SciencePlots用于科学绘图的Matplotlib样式库

这篇具有很好参考价值的文章主要介绍了SciencePlots用于科学绘图的Matplotlib样式库。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前言

  • SciencePlots包是matplotlib包的主题扩展库,所以我们必须同时拥有SciencePlots包和matplotlib包。SciencePlots包[官方地址]。(https://github.com/garrettj403/SciencePlots)
  • pip install SciencePlotspip install matplotlib
  • 使用此包还需要Latex支持,Latex下载链接。中文字体需要Noto Serif SC支持,下载链接。安装完字体后,要将matplotlib包的字体缓存更新,以win系统为例,删除C:\Users\lenovo\.matplotlib文件夹,然后重新执行import matplotlib as mpl会更新字体库。
  • 官方文档中使用plt.style.use(['science', 'no-latex', 'cjk-sc-font'])设置中文字体,我安装了'cjk-sc-font'(也就是'Noto Serif SC'字体)但是依然会报错,我使用plt.rcParams['font.sans-serif']=['Noto Serif SC']能达到相同的效果,如果有人知道怎么解决请私信我修改教程。

绘图

#加载包
import numpy as np
import pandas as pd
from plotnine import*
import seaborn as sns
from scipy import stats

import matplotlib as mpl
import matplotlib.pyplot as plt
# 中文显示问题
plt.rcParams['font.sans-serif']=['Noto Serif SC']
plt.rcParams['axes.unicode_minus'] = False

import scienceplots
plt.style.use(['science','ieee','notebook'])

# notebook嵌入图片
%matplotlib inline
# 提高分辨率
%config InlineBackend.figure_format='retina'

# 忽略警告
import warnings
warnings.filterwarnings('ignore')
x = np.arange(1,10,0.5)
y_1 = x * 2 + 4 + x ** 2
y_2 = x * 0.5 + 3 + x ** 1.5
y_3 = x * 3.5 + 2 + x ** 3
plt.figure()
plt.plot(x, y_1)
plt.plot(x, y_2)
plt.plot(x, y_3)
plt.xlabel('时间(s)')
plt.ylabel('电力情况(k)')
plt.show()

SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图文章来源地址https://www.toymoban.com/news/detail-684606.html

官方文档展示

  • 更多主题搭配可以在这里找到。
  • plt.style.use(['science'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'ieee'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'notebook'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'scatter'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['dark_background', 'science', 'high-vis'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'bright'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'vibrant'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'muted'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'retro'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'grid'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'high-contrast'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'light'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'no-latex', 'cjk-tc-font'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'no-latex', 'cjk-sc-font'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'no-latex', 'cjk-jp-font'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'no-latex', 'cjk-kr-font'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'russian-font'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图
  • plt.style.use(['science', 'turkish-font'])
    SciencePlots用于科学绘图的Matplotlib样式库,matplotlib,python,数据可视化,数据挖掘,科学绘图

到了这里,关于SciencePlots用于科学绘图的Matplotlib样式库的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • matplotlib绘图详解

    1、 matplotlib简介 ​ Matplotlib是一个Python 2D绘图库,它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。 Matplotlib可用于Python脚本,Python和IPython (opens new window)Shell、Jupyter (opens new window)笔记本,Web应用程序服务器和四个图形用户界面工具包。 ​ Matplotlib 尝试使容

    2024年02月04日
    浏览(30)
  • 【 Matplotlib绘图】

    Matplotlib是Python中最常用的可视化工具之一,可以非常方便地创建海量类型的2D图表和一些基本的3D图表,可根据数据集(DataFrame,Series)自行定义x,y轴,绘制图形(线形图,柱状图,直方图,密度图,散布图等等),能够满足大部分需要。 Matplotlib最早是为了可视化癫痫病人的

    2024年02月10日
    浏览(26)
  • python——matplotlib绘图详解大全

    目录 一、图形绘制大全 1.1 2D图形绘制 1.1.1 绘制单线图形 1.1.2 绘制多线图 1.1.3 读取文件中的数据绘制图形 1.1.4 绘制散点图 1.1.5 绘制条形图 1.1.5.1 单条条形图 1、垂直条形图 2、水平条形图 1.1.5.2 多组条形图 1.1.5.3 堆积条形图 1.1.5.4 对称条形图 1.1.4 饼图 1.1.5 直方图 1.1.6 箱形

    2024年02月09日
    浏览(36)
  • Matplotlib.pyplot.plot 绘图

    Matplotlib.pyplot.scatter 散点图绘制 Matplotlib.pyplot 创建图形、在图形中创建创建一个绘图区域、在绘图区域中你那个绘制一些线、在图形中添加标签之类 format_string 控制曲线的格式字符串,可选,由颜色 字符 、 风格 字符和 标记 字符组成 颜色 字符 说明 字符 说明 字符 说明 \\\'

    2024年02月05日
    浏览(22)
  • Python Matplotlib 3D绘图详解(汇总)

    最初开发的 Matplotlib,仅支持绘制 2d 图形,后来随着版本的不断更新, Matplotlib 在二维绘图的基础上,构建了一部分较为实用的 3D 绘图程序包,比如 mpl_toolkits.mplot3d,通过调用该程序包一些接口可以绘制 3D散点图、3D曲面图、3D线框图等 mpl_toolkits 是 Matplotlib 的绘图工具包。

    2024年02月04日
    浏览(31)
  • 【绘图】比Matplotlib更强大:ProPlot

    ✅作者简介:在读博士,伪程序媛,人工智能领域学习者,深耕机器学习,交叉学科实践者,周更前沿文章解读,提供科研小工具,分享科研经验,欢迎交流! 📌个人主页: https://blog.csdn.net/allein_STR?spm=1011.2559.3001.5343 💯特色专栏:深度学习和WRF,提供人工智能方方面面小姿

    2023年04月16日
    浏览(22)
  • Python 数据分析——matplotlib 快速绘图

    matplotlib采用面向对象的技术来实现,因此组成图表的各个元素都是对象,在编写较大的应用程序时通过面向对象的方式使用matplotlib将更加有效。但是使用这种面向对象的调用接口进行绘图比较烦琐,因此matplotlib还提供了快速绘图的pyplot模块。本节首先介绍该模块的使用方法

    2024年02月11日
    浏览(33)
  • Python 面向对象绘图(Matplotlib篇-16)

    Python 面向对象绘图(Matplotlib篇-16)         🍹博主 侯小啾 感谢您的支持与信赖。☀️ 🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹

    2024年01月20日
    浏览(29)
  • 数据分析 — Matplotlib 、Pandas、Seaborn 绘图

    Matplotlib 是一个用于 绘制数据可视化图形的 Python 库 。它提供了丰富的绘图工具,可以用于创建各种类型的图表。 安装和导入: pip install matplotlib import matplotlib.pyplot as plt # 导入 Matplotlib 库 图表适用场景总结: 1、折线图:表示数据的趋势情况,如几年每个月份的销量走势、

    2024年02月19日
    浏览(34)
  • python matplotlib绘图过程中设置线条颜色

    👨🏻‍🎓博主介绍:大家好,我是大锤爱编程的博客_CSDN博客-大数据,Go,数据分析领域博主,有五年的数据开开发,有着丰富的数仓搭建、数据分析经验。我会在我的系列文章里面分享我学到的知识,希望能够帮助到大家🌟 🌈擅长领域:大数据、数据分析 🙏🏻如果本文章

    2023年04月15日
    浏览(30)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包