matplotlib_图形样式

刻度定位器与刻度格式器

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import AutoMinorLocator,MultipleLocator,FormatStrFormatter
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
x=np.linspace(0.5,3.5,100)
y=np.sin(x)
#创建画布对象
fig=plt.figure(figsize=(6,6))
#向画布添加1行1列的子区
ax=fig.add_subplot(111)
#在x轴与y轴的1倍处设置主刻度
ax.xaxis.set_major_locator(MultipleLocator(1))
ax.yaxis.set_major_locator(MultipleLocator(1))
#设置xy轴次刻度,且次刻度将主刻度等分为4
ax.xaxis.set_minor_locator(AutoMinorLocator(4))
ax.yaxis.set_minor_locator(AutoMinorLocator(4))
#设置x,y轴次刻度的文本样式
ax.xaxis.set_minor_formatter(FormatStrFormatter('%.2f'))
ax.yaxis.set_minor_formatter(FormatStrFormatter('%.2f'))
#设置主刻度的样式,与次刻度的样式,
ax.tick_params(axis="x",which="major",length=15,width=2,colors="r")
ax.tick_params(axis="both",which="minor",length=5,width=1,colors="b",labelsize=10)
ax.plot(x,y)
ax.set_xlim(0,4)
ax.set_ylim(0,1)
ax.grid(which="both")
plt.show()
ax.tick_params
参数:
axis:x,y,both(默认)
which:major(主),minor(次)
length:刻度的长度
width:刻度的宽度
colors:刻度线的颜色
labelsize:刻度对应刻度值的字体大小

有箭头指示的趋势图

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import AutoMinorLocator,MultipleLocator,FormatStrFormatter
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
x=np.linspace(0,10,2000)
y=np.sin(x)
fig=plt.figure()
ax=fig.add_subplot(111)
ax.plot(x,y,ls="-")
ax.set_xlim(0)
ax.set_ylim(-1.5,1.5)
arrowprops={"arrowstyle":"-|>","color":"r"}
ax.annotate("",xy=(3*np.pi/2,np.sin(3*np.pi/2)+0.05),xytext=(np.pi/2,np.sin(np.pi/2)+0.05),color="r",arrowprops=arrowprops)
ax.arrow(0,-0.4,np.pi/2,1.2,fc='g',ec='g',head_width=0.05,head_length=0.1)
plt.show()
ax.arrow(0,-0.4,np.pi/2,1.2,fc='g',ec='g',head_width=0.05,head_length=0.1)
x:x轴起点
y:y轴起点
dx:x轴的增量
dy:y轴的增量
fc:颜色
ec:线条颜色
head_width=0.05,head_length=0.1:线条尾部样式

改变坐标轴的位置

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-5, 5, 100)
y1 = 0.5 * x

fig,ax=plt.subplots()
ax.plot(x,y1)

# 将右边 上边的两条边颜色设置为空 其实就相当于抹掉这两条边
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# 指定下边的边作为 x 轴   指定左边的边为 y 轴
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')

#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))
ax.spines['left'].set_position(('data', 0))

plt.show()

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: matplotlib_inline 是一种使用 Jupyter Notebook 中的 IPython 内联后端的 matplotlib 渲染器。它允许在笔记本中嵌入 matplotlib 绘图并实时查看结果,而无需创建单独的窗口。 ### 回答2: matplotlib_inline 是 Python 中的一个库,用于在 Jupyter Notebook 中内嵌显示 matplotlib图形。它可以方便地在笔记本中直接输出图形结果,而不需要额外的操作或显示窗口。使用 matplotlib_inline,我们可以更加方便地进行数据分析、可视化和交互式数据探索。 在 Jupyter Notebook 中使用 matplotlib_inline,只需要在代码中导入 matplotlib 并设置 `%matplotlib inline`。这样,每次绘图操作都会直接输出图形,而不需要再额外使用 `plt.show()` 命令显示图像。 使用 matplotlib_inline 有许多好处。首先,它使代码更加整洁简单,减少了不必要的代码行数。此外,它还提供了更快速的图形显示速度,可以快速查看数据可视化结果。同时,matplotlib_inline 还支持交互式操作,可以通过鼠标滚轮或其他手势对图像进行缩放、平移等操作,方便进行数据探索和分析。 总之,matplotlib_inline 是一个方便快捷的工具,使得在 Jupyter Notebook 中使用 matplotlib 进行数据可视化更加高效和直观。它大大简化了数据科学工作流程,使得数据分析工作更加快速、便捷。 ### 回答3: matplotlib_inline是一种用于Jupyter Notebook和JupyterLab中的Python库matplotlib的后端。matplotlib是一个功能强大的数据可视化工具,而matplotlib_inline则允许在Notebook中内联地展示图形,而不需要在独立的窗口中显示。 matplotlib_inline能够让我们在Notebook中轻松地创建、修改和展示各种类型的图表,例如折线图、散点图、柱状图等。它提供了简单的API,方便我们进行图表的配置和样式设置。 使用matplotlib_inline时,我们可以通过在Notebook的单元格中运行代码来创建图表,并且它会直接在输出区域显示图像。这样的好处是我们可以在Notebook中实时交互式地修改图表参数和数据,使得我们能够更方便地进行数据的可视化和分析。 另外,matplotlib_inline还支持在Notebook中使用一些特殊的魔术命令,例如%matplotlib inline,用于激活matplotlib_inline后端。这样一来,只需一行代码,就可以将matplotlib_inline集成到Notebook中。 总而言之,matplotlib_inline是一个方便易用的工具,使得在Jupyter Notebook中进行数据可视化变得简单而快捷,为我们提供了更流畅的数据分析体验。

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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