（1-2）matplotlib库绘图

最新推荐文章于 2024-07-19 09:57:34 发布
最新推荐文章于 2024-07-19 09:57:34 发布
阅读量705 收藏 3
点赞数 3
分类专栏： matplotlib 文章标签： matplotlib
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/weixin_45014721/article/details/107199408
版权

简单题要
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.绘图区域

①绘图区域plt.subplot()
在这里插入图片描述
在这里插入图片描述
②绘图区域plt.subplots()

1、单行单列

import  matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(12, 8), nrows=2, ncols=1) 


ax[0].plot([1,2], [3,4])
# 第二个图为
ax[1].plot([1,2], [3,4])

在这里插入图片描述
2、多行多列

import  matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(12, 8), nrows=2, ncols=2) 

# 第一个图为
ax[0,0].plot([1,2], [3,4])
# 第二个图为
ax[0,1].plot([1,2], [3,4])
# 第三个图为
ax[1,0].plot([1,2], [3,4])
# 第四个图为
ax[1,1].plot([1,2], [3,4])

在这里插入图片描述
在这里插入图片描述

fig, ax = plt.subplots(figsize=(12, 8), nrows=3, ncols=1)
返回值
fig：matplotlib.figure.Figure 对象
ax：子图对象（ matplotlib.axes.Axes）或者是他的数组

plt.subplots()设定了子窗口的行、列后，一次性生成所有子窗口
随后可用ax[i].plot()、ax[i].scatter()、ax[i].pie()等命令在第i+1个子窗口中绘图
当只创建了一个窗口时，则直接用ax.plot()、ax.scatter()、ax.pie()等命令，无需索引

在这里插入图片描述

# 导入相关模块
import numpy as np
import matplotlib.pyplot as plt

# 使中文正常显示的参数设置
plt.rcParams['font.sans_serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

fig, ax = plt.subplots(figsize=(12, 8), nrows=3, ncols=1)  # figsize可设定子图的长宽  
ax[0].plot([1,2,3], [2,4,6])                               # 在第1个子窗口绘图
ax[1].plot([1,2,3], [2,4,6])                               # 在第2个子窗口绘图
ax[2].plot([1,2,3], [2,4,6])                               # 在第3个子窗口绘图

等价于

plt.subplot(3, 1, 1)            # 缩写为plt.subplot(311)，表示绘图子窗口被设定为3行1列，当前在第1个窗口
plt.plot([1, 2, 3], [2, 4, 6])  # 在第1个子窗口绘图

plt.subplot(3, 1, 2)            # 缩写为plt.subplot(312)，表示绘图子窗口被设定为3行1列，当前在第2个窗口
plt.plot([1, 2, 3], [2, 4, 6])  # 在第2个子窗口绘图

plt.subplot(3, 1, 3)            # 缩写为plt.subplot(313)，表示绘图子窗口被设定为3行1列，当前在第3个窗口
plt.plot([1, 2, 3], [2, 4, 6])  # 在第3个子窗口绘图

在这里插入图片描述
③subplot2grid
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.绘制折线图—pyplot函数

①pyplot的参数
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
②matplotlib.pyplot的使用
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
③pyplot的中文显示
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
④文本显示
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
⑤pyplot绘制折线图

  • 绘制一条折线图
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 用黑体显示中文

x = [1, 2, 3, 4]
y = [10, 50, 20, 100]
plt.plot(x, y, "r", marker='*', ms=10, label="a")# "r" 表示红色，ms用来设置*的大小，显示标签a

# 在折线图(x1,y1+1)上显示具体数值str(y1), ha参数控制水平对齐方式, va控制垂直对齐方式
for x1, y1 in zip(x, y):
    plt.text(x1, y1 + 1, str(y1), ha='center', va='bottom', fontsize=15)

plt.xlabel("发布日期")
plt.ylabel("小说数量")
plt.title("80小说网活跃度")
plt.legend(loc="upper left")# upper left 将图例a显示到左上角
    
plt.savefig("a.jpg")
plt.show()

在这里插入图片描述

  • 绘制多条折线图
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 用黑体显示中文

x = [1, 2, 3, 4]
y1 = [45, 50, 20, 100]
y2 = [26, 10, 76, 25]
y3 = [11, 66, 55, 88]
y4 = [69, 50, 35, 100]
plt.plot(x, y1, marker='*', ms=10, label="a")
plt.plot(x, y2, marker='*', ms=10, label="b")
plt.plot(x, y3, marker='*', ms=10, label="c")
plt.plot(x, y4, marker='*', ms=10, label="d")
#等价于plt.plot(x, y1, x,y2, x,y3, marker='*', ms=10, label="a")

# 在折线图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式
for y in [y1, y2, y3, y4]:
    for x1, yy in zip(x, y):
        plt.text(x1, yy + 1, str(yy), ha='center', va='bottom', fontsize=15)

plt.xlabel("发布日期")
plt.ylabel("小说数量")
plt.title("80小说网活跃度")
plt.legend(loc="upper left")

plt.savefig("a.jpg")
plt.show()

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
 
x = np.linspace(0, 2 * np.pi, 100)#返回0到2派之间均匀的100个数值
y1, y2 = np.sin(x), np.cos(x)

 
plt.plot(x, y1, label='y = sin(x)')
plt.plot(x, y2, label='y = cos(x)')
plt.legend(loc="lower left")# 可以选loc=‘upper right' 或‘upper left'或 ‘lower right'或 ‘lower left'
plt.show()

在这里插入图片描述

2.绘制饼图

饼状图函数

plt.pie(x, explode=None, labels=None, colors=None, startangle=None,autopct=None, shadow=False, radius=None)在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

import matplotlib.pyplot as plt
x = [10,20,50,30]
label = ['A','B','C','D']
explods = [0,0.2,0,0]
plt.pie(x,labels=label,shadow=True,autopct='%1.1f%%',explode=explods,startangle=90)
#autopct='%1.1f%%'是必备的条件，加上它才能显示百分数;shadow是阴影
plt.legend(loc = (1,1))

在这里插入图片描述

3.绘制直方图

  • matplotlib.pyplot.hist（x,bins=None,range=None,density=None,normed=None,rwidth=None,log=False,color=None,label=None）参数的解释

  • bins：可以为整数，也可以为一个序列（比如list）
    （1） 当bin为整数时，则等于柱子的个数，有bin + 1个边。
    （2）当bin为sequence时，即给定了每个柱子的边界值，柱子个数等于len(sequence) - 1，每个区间，为前闭后开（[)）,但是最后一个区间为前后闭,如bin = [1, 2, 3, 4]，则区间分别为[1,2), [2,3),[3,4]
    在这里插入图片描述

  • range: 即对做hist的x的范围进行限定，默认的range=(x.min(), x.max())
    在这里插入图片描述
    在这里插入图片描述

  • density=True就相当于normed=1，在新的版本中normed被取消，用density代替

  • log : bool，默认False,即y坐标轴是否选择指数刻度
    在这里插入图片描述

  • rwidth ** 柱子的相对宽度

  • 在这里插入图片描述

  • 在这里插入图片描述

  • label 数据的标签，用于展示图例时使用。
    在这里插入图片描述

  • 返回值
    （你可能不明白，为什么有的图是"n, bins, patches = plt.hist(x, 50, density=True, facecolor=‘g’, alpha=0.75) " ）
    这三个返回值都是tuple
    第一个值：每个bin的频率（density = True）或频数（density= False）
    第二个值：所有bin的边界值，值的个数为bin_num + 1
    可以利用第一和第二返回值进行绘制曲线拟合
    第三个值：图形的对象。Patches <a list of 2 Lists of Patches objects>

  • EX：

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(19680801)
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
plt.hist(x, 50, density=True, facecolor='g', alpha=0.75)
#density=True就相当于normed=1，在新的版本中normed被取消，用density代替；facecolor就是color就是柱子的颜色

plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt
import numpy as np

c=[1, 1, 1, 2, 2, 1, 2, 2, 3, 3, 1, 2, 2, 3, 3, 1, 2, 2, 1, 1, 2, 3, 3, 1, 1, 2, 3, 3, 1, 1]
d=[-0.5,0.5,1.5,2.5,3.5]
plt.hist(c,bins=d)

a=[1 1 1 2 2 1 2 2 3 3 1 2 2 3 3 1 2 2 1 1 2 3 3 1 1 2 3 3 1 1]
b=[-0.5 0.5 1.5 2.5 3.5]
plt.hist(a,bins=d)

a=np.array(c)
b=np.array(d)
plt.hist(c,bins=d)

'''
bins是一个数字时就是直方的个数，bins是一个数组时就代表横坐标；
plt.hist(a,bins=d)含义就是以d为横坐标，根据a落在d各个区间的数量来绘制直方图
这三种都能绘制直方图，而且结果一样；
不过a=[1 1 1 2 2 1 2 2 3 3 1 2 2 3 3 1 2 2 1 1 2 3 3 1 1 2 3 3 1 1]这是一种非法输入，a=np.array(c)才行
'''

'''
没有逗号的数组是一种非法输入，如a=[1 1 1 2 2 1 2 2 3 3 1 2 2 3 3 1 2 2 1 1 2 3 3 1 1 2 3 3 1 1]
但是我们可以用np.array([1, 1, 1, 2, 2, 1, 2, 2, 3, 3, 1, 2, 2, 3, 3, 1, 2, 2, 1, 1, 2, 3, 3, 1, 1, 2, 3, 3, 1, 1])来得到这种数组
'''

在这里插入图片描述

4.绘制柱状图

  • 绘制单组柱状图
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 用黑体显示中文

x = [1, 2, 3, 4]
y = [450, 500, 200, 1000]

plt.bar(x=x, height=y, label='书库大全', color='steelblue', alpha=0.8)

# 在柱状图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式
for x1, yy in zip(x, y):
    plt.text(x1, yy + 1, str(yy), ha='center', va='bottom', fontsize=20)

plt.title("80小说网活跃度")
plt.xlabel("发布日期")
plt.ylabel("小说数量")
plt.legend()# 显示图例

plt.savefig("a.jpg")
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt
import matplotlib
# 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei']
matplotlib.rcParams['axes.unicode_minus']=False     


plt.figure(figsize=(20, 8), dpi=250)
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
y=[73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
x=range(len(movie_name))

plt.bar(x,y,width=0.5, color=['b','r','g','y','c','m','y','k','c','g','g'])
plt.xticks(x, movie_name)#这句话可以使横坐标由range(len(movie_name))替换为电影的名字

plt.show()

在这里插入图片描述

  • 绘制多组柱状图
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 用黑体显示中文

x = ['2015', '2016', '2017', '2018', '2019']
y1 = [4500, 5000, 2000, 7000, 10000]
y2 = [5200, 7000, 5000, 9000, 11000]

plt.bar(x=x, height=y1, label='python', color='steelblue', alpha=0.8)
plt.bar(x=x, height=y2, label='java', color='indianred', alpha=0.8)

# 在柱状图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式
for x1, yy in zip(x, y1):
    plt.text(x1, yy + 1, str(yy), ha='center', va='bottom', fontsize=20)
for x1, yy in zip(x, y2):
    plt.text(x1, yy + 1, str(yy), ha='center', va='bottom', fontsize=20)

plt.title("python与java图书对比")
plt.xlabel("年份")
plt.ylabel("销量")
plt.legend()

plt.savefig("a.jpg")
plt.show()

在这里插入图片描述

import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 用黑体显示中文


years = ['2015', '2016', '2017', '2018', '2019']
y1 = [4500, 5000, 2000, 7000, 10000]
y2 = [5200, 7000, 5000, 9000, 11000]
x=range(len(years))


# 将X轴数据改为使用range(len(years), 就是0、1、2...
plt.bar(x, height=y1, label='python', color='steelblue', alpha=0.8, width=0.2)
plt.bar([i + 0.2 for i in x], height=y2, label='java', color='indianred', alpha=0.8, width=0.2)
plt.xticks([i + 0.1 for i in x],years)#这句话可以使横坐标由range(len(years))+0.1替换为years

# 在柱状图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式
for x1, yy in enumerate(y1):
    plt.text(x1, yy + 1, str(yy), ha='center', va='bottom', fontsize=20)
for x1, yy in enumerate(y2):
    plt.text(x1 + 0.2, yy + 1, str(yy), ha='center', va='bottom', fontsize=20)

plt.title("python与java对比")
plt.xlabel("年份")
plt.ylabel("销量")
plt.legend()

plt.savefig("a.jpg")
plt.show()

在这里插入图片描述

plt.figure(figsize=(20, 8), dpi=80)

movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案']
first_day = [10587.6, 10062.5, 1275.7]
first_weekend = [36224.9, 34479.6, 11830]

# 先得到movie_name长度, 再得到下标组成列表
x = range(len(movie_name))

plt.bar(x, first_day, width=0.2)
# 向右移动0.2, 柱状条宽度为0.2
plt.bar([i + 0.2 for i in x], first_weekend, width=0.2)

# 底部汉字移动到两个柱状条中间(本来汉字是在左边蓝色柱状条下面, 向右移动0.1)
plt.xticks([i + 0.1 for i in x], movie_name)
plt.show()

在这里插入图片描述

  • 绘制柱线混合图
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 用黑体显示中文

x = [2, 4, 6, 8]
y = [450, 500, 200, 1000]

plt.bar(x=x, height=y, label='书库大全', color='steelblue', alpha=0.8)
# 在柱状图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式
for x1, yy in zip(x, y):
    plt.text(x1, yy + 1, str(yy), ha='center', va='bottom', fontsize=20)
    
plt.title("80小说网活跃度")
plt.xlabel("发布日期")
plt.ylabel("小说数量")
plt.legend()

# 画折线图
plt.plot(x, y, "r", marker='*', ms=10, label="a")
plt.legend(loc="upper left")

plt.savefig("a.jpg")
plt.show()

在这里插入图片描述

5.绘制散点图

在这里插入图片描述

'''极其必要的语句'''
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #这个语句极为重要，它决定能否正常显示负号


'''绘制散点图'''
x = np.arange(1,10)
y = x
plt.scatter(x,y,c='r',marker='o')



'''直方图内你想要显示的内容'''
plt.title("Y-X")
plt.xlabel("X轴")
plt.ylabel("Y轴")
#plt.legend()# 显示图例
#plt.text(0,750, r'$\80小说网活跃度$') #添加文本内容



'''关于其他限定因素'''
plt.axis([0, 10, 0, 10])  
plt.grid(True) #显示网格
plt.savefig("a.jpg",dpi=600)


'''最后'''
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt
import numpy as np

'''极其必要的语句'''
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #这个语句极为重要，它决定能否正常显示负号


'''绘制散点图'''
x = np.arange(1,10)
y = x
color=['r','y','g','b','r','y','g','b','r']
plt.scatter(x,y,c=color,marker='o')



'''直方图内你想要显示的内容'''
plt.title("Y-X")
plt.xlabel("X轴")
plt.ylabel("Y轴")
#plt.legend()# 显示图例
#plt.text(0,750, r'$\80小说网活跃度$') #添加文本内容



'''关于其他限定因素'''
plt.axis([0, 10, 0, 10])  
plt.grid(True) #显示网格
plt.savefig("a.jpg",dpi=600)


'''最后'''
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt
import numpy as np

'''极其必要的语句'''
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #这个语句极为重要，它决定能否正常显示负号


'''绘制散点图'''
x = np.arange(1,10)
y = x
lValue=x*3
plt.scatter(x,y,c='r',linewidths=lValue,marker='o')



'''直方图内你想要显示的内容'''
plt.title("Y-X")
plt.xlabel("X轴")
plt.ylabel("Y轴")
#plt.legend()# 显示图例
#plt.text(0,750, r'$\80小说网活跃度$') #添加文本内容



'''关于其他限定因素'''
plt.axis([0, 10, 0, 10])  
plt.grid(True) #显示网格
plt.savefig("a.jpg",dpi=600)


'''最后'''
plt.show()

在这里插入图片描述

乘风破浪的牛马
关注
  • 3
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
python数据分析与展示--Matplotlib库入门
小马哥的博客
11-13 942
数据分析
数据分析四、数据展现---用matplotlib 库绘制图形
随风的博客
08-20 2147
数据展现matplotlib库1.1、概述：1.2、pyplot模块1.3、matplotlib 库绘图1.3.1、画布的生成与保存:plt.figure()1.3.2、 设置 x/y 坐标值1.3.3、绘制折线图和柱状图1.3.3.1绘制折线图：plt.plot()1.3.3.2绘制 柱壮图：plt.bar()1.3.3.3绘制饼图1.4、设置图表标题：plt.title(label，fontsize)1.5、设置坐标轴1.6、设置图例1.7、设置数据标签三级目录 matplotlib库 1.1、概述：
fig, ax = plt.subplots(figsize = (a, b))解析 与 plt.subplot()函数解析
柳杰的博客
07-18 4万+
转载：https://blog.csdn.net/TeFuirnever/article/details/93724227 转载：https://blog.csdn.net/TeFuirnever/article/details/89842795 文章目录fig, ax = plt.subplots(figsize = (a, b))解析plt.subplot()函数解析 fig, ax = plt.subplots(figsize = (a, b))解析 在matplotlib一般使用plt.figure
matplotlib中subplot的各参数的作用
weixin_33835103的博客
12-27 832
subplot(a,b,c)中a代表所画图形的行数 b代表所画图形的列数 c代表所画图形的序号。 plt.figure(facecolor='w', figsize=(9, 10)) plt.subplot(311) plt.plot(data['TV'], y, 'ro') plt.title('TV') plt.grid(b=True, ls=...
plt: subplot()、subplots()详解及返回对象figure、axes的理解
最新发布
weixin_46713695的博客
07-19 1913
【转】plt: subplot()、subplots()详解及返回对象figure、axes的理解
Python Matplotlib简易教程(小白教程)
菜鸟教程
11-12 1万+
更多编程教程请到：菜鸟教程 https://www.piaodoo.com/ 友情链接：好看站 http://www.nrso.net/ 简单演示 import matplotlib.pyplot as plt import numpy as np 从[-1,1]中等距去50个数作为x的取值 x = np.linspace(-1, 1, 50) print(x) y = 2*x + 1 第一个是横坐标的值，第二个是纵坐标的值 plt.plot(x, y) 必要方法，用于将设置好的figure对
plt多行多列展示
SmartDemo的博客
03-07 968
fig, axes = plt.subplots(2,1) for idx, ax in enumerate(axes.flat): ax.imshow(frames[idx]) ax.set_title(f"Frame {idx + 1}") ax.axis("off") plt.show()
Matplotlib数据可视化（三）
weixin_45397053的博客
11-23 501
Task03 本次学习参照Datawhale开源学习：https://github.com/datawhalechina/fantastic-matplotlib 内容大体源自原文，结合自己学习思路有所调整。 个人总结：一、使用 plt.subplots和GridSpec可分别绘制均匀和非均匀子图。两种方法都是创建一个ax再画图，属于“面向对象”画图，区别如plt.plot()直接“快速式”画图。二、 ax 对象上定义了和 plt 类似的图形绘制函数。常用的有： plots hist, scatter, b
Python三维绘图--Matplotlib
01-27
在Python的可视化库Matplotlib中，三维绘图功能允许我们以立体的方式展示数据，这对于理解和分析多维度的数据非常有帮助。下面将详细讲解如何使用Matplotlib进行三维绘图。 首先，创建三维坐标轴对象Axes3D是进行三...
Python--matplotlib绘图可视化知识点整理.doc.docx
12-07
Python--matplotlib绘图可视化知识点整理 本文档主要介绍了Python中的matplotlib绘图可视化技术，涵盖了matplotlib的基本使用、参数设置、图表样式设置、坐标轴设置、图例设置、文字添加等方面的知识点。 1. ...
2020-matplotlib-_matplotlib画图_python_
10-02
plt.subplot(2, 1, 1) # 创建2行1列的第一个子图 plt.plot(x, y) plt.subplot(2, 1, 2) # 创建2行1列的第二个子图 plt.plot(x, y ** 2) plt.show() ``` 这里我们创建了一个2行1列的子图布局，并分别在两个子图上...
MATLAB：subplot(mnq)什么意思【示例解答，简单易懂】
HWP
06-21 8715
MATLAB：subplot(mnq)什么意思 M:代表行 N:代表列 Q:代表第几个 示例： 代码： clc,clear,close all; f= imread('zui.jpg'); subplot(311); imshow(f);title('1') subplot(312); imshow(f);title('2') subplot(313); imshow(f);title('3') ...
关于使用matplotlib画图的基础操作
weixin_44166997的博客
08-12 1018
1·基础的折线图 import matplotlib.pyplot as plt %matplotlib inline fig = plt.figure(figsize=(4,3)) plt.plot(data) plt.show() 2·添加子图 fig = plt.figure(figsize=(12,8)) ax1 = fig.add_subplot(221) ax2 = fig.ad...
fig, ax = plt.subplots(figsize = (a, b))解析（最清晰的解释）
热门推荐
种树最好的时间是10年前，其次是现在！！！
06-26 7万+
在matplotlib一般使用plt.figure来设置窗口尺寸。 plt.figure(figsize=(a, b)) 其中figsize用来设置图形的大小，a为图形的宽， b为图形的高，单位为英寸。 但是如果使用plt.subplots，就不一样了。 fig, ax = plt.subplots(figsize = (a, b)) fig代表绘图窗口(Figure)；ax代表这个绘图窗口...
【python matplotlib 】fig, ax = plt.subplots()画多表图
zou_albert的博客
03-16 9991
文章目录一、 fig, ax = plt.subplots()的作用二、参数的含义三、图上排列多个子图四、把多个子图一起合并到一个图上五、画图刻度、图例等字体、字体大小、刻度密度、线条样式设置 一、 fig, ax = plt.subplots()的作用 它是用来创建 总画布/figure“窗口”的，有figure就可以在上边（或其中一个子网格/subplot上）作图了，（fig：是figure的缩写）。 plt.subplot(111)是plt.subplot(1, 1, 1)另一个写法而已【引用链接】
Python——plt.subplots()函数用法
Williamcsj的博客
05-30 1万+
参考链接：plt.subplots（）一纸多图
python matplotlib 折线图_python matplotlib 折线图
weixin_39740419的博客
12-04 110
import numpy as npimport matplotlib.pyplot as plt#plt.style.use('default')#plt.close(fig)fig, ax = plt.subplots(figsize=(12, 8))ax = plt.axes()ax.spines['top'].set_visible(False) #设置去掉上边框ax.spines['r...
python做傅里叶变换
LLand520的博客
09-27 4536
傅里叶变 　　法国科学家傅里叶提出，任何一条周期曲线，无论多么跳跃或不规则，都能表示成一组光滑正弦曲线叠加之和。傅里叶变换即是把一条不规则的曲线拆解成一组光滑正弦曲线的过程。 傅里叶变换的目的是将时域（即时间域）上的信号转变为频域（即频率域）上的信号，随着域的变换，对同一个事物的了解角度也就随之改变，因此在时域中某些不好处理的地方，在频域就可以较为简单的处理。这就可以大量减少处理信号存储量。 例如...
plt.subplot()
_BANA的博客
03-17 4831
cs 231n assignment 1 plt.subplot()函数用于直接指定划分方式和位置进行绘图 # subplot(numRows, numCols, plotNum) # or subplot(numRows numCols plotNum) 图表的整个绘图区域被分成 numRows 行和 numCols 列 然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号...
了解matplotlib库的特征matplotlib2-3个典型功能。
11-14
matplotlib是一个Python的数据可视化库，它可以用来绘制各种静态，动态，交互式的图表，包括线图，散点图，柱状图，饼图等等。以下是matplotlib库的两个典型功能： 1.绘制带箭头的竖线 可以使用matplotlib的...
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

打赏作者

乘风破浪的牛马

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