plt.style.use

最新推荐文章于 2023-03-01 15:19:31 发布
最新推荐文章于 2023-03-01 15:19:31 发布
阅读量2.3w 收藏 269
点赞数 40
原文链接：https://mp.csdn.net/console/editor/html/107690844
版权 
print(plt.style.available) # 打印样式列表
['bmh', 'classic', 'dark_background', 'fast', 
'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 
'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid',
 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 
'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks',
 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 
'tableau-colorblind10', '_classic_test']

 

plt.style.use('bmh')

plt.style.use('bmh')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

bmh

plt.style.use('classic')

plt.style.use('classic')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

classic

plt.style.use('dark_background')

plt.style.use('dark_background')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

dark_background

plt.style.use('fast')

plt.style.use('fast')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

fast

plt.style.use('fivethirtyeight')

plt.style.use('fivethirtyeight')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

fivethirtyeight

plt.style.use('ggplot')

plt.style.use('ggplot')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

ggplot

plt.style.use('grayscale')

plt.style.use('grayscale')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

grayscale

plt.style.use('seaborn-bright')

plt.style.use('seaborn-bright')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-bright

plt.style.use('seaborn-colorblind')

plt.style.use('seaborn-colorblind')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-colorblind

plt.style.use('seaborn-dark-palette')

plt.style.use('seaborn-dark-palette')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-dark-palette

plt.style.use('seaborn-dark')

plt.style.use('seaborn-dark')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-dark

plt.style.use('seaborn-darkgrid')

plt.style.use('seaborn-darkgrid')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-darkgrid

plt.style.use('seaborn-deep')

plt.style.use('seaborn-deep')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-deep

plt.style.use('seaborn-muted')

plt.style.use('seaborn-muted')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-muted

plt.style.use('seaborn-notebook')

plt.style.use('seaborn-notebook')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-notebook

plt.style.use('seaborn-paper')

plt.style.use('seaborn-paper')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-paper

plt.style.use('seaborn-pastel')

plt.style.use('seaborn-pastel')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-pastel

plt.style.use('seaborn-poster')

plt.style.use('seaborn-poster')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-poster

plt.style.use('seaborn-talk')

plt.style.use('seaborn-talk')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-talk

plt.style.use('seaborn-ticks')

plt.style.use('seaborn-ticks')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-ticks

plt.style.use('seaborn-white')

plt.style.use('seaborn-white')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-white

plt.style.use('seaborn-whitegrid')

plt.style.use('seaborn-whitegrid')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn-whitegrid

plt.style.use('seaborn')

plt.style.use('seaborn')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

seaborn

plt.style.use('Solarize_Light2')

plt.style.use('Solarize_Light2')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

Solarize_Light2

plt.style.use('tableau-colorblind10')

plt.style.use('tableau-colorblind10')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

tableau-colorblind10

plt.style.use('_classic_test')

plt.style.use('_classic_test')

# 正常显示中文字体
plt.rcParams['font.sans-serif']=['Microsoft YaHei']

# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))

# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)

# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)

# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]

# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]

# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='横坐标',ylabel='纵坐标',title='我在第一列位置')

# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='横坐标',ylabel='纵坐标',title='我在第二列位置')

plt.show()

_classic_test

 

 

 

 

回到未来望过去
关注
  • 40
    点赞
  • 踩
  • 269
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
python画图常规设置方式
01-21
python绘图的包大家应该不会陌生，但是，对图的常规设置不一定会知道（其实自己也是才知道的），比如：坐标轴的字体大小、颜色设置；标题的字体颜色大小设置；线的粗细、颜色；图片风格的设置等。了解这些常规设置必定会让图片更加美观。 下面就具体来说说matplotlib中有哪些常规设置。 我主要总结了这几个函数： plt.style.use()函数；可以对图片的整体风格进行设置。可以通过plt.style.availabel知道一共有多少种主题。 import matplotlib.pyplot as plt import numpy as np import pandas as pd impor
数据分析案例--红酒数据集分析.pdf
12-23
数据分析案例--红酒数据集分析 介绍： 这篇⽂章主分析了红酒的通⽤数据集，这个数据集⼀共有1600个样本，11个红酒的理化性质，以及红酒的品质（评分从0到10）。这⾥主 要⽤python进⾏分析，主要内容分为：单变量，双变量，和多变量分析。 注意：我们在分析数据之前，⼀定要先了解数据。 1.导⼊python中相关的库 import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline import seaborn as sns # 颜⾊ color = sns.color_palette() # 数据print精度 pd.set_option('precision',3) 2.读取数据 注意：读取数据之前应该先看⼀下数据⽂件的格式，再进⾏读取 我们看到这个数据使⽤';'进⾏分隔的，所以我们⽤';'进⾏分隔读取 pandas.read_csv(filepath, sep=', ' ,header='infer', names=None) filepath:⽂本⽂件路径；sep:分隔符；header默认使⽤第⼀⾏作为列名，如果header=None则pandas为其分配默认的列名；也可使⽤ names传⼊列表指定列名 data=pd.read_csv(r'H:\阿⾥云\红酒数据集分析\winequality-red.csv',sep=';') data.head() 先读取数据的前五⾏ 然后我们也可以把这个整理好的数据，再另存为csv⽂件或者excel⽂件 data.to_csv(r'H:\阿⾥云\红酒数据集分析\winequality-red2.csv') data.to_excel(r'H:\阿⾥云\红酒数据集分析\winequality-red3.xlsx') winequality-red2.csv如图： winequality-red3.xlsx如图： 这样呢，我们就保存好了⽂件。这也是整理⽂件的⼀种⽅式 3.查看数据集的数据类型和空值情况等 可以看出没有缺失值，数据整齐 4.单变量分析 #简单的数据统计 data.describe() 5.绘图 # 获取所有的⾃带样式 plt.style.available # 使⽤⾃带的样式进⾏美化 plt.style.use('ggplot') #获取所有列索引，并且转化成列表格式 colnm = data.columns.tolist() fig = plt.figure(figsize = (10, 6)) for i in range(12): #绘制成2⾏6列的图 plt.subplot(2,6,i+1) #绘制箱型图 #Y轴标题 sns.boxplot(data[colnm[i]], orient="v", width = 0.5, color = color[0]) plt.ylabel(colnm[i],fontsize = 12) #plt.subplots_adjust(left=0.2, wspace=0.8, top=0.9) plt.tight_layout() print('\nFigure 1: Univariate Boxplots') colnm = data.columns.tolist() plt.figure(figsize = (10, 8)) for i in range(12): plt.subplot(4,3,i+1) #data.hist绘制直⽅图 data[colnm[i]].hist(bins = 100, color = color[0]) plt.xlabel(colnm[i],fontsize = 12) plt.ylabel('Frequency') plt.tight_layout() print('\nFigure 2: Univariate Histograms') 品质 这个数据集的⽬的是研究红酒品质和理化性质之间的关系，品质的评价范围是0-10，这个数据集中的范围是3到8，有82%的红酒品质是5 或6 酸度相关的特征 这个数据集有7个酸度相关的特征:fixed acidity, volatile acidity, citric acid, free sulfur dioxide, total sulfur dioxide, sulphates, pH。前6个特征都与红酒的pH的相关。pH是在对数的尺度，下⾯对前6个特征取对数然后作histogram。另外，pH值主要是与fixed acidity有关fixed acidity⽐volatile acidity和citric acid⾼1到2个数量级(Fi
使用python绘制雷达图
最新发布
12-26
使用python绘制雷达图 部分代码展示 import numpy as np import matplotlib.pyplot as plt # 解决中文显示问题 plt.rcParams["font.sans-serif"] = ["KaiTi"] # 指定默认字体 plt.rcParams["axes.unicode_minus"] = False # 解决保存图像是负号"-"显示为方块的问题 plt.style.use("ggplot") # 设置ggplot样式 # 原始数据集并获取数据集长度 results = [{"准确率": 0.91, "精确率": 0.82, "召回率": 0.66, "F1": 0.73 ,'AUC':0.8710}, {"准确率": 0.91, "精确率": 0.84, "召回率": 0.66, "F1": 0.74 ,'AUC':0.8799}, {"准确率": 0.89, "精确率": 0.82, "召回率": 0.61, "F1": 0.70 ,'AUC':0.7381},
machine-learning-notes:机器学习笔记
05-19
简介 作者：hschen QQ：357033150 邮箱： 此笔记主要总结自一些论文、书籍以及公开课，由于本人水平有限，笔记中难免会出现各种错误，欢迎指正。 由于Github渲染.ipynb文件较慢，可以用nbviewer加快渲染： 目录 1.公开课/读书笔记 增强学习系列2 台大机器学习基石笔记 第一讲-学习问题 PRML读书笔记 第一章 简介 1.1 多项式曲线拟合 1.2 概率论回顾 总结-曲线拟合的三种参数估计方法 第二章 概率分布 2.1 二元变量 2.2 多元变量 第三章 线性回归模型 3.1 线性基函数模型 总结-贝叶斯线性回归 2.机器学习笔记 xgboost笔记 1. xgboost的安装 softmax分类器 用theano实现softmax分类器 用SVD实现岭回归 SVD系列1 3.NLP笔记 LDA系列1——LDA简介 LDA系列2——Gibbs采样 朴素贝叶斯
mplcyberpunk:matplotlib图的“网络朋克风格”
03-20
庞贝朋克 在matplotlib之上的Python软件包，用于使用另外3行代码创建“ cyberpunk”样式图。 安装 pip install mplcyberpunk 用法 导入软件包后，可通过plt.style.use获得Cyber​​punk样式表（深色背景等）。通过调用add_glow_effects添加线发光和'underglow'效果： import matplotlib . pyplot as plt import mplcyberpunk plt . style . use ( "cyberpunk" ) plt . plot ([ 1 , 3 , 9 , 5 , 2 , 1 , 1 ], marker = 'o' ) plt . plot ([ 4 , 5 , 5 , 7 , 9 , 8 , 6 ], marker = 'o' )
plt.style.use设置背景样式
qq_22592457的博客
04-20 3万+
利用matplotlib绘图设置背景，使用到plt.style.use()时，对这个参数做一下小结。 matplotlib 使用某种样式 plt.style.use() 参数可以是一个 URL 或者路径，指向自己定义的 mplstyle 文件 可以把自己的 mplstyle 文件放到 mpl_configdir/stylelib 文件夹下，这样就能通过文件的名称来使用定义的样式，其中 mpl_co...
41.Matplotlib风格
xzy53719的博客
09-21 910
import matplotlib.pyplot as plt import numpy as np %matplotlib inline #查看所有风格 plt.style.available ['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 's...
seaborn——绘图方式
weixin_43794311的博客
03-29 1424
seaborn绘图工具 它是在matplotlib发展的,容易绘制更加精致的图形，兼容pandas和numpy等数据结构 绘制的三种方式：plt.style.use(‘seabon’)、sns.set()、使用seaborn函数 import seaborn as sns plt.style.use(‘seabon’) 直接将原来使用matplotlib绘制的图形前面添加该语句，图形自动出现了像网...
matplotlib.style.use
lyzhanghh的博客
03-25 2124
matplotlib 画图时可以使用到的图形风格 import matplotlib.pyplot as plt plt.style.use(‘ggplot’) 这其中的ggplot 是一种风格样式，可以运行下述代码，找到适合图形的风格； 当然也可以自己进行风格的自定义，plt.fugure(figsize=(14,6),facecolor=‘blue’) ...
Seaborn绘图库
PCGuo999的博客
05-10 1057
1.Seaborn----绘制统计图形 之前已经学过Matplotlib画图库，但是其缺点是函数和参数太多，以至于使用的时候非常复杂。因此，基于Matplotlib库的Seaborn就出现了，使用它在画图时将会更加简便，图像也更加好看。但是要知道，seaborn只是对matplotlib的提高，并不能代替。 安装seaborn库，并在使用的时候import导入 pip3 install seaborn import seaborn as sns 2.可视化数据的分布 当我们需要处理数据的时候，第一步肯定
python使用matplotlib绘图
热门推荐
weixin_41558411的博客
04-26 4万+
matplotlib是python中用于绘制各种图像的模块，功能十分强大，通常与pandas模块搭配使用，可以生成各种样视的图片，用于数据的分析和展示。 绘图风格 plt.style.use('fivethirtyeight') #设置图像风格样式 https://blog.csdn.net/qq_42505705/article/details/84962815 设置图例的位置 plt.legend(l......
【matplotlib】可视化解决方案——如何设置matplotlib风格集
pcx171的博客
03-01 848
本文详细介绍了matplotlib中各个风格集，主要介绍了matplotlob风格集的使用并给出了相关实例，最后本文介绍了如何自定义风格文件以及风格文件的保存位置。
Python 数据分析——Matplotlib相关知识
weixin_41624993的博客
05-29 592
Python 数据分析——Matplotlib相关知识 第五章 Matplotlib相关知识 —— 样式
浅谈在matplotlib中更改plt.plot()的绘图风格
蓝图的博客
12-11 1万+
偶然间发现matplotlib中设置样式表（style sheet）的功能，这个函数是plt.style，主要用来选择plot的呈现风格。 废话不多少，先看下效果 import numpy as np import matplotlib.pyplot as plt import matplotlib as mpl plt.style.use('dark_background') np.rando...
plt.style.use()怎么恢复到默认
weixin_56149274的博客
05-11 965
有一个default。但它没有列在plt.style.available下面显示。 plt.style.use('defaul') 即可回到默认格式下。
matplotlib-plt.style.use
柳杰的博客
11-14 2531
plt.style.use(style) 作用： 使用matplotlib自带的几种美化样式，就可以很轻松的对生成的图形进行美化。 可以使用matplotlib.pyplot.style.available获取所有的美化样式 print(plt.style.available) ['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot'
python数据可视化-matplotlib（三）
ZGP1234的博客
08-25 618
python数据可视化-matplotlib（三）
matplotlib_5 样式和颜色设置
weixin_46847902的博客
02-18 3242
Matplotlib_5 样式和颜色设置 绘图样式（预先定义（内置样式）、自定义、设置rcparams) 颜色设置（单色5种、多色显示）
python plt.style.use
04-11
"python plt.style.use"是一条Python代码，它可以用于设置matplotlib绘图库的风格。具体来说，通过使用plt.style.use()方法，可以选择不同的样式表来设置图形的颜色、线型、字体等属性，从而让绘图更美观可读。例如，使用“plt.style.use('ggplot')”可以让图形呈现出灰色背景和细线条的风格。

“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 4
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