度来显示。

应用举例：

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = range(2, 26, 2)
y = range(0, 12)

plt.plot(x, y)
# x 轴每隔三个显示一次刻度，旋转45°显示标签
plt.xticks(range(2, 26, 3), ('the {} ticks'.format(i) for i in range(2, 26, 3)), rotation=45)

plt.show()

03

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = range(2, 26, 2)
y = range(0, 12)

plt.xlim((0, 30))   # 设置 x 轴刻度范围
plt.plot(x, y)

plt.show()

04

【4x00】画布边框与坐标轴的移动

Matplotlib 所绘制的图表中的每个绘图元素，例如线条 Line2D、文字 Text、刻度等在内存中都有一个对象与之对应。

matplotlib.pyplot.gca() 函数用于获取当前的绘图区 Axes（Get Current Axes）

matplotlib.pyplot.gcf() 函数用于获取当前的画布 Figure（Get Current Figure）

例如：matplotlib.pyplot.plot() 实际上会通过 matplotlib.pyplot.gca() 获得当前的 Axes对象 ax，然后再调用 ax.plot() 方法实现真正的绘图。我们可以通过这种方法来实现画布边框的隐藏和坐标轴的移动。

应用举例：

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 2*np.pi, np.pi/100)
y = np.sin(x)
plt.plot(x, y)

plt.xlabel('X axis')
plt.ylabel('Y axis')

ticks = (0, np.pi/2, np.pi, 3*np.pi/2, 2*np.pi)
labels = ('0', r'$\frac{\pi} {2}$', r'$\pi$', r'$\frac{3\pi} {2}$', r'$2\pi$')
plt.xticks(ticks, labels)                      # 设置 x 坐标轴显示的数据

ax = plt.gca()                                 # 获取当前的画布, gca = get current axes
ax.spines['right'].set_visible(False)          # 设置右边框不显示
ax.spines['top'].set_visible(False)            # 设置上边框不显示
# ax.spines['top'].set_color('none')           # 设置颜色为无也可以

ax.xaxis.set_ticks_position('bottom')          # 设置 x 坐标轴的标签位置
ax.yaxis.set_ticks_position('left')            # 设置 y 坐标轴的标签位置
ax.spines['bottom'].set_position(('data', 0))  # 设置 x 轴在 (0, 0) 位置
ax.spines['left'].set_position(('data', 0))    # 设置 y 轴在 (0, 0) 位置

plt.show()

05

这里是一段防爬虫文本，请读者忽略。
本文原创首发于 CSDN，作者 TRHX。
博客首页：https://itrhx.blog.csdn.net/
本文链接：https://itrhx.blog.csdn.net/article/details/105828143
未经授权，禁止转载！恶意转载，后果自负！尊重原创，远离剽窃！

【5x00】创建子图

子图的概念：在同一张画布中创建多个图像，方便对数据进行对比。

【5x01】方法一：add_subplot()

首先创建一个画布，然后利用 add_subplot() 方法填充子图，该方法接收三个参数，前两个参数表示子图有几行几列，最后一个参数表示第几个子图，如：fig.add_subplot(221) 表示总共有两行两列（2x2=4）一共4个子图，当前是第一个子图。若子图大于9个则用逗号隔开即可。

应用举例：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(100)

fig = plt.figure(figsize=(12, 6))

ax1 = fig.add_subplot(221)   # 第 1 个子图
ax1.plot(x, x)

ax2 = fig.add_subplot(222)   # 第 2 个子图
ax2.plot(x, -x)

ax3 = fig.add_subplot(223)   # 第 3 个子图
ax3.plot(x, x ** 2)

ax4 = fig.add_subplot(224)   # 第 4 个子图
ax4.plot(-x, x ** 2)

plt.show()

06

【5x02】方法二：pyplot.subplot()

matplotlib.pyplot.subplot() 方法和 add_subplot() 方法有点儿类似，同样接收三个参数，前两个参数表示子图有几行几列，最后一个参数表示第几个子图。

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(100)

plt.figure(figsize=(12, 6))

plt.subplot(221)     # 第 1 个子图
plt.plot(x, x)

plt.subplot(222)     # 第 2 个子图
plt.plot(x, x ** 2)

plt.subplot(223)     # 第 3 个子图
plt.plot(x, x ** 3)

plt.subplot(224)     # 第 4 个子图
plt.plot(x, x ** 4)

plt.show()

07

【5x03】方法三：pyplot.subplots()

matplotlib.pyplot.subplots() 函数会将画布分割成指定的列和行，分割后依次在各个区域画图即可。注意与 matplotlib.pyplot.subplot() 略有差别。

fig, axes = plt.subplots 的意思是：plt.subplots 方法会返回一个包含 figure（画布） 和 axes（绘图区） 对象的元组，fig 和 axes 参数分别接收这两个对象，后期对不同绘图区进行处理即可。

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(100)
fig, axes = plt.subplots(figsize=(12, 6), nrows=2, ncols=2)  # 将画布分割为2行2列，起始值为0

axes[0][0].plot(x, x)         # 绘制第1行第1列
axes[0][1].plot(x, -x)        # 绘制第1行第2列
axes[1][0].plot(-x, x ** 2)   # 绘制第2行第1列
axes[1][1].plot(x, -x ** 2)   # 绘制第2行第2列

plt.show()

08

【6x00】填充补丁

matplotlib.patches 可用于在画布上填充圆形、长方形、椭圆形、多边形等多种图像补丁。

官方文档：https://matplotlib.org/api/patches_api.html

类描述
matplotlib.patches.Arc(xy, width, height, angle=0.0, theta1=0.0, theta2=360.0, **kwargs)椭圆弧
matplotlib.patches.Arrow(x, y, dx, dy, width=1.0, **kwargs)箭头
matplotlib.patches.Circle(xy, radius=5, **kwargs)圆
matplotlib.patches.Ellipse(xy, width, height, angle=0, **kwargs)椭圆
matplotlib.patches.CirclePolygon(xy, radius=5, resolution=20, **kwargs)近似多边形的圆形面片
matplotlib.patches.Polygon(xy, closed=True, **kwargs)不规则多边形
matplotlib.patches.Rectangle(xy, width, height, angle=0.0, **kwargs)矩形
matplotlib.patches.RegularPolygon(xy, numVertices, radius=5, orientation=0, **kwargs)正多边形
matplotlib.patches.Shadow(patch, ox, oy, props=None, **kwargs)创建给定补丁的阴影
matplotlib.patches.Wedge(center, r, theta1, theta2, width=None, **kwargs)楔形

应用举例：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathes

x = np.arange(0.0, 2.0, 0.01)
y = np.sin(2*np.pi*x)

# 获取当前绘图区（gca = Get Current Axes
ax = plt.gca()

# 圆形：圆点(0.2, -0.25)，半径0.2，红色
circle = mpathes.Circle((0.2, -0.25), 0.2, color='r')

# 长方形：左侧和底部坐标(0.25, 0.75)，宽0.25，高0.15，透明度0.5
rect = mpathes.Rectangle((0.25, 0.75), 0.25, 0.15, alpha=0.5)

# 正多边形：中心点坐标(1.0, 0)，顶点数6，中心到每个顶点的距离0.25
regular_polygon = mpathes.RegularPolygon((1.0, 0), 6, 0.25, color='g')

# 不规则多边形：polygon_point 为要连接的点的坐标
polygon_point = [[1.5, -0.75], [1.75, -1], [2.0, 0], [1.5, -0.25]]
polygon = mpathes.Polygon(polygon_point, color='#FF69B4', alpha=0.3)

# 椭圆形：中心点坐标(1.25, 0.75)，横轴长度0.4，垂直轴长度0.2
ellipse = mpathes.Ellipse((1.25, 0.75), 0.4, 0.2, color='y')

# 将补丁添加到当前绘图区
ax.add_patch(circle)
ax.add_patch(rect)
ax.add_patch(regular_polygon)
ax.add_patch(polygon)
ax.add_patch(ellipse)

plt.xlabel('x axis label')
plt.ylabel('y axis label')
plt.grid()
plt.plot(x, y)
plt.show()

09

【7x00】保存图像

matplotlib.pyplot.savefig() 方法可以将绘制的图像保存到本地，支持多种格式：eps, pdf, pgf, png, ps, raw, rgba, svg, svgz。

注意：因为调用 plt.show() 函数后，会创建一个新的空白的图片，所以在保存图片时注意要在 plt.show() 前调用 plt.savefig()

基本语法：matplotlib.pyplot.savefig(fname, dpi=None, facecolor='w', edgecolor='w', format=None, transparent=False)

参数描述
fnamestr 类型 / 文件路径 / 类似文件的对象
如果未设置格式，则根据 fname 的扩展名（如果有）和 rcParams[“savefig.format”] = ‘png’ 推断输出格式
如果设置了格式，则它将确定输出格式
dpi保存图片的像素（dpi），以每英寸点数为单位。如果为 None，则默认取 rcParams[’savefig.dpi’] = ‘figure’
facecolor保存图片的画布颜色，默认为 white
edgecolor保存图片的边缘颜色，默认为 white
format保存图片的格式，未设置则取 fname 中的格式
transparent保存图片的背景是否透明

应用举例：

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
x = range(2, 26, 2)
y = range(0, 12)
a = [5, 10, 15, 20, 25, 30]
b = [3, 4, 5, 6, 7, 8]

line1, = plt.plot(a, b)
line2, = plt.plot(x, y)

plt.legend((line1, line2), ('图例一', '图例二'), loc=2, edgecolor='red', facecolor='#F5F5F5')
plt.savefig('D:\\data\\pic.png', transparent=True)  # 保存为透明文件
plt.show()

10

这里是一段防爬虫文本，请读者忽略。
本文原创首发于 CSDN，作者 TRHX。
博客首页：https://itrhx.blog.csdn.net/
本文链接：https://itrhx.blog.csdn.net/article/details/105828143
未经授权，禁止转载！恶意转载，后果自负！尊重原创，远离剽窃！
IT.BOB
关注
专栏目录
[Python从零到壹] 十七.可视化分析之Matplotlib、Pandas、Echarts入门万字详解
杨秀璋的专栏
08-24 3万+
前一篇文章讲述了数据预处理、Jieba分词和文本聚类知识，这篇文章主要介绍Matplotlib和Pandas扩展包绘图的基础用法，同时引入Echarts技术，该技术主要应用于网站可视化展示中。本文内容以实例为主，给读者最直观的图形感受。两万字基础文章，希望对您有所帮助。
在matplotlib中使用latex，Linux系统
weixin_42469046的博客
04-10 466
在Linux系统中，在matplotlib中使用latex
Pythont绘制子图（1）
weixin_47084663的博客
04-29 1213
1、问题描述 很多时候，我们需要将一组图像放在一起进行比较，这时，就需要绘制子图。如下列出三种绘制子图的方式 （1）subplot(nrows, ncols, index) subplot绘图是一个子图一个子图绘制，函数的参数中nrows和ncols决定需要绘制几个子图，如何排列，如nrows=3，ncols=4，表示绘制三行四列共12个子图。index表示在第几个子图上绘制，从左上角开始是第一个图，以此类推。 例： import numpy as np import matplotlib.pyplot a
如何在 .py 文件中使用 Matplotlib 在绘图的图例中编写 Latex 公式?
最新发布
wangbadan121的专栏
07-20 327
应用场景：在物理、化学、数学等领域中，经常需要绘制复杂的函数图像，这时可以在图例中使用 LaTeX 公式来清晰地显示这些公式。ax.legend(loc='upper center', bbox_to_anchor=(0.5, 1.05), fancybox=True, shadow=True, ncol=2) # 设置图例的位置。ax.plot(x, y, label=r"$f(x) = \sin(x)$") # 使用 r" " 来指定字符串中的 LaTeX 公式。# 设置图形和轴对象。
Matplotlib 中的 Legend 图例、Annotation 标注、Tick 能见度
kiku
03-19 1256
一、Legend 图例 添加图例 matplotlib 中的 legend 图例就是为了帮我们展示出每个数据对应的图像名称. 更好的让读者认识到你的数据结构. 上次我们了解到关于坐标轴设置方面的一些内容，代码如下： import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3, 3, 50) y1 = 2*x + 1 ...
PyMOL作图：设置标签（Label）
MurphyStar的博客
01-04 1万+
PyMOL标签（Label）的默认字体、大小和位置等参数通常需要进行调整以满足出版图片的高质量要求。因此，我们需要深入了解标签的详细信息，以设置适当的标签参数。在PyMOL中，使用Label和set命令可以轻松修改标签的各种属性，包括标签大小（label size）、标签颜色（label color）、标签位置（label positioning）、标签字体（label font）等等。
Python 数据分析三剑客之 Matplotlib（三）：图例 / LaTeX / 刻度 / 子图等基本图像属性
01-20
小黄人番外短片合集 — 第9集...《Python 数据分析三剑客之 Matplotlib（三）：图例 / LaTeX / 刻度 / 子图等基本图像属性》 文章目录【1×00】设置图例【1×01】方法一：指定 label 参数【1×02】方法二：使
Python 数据分析三剑客之 Matplotlib（二）：文本描述 / 中文支持 / 画布 / 网格等基本图像属性
01-20
小黄人番外短片合集 — 第8集【Banana Song ...《Python 数据分析三剑客之 Matplotlib（三）：图例 / LaTeX / 刻度 / 子图等基本图像属性》 文章目录【1×00】添加文本描述【1×01】添加标题：matplotlib.pyplot.titl
Python 数据分析三剑客之 Matplotlib（四）：线性图的绘制
01-20
小黄人番外短片合集 — ...《Python 数据分析三剑客之 Matplotlib（三）：图例 / LaTeX / 刻度 / 子图等基本图像属性》 《Python 数据分析三剑客之 Matplotlib（四）：线性图的绘制》 文章目录【1×00】方法描述【2×0
PyThon爬坑记_数据分析matplotlib图例
12-21
PyThon爬坑记_数据分析matplotlib图例安装matplotlib包解决图例中文乱码问题解决方案一：修改配置文件解决方案二：在代码中指定默认字体（推荐使用此方式）pyplot 绘制简单折线图在图例中使用subplot（）绘制多张...
matplotlib的基本用法(五)——添加annotation
SnailTyan
04-30 4510
matplotlib的基本用法(五)——添加annotation
Matplotlib绘图-颜色，字体，刻度，label，tick_label，粗细，图例设置
subchange的博客
08-26 9889
From: subce Tips 整理一下关于绘图的基本设置，主要包括： 自定义legend 二维图tick的长度和粗细 孪生x轴、y轴 设置二维图边框粗细 给三维图添加边框 设置三维图背景颜色为白色 三维图tick的长度和粗细 Legend # 自定义legend lenline1 = mlines.Line2D([], [], color='r', marker='s', linewidth=0.85, markersize=5, label='L
python如何在图例上加点,如何在python动画中添加图例/标签
weixin_36317502的博客
03-02 299
I want to add a legend in a python animation, like the line.set_label() below. It is similar to plt.plot(x,y,label='%d' %*variable*).However, I find that codes do not work here. The animation only sho...
python绘图时如何添加图例_matplotlib给子图添加图例的方法
weixin_39628380的博客
11-20 2848
代码如下：import matplotlib.pyplot as pltx = [1,2,3,4,5,6,7,8]y = [5,2,4,2,1,4,5,2]axe1 = plt.subplot(211)s1 = axe1.scatter(x,y, color='r', s=25, marker="o")plt.legend([s1],['A'])#或者#s1 = axe1.scatter(x,y,...
python matplotlib绘制自定义区域的子图（附示例）
m0_49040755的博客
11-09 1328
很多人使用matplotlib绘图时所有的子图都一样大难以做到详略有序，要使用matplotlib绘制自定义区域的子图要使用以下函数 matplotlib.pyplot.subplot2grid(shape,loc,rowspan=1,colspan=1,**kwargs) 该函数的主要参数如下： 元组 shape 形如（a,b）表示把整个画布分为a行b列 元组 loc 形如（a,b）表示当前选中的子画布为第a行b列的画布 注意 a的取值从0开始取 整数 colspan 表示当前选中的子画布向下占的列
matplotlib给子图添加图例
木子木泗的博客
05-13 1万+
代码如下：import matplotlib.pyplot as pltx = [1,2,3,4,5,6,7,8] y = [5,2,4,2,1,4,5,2] axe1 = plt.subplot(211) s1 = axe1.scatter(x,y, color='r', s=25, marker="o") plt.legend([s1],['A']) #或者 #s1 = axe1.scatter
python:set_xlabel，set_ylabel，set_zlabel为二维、三维子图设置坐标轴标题-
kakazai.cn
01-08 3万+
set_xlabel 所属模块：matplotlib 功能：为画布的子图设置坐标轴标题 该网站可在线测试本文代码，以便快速理解本文代码： http://kakazai.cn/index.php/Kaka/Python/query/name/set_xlabel 实例1：为二维子图设置坐标轴标题 #!/usr/bin/python3 #code-python(3.6) import matplot...
使用matplotlib的示例：调整字体-设置刻度、坐标、colormap和colorbar等
热门推荐
网海水手
08-09 17万+
使用matplotlib的示例：调整字体-设置刻度、坐标、colormap和colorbar等
Python数据可视化之matplotlib精进：填充、日期、颜色
Python数据可视化之matplotlib精进1；1.1 fill()——多边形颜色填充 2.4 Arc()——圆弧和楔形 3.2 plot_date()日期型时间序列图 3.5 设置一般化的日期刻度线 4.1;Python数据可视化之matplotlib精进 一、向图形填充...
评论 31
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

打赏作者

IT.BOB

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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