1. Toy模板网首页
  2. > Toy博客

第十章 Matplotlib绘图方法

10月前 作者：DuanPenghao 分类：Toy博客 阅读(47) 违法举报

这篇具有很好参考价值的文章主要介绍了第十章 Matplotlib绘图方法。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。

1.介绍

Matplotlib是一个很常用的python绘图库，它可以带着我们轻松地绘制各种图形，包括曲线图，折线图，条形图，饼图和3D图等。为什么要学这个呢，因为我们人工智能的数据结果必须要通过图形才能直观显示，学习Matplotlib可以帮我们通过图像更好的分析实验结果。
我们用清华的镜像安装Matplotlib会更快一些：
在对应环境的命令行输入（你可以直接在pytorch环境的Pycharm终端输入）：

pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

这样就可以啦：
matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
如果出错，那么可能是镜像源关闭了，直接输入pip install matplotlib，虽然慢点，但是不会错。

2.图像的绘制

1.介绍
在用Matplotlib画图时，我们最常用的是matplotlib.pyplot接口，所以可以一开始起个别称叫做plt，方便我们后面绘制图像：

import matplotlib.pyplot as plt

2.散点图
要画一个图像并且显示很简单，我们这样以散点图为例：
（1）首先我们需要指定一下显示的点x坐标和y坐标，但是这样要注意的是，这个x和y是分开用列表写的，就像这样：

x = [0, 1, 3, 6]
y = [1, 3, 5, 7]

这里一共写了四个点，分别是(0,1)(1,3)(3,5)(6,7)，所以也就要求x和y的列表大小必须一样。用列表分开来装可以方便我们通过循环生成大量的点。
（2）有了x和y的坐标值以后，我们只需要把它传入创建散点图的函数就行：

plt.scatter(x, y)
plt.show()

注意，这里的scatter已经绘制好并且显示图像了，后面的show和opencv的imshow不一样，plt.show起到的是暂停屏幕的作用，相当于之前的cv.waitKey(0)。
完整代码如下：

"""
@FileName：Matplotlib_test.py
@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt

x = [0, 1, 3, 6]
y = [1, 3, 5, 7]

plt.scatter(x, y)
plt.show()

输出为：
matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
3.图像的其他参数
每个图像都有很多的参数可以让用户自定义，我们还是以散点图的为例，这是其代码里面写的参数：
@_copy_docstring_and_deprecators(Axes.scatter) def scatter(x: Any,
y: Any,
s: Any = None,
c: Any = None,
marker: Any = None,
cmap: Any = None,
norm: Any = None,
vmin: Any = None,
vmax: Any = None,
alpha: Any = None,
linewidths: Any = None,
*,
edgecolors: Any = None,
plotnonfinite: bool = False,
data: Any = None,
**kwargs: Any) -> Any
其中的四个参数很常用，其他的保持默认即可：
（1）s:控制点的大小（输入一个想要的数字）
（2）c:c就是color颜色，默认是蓝色，你可以输入RGB值对应的数字（可以百度一下），也可以输入常用颜色的名称，比如yellow。平时默认是blue。而且你可以输入多个颜色来对应多个点（比如有四个点，你可以输入一个有四个值的元组，但是要注意的是，要么是一个数字，要么就是要和点数对应的多个数字）
（3）maker：这个是点的形状，具体有哪些形状大家可以百度一下，比如: ∗ * ∗是五角星的意思。
（4）alpha：这个是点的透明度。
比如刚刚的图像改一下：

@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt

x = [0, 1, 3, 6]
y = [1, 3, 5, 7]

plt.scatter(x=x, y=y, s=300, c=(210, 220, 123, 1), marker="*", alpha=0.6)  # 这个颜色是我乱输入的
plt.show()

输出为：
matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
4. 快速的生成点的坐标
像之前那样一点点地定义点的坐标很麻烦，有时候我们的x轴的坐标，我们就希望是按照[1, 2, 3, 4…]这样的排列顺序来进行排列的（y轴就是你的输出，所以视情况而定）。那要如何快速生成x轴的坐标呢？我们使用linspace()接口就行，而且这个接口在numpy和pytorch里面都有，唯一的区别就是Numpy返回的是Ndarray类型的数组，而pytorch返回的是一个tensor类型的张量，但这是无所谓的，plt都可以识别。代码如下：

np.linspace(起点，终点，数目)
torch.linspace(起点，终点，数目)

各个参数的含义是：
（1）起点：起点的数字；
（2）终点：终点的数字；
（3）数目：需要生成几个点；
（4）每个点间的间隔是： 间隔 = 终点 − 起点 数目 间隔=\frac{终点-起点}{数目} 间隔=数目终点−起点​。
以生成一个sin()曲线为例：

"""
@FileName：Matplotlib_test.py
@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-np.pi, np.pi, 30)  # 从-Π到Π的30个点
y = np.sin(x)   # 传入的是数组返回也是数组

plt.scatter(x, y, c='black', marker="*")
plt.show()

其中的np.pi就是 π \pi π的意思，对np.sinx()函数传入一个数组，它就会计算其中每一个数字的sin值并且返回对应数组，接下来传入散点图即可。
输出如下：
matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
换成torch也是一样的：

"""
@FileName：Matplotlib_test.py
@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt
import numpy as np
import torch

x = torch.linspace(-np.pi, np.pi, 30)  # 从-Π到Π的30个点
y = np.sin(x)   # 传入的是数组返回也是数组

plt.scatter(x, y, c='black', marker="*")
plt.show()

5.曲线图：
曲线图和散点图用法几乎一样，只不过其样式的参数不一样：

plt.plot(x, y, c, lw, ls， marker)

其中:c,lw,ls并不在这个位置，所以必须要先声明，不然只能用默认值。
（1）c和之前一样是颜色；
（2）lw是线条的宽度；
（3）ls是线条的样式，比如ls="–"是虚线。
（4）marker:还是点的样式，如果设置了它，则运行时会把点标出。
就拿刚刚的sin图来画一下：

"""
@FileName：Matplotlib_test.py
@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt
import numpy as np
import torch

x = torch.linspace(-np.pi, np.pi, 30)  # 从-Π到Π的30个点
y = np.sin(x)   # 传入的是数组返回也是数组

plt.plot(x, y, c='black', marker="*")
plt.show()

输出
matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
设置成宽1磅的虚线，不要标点：

"""
@FileName：Matplotlib_test.py
@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt
import numpy as np
import torch

x = torch.linspace(-np.pi, np.pi, 30)  # 从-Π到Π的30个点
y = np.sin(x)   # 传入的是数组返回也是数组

plt.plot(x, y, c='black', lw=1, ls="--")
plt.show()

matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
6.自定义x轴和y轴的范围和标题：
上面的x轴和y轴的范围是自动生成的，并且没有标题，要设置其实很简单,在设置好曲线以后，下面加上：

plt.xlim((起点，终点))	# 设置x轴
plt.ylim((起点, 终点))	# 设置y轴
plt.xlabel('x轴的标题')	# 设置x的标题
plt.ylabel('y轴的标题')	# 设置y的标题

用刚刚的图举例：

"""
@FileName：Matplotlib_test.py
@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt
import numpy as np
import torch

x = torch.linspace(-np.pi, np.pi, 30)  # 从-Π到Π的30个点
y = np.sin(x)   # 传入的是数组返回也是数组

plt.plot(x, y, c='black', lw=1)
plt.xlim((-10, 10))
plt.ylim((-11, 11))
plt.xlabel(u"x")
plt.ylabel(u"sin(x)")
plt.show()

遗憾的是lable也不支持中文，输入中文会报错，只能写英文，这是结果
matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
要注意，如果图不在x轴的范围它就看不见了
matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv

但你可以用下面的拖动标拖回来。
matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
7.自定义边框和坐标轴：
我们可以自定义边框和坐标轴的颜色，位置，包括坐标轴的数字显示的位置：
（1）首先必须要先获取边框的变量,我们叫它ax，用gca函数获取：

ax = plt.gca()

（2）边框（其中有两个边框是坐标轴，不明白的看看上面的图，左边和下边的边框是坐标轴）颜色：

ax.spines['边框'].set_color('颜色')

这里的“边框”有四个：“right”,“left”,“top”,“bottom”。
颜色可以是数字，也可以是red等英文，还可以为none表示透明。
（3）位置：

ax.spines["边框"].set_position(('data', 坐标))

前面和颜色一样，后面的set_position需要传入一个元组，"data"是固定的，表示用坐标改位置，坐标可以是数字，比如0表示(0,0)也可以是元组。
（4）坐标轴数字的显示方向，上面的图中是y向左，x向下：

ax.yaxis.set_ticks_position("left或者是right")
ax.xaxis.set_ticks_position("top或者是bottom")

举个例子说明一下，例子中把坐标轴移到了中心，这也是我们最常见的显示方法，注意的是，因为pycharm没有执行，所以它不知道ax是什么，这也导致后面没有代码提示，只能把这几条代码背下来才能灵活运用：

"""
@FileName：Matplotlib_test.py
@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt
import numpy as np
import torch

x = torch.linspace(-np.pi, np.pi, 30)  # 从-Π到Π的30个点
y = np.sin(x)   # 传入的是数组返回也是数组

plt.plot(x, y, c='black', lw=1)
# 获取边框
ax = plt.gca()

# 把x轴和y轴移动到原点
ax.spines["bottom"].set_position(('data', 0))
ax.spines["left"].set_position(('data', 0))

# 把上面和右边的边框透明化:
ax.spines["right"].set_color("none")
ax.spines["top"].set_color("none")

# 把y轴的值显示到右边
ax.yaxis.set_ticks_position("right")

# 把x轴的值显示到上边
ax.xaxis.set_ticks_position("top")

plt.show()

输出结果为：
matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
还是把值正常显示看着顺眼：

"""
@FileName：Matplotlib_test.py
@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt
import numpy as np
import torch

x = torch.linspace(-np.pi, np.pi, 30)  # 从-Π到Π的30个点
y = np.sin(x)   # 传入的是数组返回也是数组

plt.plot(x, y, c='black', lw=1)
# 获取边框
ax = plt.gca()

# 把x轴和y轴移动到原点
ax.spines["bottom"].set_position(('data', 0))
ax.spines["left"].set_position(('data', 0))

# 把上面和右边的边框透明化:
ax.spines["right"].set_color("none")
ax.spines["top"].set_color("none")

# # 把y轴的值显示到右边
# ax.yaxis.set_ticks_position("right")
# 
# # 把x轴的值显示到上边
# ax.xaxis.set_ticks_position("top")

plt.show()

matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
8.动态绘图：
什么是动态绘图呢，简单来说就是做动画，这样我们可以实时知道数据的变化，一共需要学习四行代码：
（1）打开i交互模块。这样代码不会因为显示而被卡住，一般写在循环前：

plt.ion()

（2）清除当前的图像。在显示下一图之前，我们需要清楚当前的图像，避免重复显示：

plt.cla()

（3）暂停画面。和plt.show()一样，我们需要暂时暂停一下画面，避免一闪而过，但是不能太长，不然会一直占用画面，导致后面的图显示不出来（注意，在i交互模式下，plt.show是失效的），这里是暂停0.1s，一般不要超过0.3s，不然就看着不像动画了。

plt.pause(0.1)

(3)关闭交互模式。当你代码运行结果以后，如果你不希望画面自动关闭，那还是需要拿plt.show()进行画面暂停，但是这之前我们要先关闭i交互模式，on是开那off就是关闭。

plt.ioff()
plt.show()

把上面的改成动图，依靠循环来增加x和y，从而展示动画：

"""
@FileName：Matplotlib_test.py
@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt
import numpy as np
import torch

plt.ion()   # 开启i交互模式
for i in range(60):
    plt.cla()   # 清楚窗口
    x = torch.linspace(-np.pi, np.pi, i)
    y = np.sin(x)
    plt.plot(x, y, c='black', lw=1)
    plt.pause(0.4)  # 暂停画面

plt.ioff()  # 关闭i交互
plt.show()  # 定格最后的画面

在它没有关闭交互模式的时候，即便点了显示框的叉叉也会有另一个跳出来。
具体的运行一下即可，这里就不展示动图了。

3. 扩展：

下面是一些上面没有给出的参数的具体可选值：
1.参数
（1）颜色字符：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串（也就是上面说的数字），颜色全写有：“red”,“green”,“black”,“orange”,“purple”,“beige”,“cyan”,“magenta”。
（2）线条样式：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。
（3）点的样式：‘.’ 点标记，‘,’ 像素标记(极小点)，‘o’ 实心圈标记，‘v’ 倒三角标记，‘^’ 上三角标记，‘>’ 右三角标记，‘<’ 左三角标记 等等。

2.标题
除了x轴的plr.xlable和y轴的plt.ylable以外，还可以设置图片标题：

plt.title()

用法一样，每一个标题还能设置字体颜色和字体大小，比如：

"""
@FileName：Matplotlib_test.py
@Description：学习如何使用Matplotlib
@Author：段鹏浩
@Time：2023/3/16 13:46
"""
import matplotlib.pyplot as plt
import numpy as np
import torch

x = torch.linspace(-np.pi, np.pi, 100)
y = np.sin(x) + torch.rand(x.size())
plt.scatter(x, y)
plt.title('折线图', size='50', color='#ABCDEF', fontproperties='FangSong')
plt.xlabel('数量', size='15', color='blue', fontproperties='FangSong')
plt.ylabel('价格', size='20', color='m', fontproperties='FangSong')

plt.show()  # 定格最后的画面

输出为：
matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv

注意，标题如果要显示中文的话，需要加上具体的字体设置，用fontproperties定义，对应的字体有：

字体 对应名称
黑体 SimHei
仿宋 FangSong
楷体 KaiTi
微软雅黑 Microsoft YaHei
新宋体 NSimSun
标楷体 DFKai-SB
仿宋_GB2312 FangSong_GB2312
楷体_GB2312 KaiTi_GB2312

loc 参数可以设置标题显示的位置，可以设置为: ‘left’, ‘right’, 和 ‘center’， 默认值为 ‘center’
比如：

plt.title('折线图', size='50', color='#ABCDEF', fontproperties='FangSong', loc="right")

3.在一个画布上画多个图
我们使用subplot(nrows, ncols, index)命令可以一次在画布上画多个图，参数是把画布分为了几行几列，然后对应的图排第几。对于同一个多图，前面的row和cols应该是一样的，只有index不一样，把它写在plt的绘图前就行，比如我们把画布分为一行三列，也就是三个图：

from matplotlib import pyplot as plt
import numpy as np

# plot1
xpoints = np.array([0, 2, 4, 6, 8])
ypoints = np.array([0, 3, 6, 9, 12])
plt.subplot(1, 3, 1)
plt.plot(xpoints, ypoints)
plt.xlabel('x')
plt.ylabel('y')
plt.title('plot1')

# plot2
x = np.array([1, 3, 5, 8])
y = np.array([10, 3, 6, 2])
plt.subplot(1, 3, 2)
plt.plot(x, y)
plt.title('plot2', color='m')

# plot3
x = np.array([1, 6, 7, 8])
y = np.array([10, 3, 6, 2])
plt.subplot(1, 3, 3)
plt.plot(x, y)
plt.title('plot3', color='r')
plt.show()

matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
可以把三个图放到同一个画布里面：

from matplotlib import pyplot as plt
import numpy as np

# plot1
xpoints = np.array([0, 2, 4, 6, 8])
ypoints = np.array([0, 3, 6, 9, 12])
plt.subplot(1, 1, 1)
plt.plot(xpoints, ypoints)
plt.xlabel('x')
plt.ylabel('y')
plt.title('plot1')

# plot2
x = np.array([1, 3, 5, 8])
y = np.array([10, 3, 6, 2])
plt.subplot(1, 1, 1)
plt.plot(x, y)
plt.title('plot2', color='m')

# plot3
x = np.array([1, 6, 7, 8])
y = np.array([10, 3, 6, 2])
plt.subplot(1, 1, 1)
plt.plot(x, y)
plt.title('plot3', color='r')
plt.show()

要求索引一致，注意，show在最后，或者不用subplot也行：

from matplotlib import pyplot as plt
import numpy as np

# plot1
xpoints = np.array([0, 2, 4, 6, 8])
ypoints = np.array([0, 3, 6, 9, 12])
plt.plot(xpoints, ypoints)
plt.xlabel('x')
plt.ylabel('y')
plt.title('plot1')

# plot2
x = np.array([1, 3, 5, 8])
y = np.array([10, 3, 6, 2])
plt.plot(x, y)
plt.title('plot2', color='m')

# plot3
x = np.array([1, 6, 7, 8])
y = np.array([10, 3, 6, 2])
plt.plot(x, y)
plt.title('plot3', color='r')
plt.show()

matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
可以见到它们公用最后一个标题

4. 颜色条
颜色条对应了从0到1000的颜色，每种颜色都有100个值，颜色条等于是一个图中颜色的坐标轴，因为曲线只有一种颜色，所以用于对应散点图的颜色。

plt.colorbar()

使用颜色条需要设置散点图的cmap 参数，默认值为 ‘viridis’，只有散点图能用，但是我觉得没有什么用，就是个颜色参考表：

from matplotlib import pyplot as plt
import numpy as np

x = np.linspace(1, 1000, 800)
y = np.linspace(1, 1000, 800)
c = np.linspace(1, 1000, 800) # 搞个颜色
plt.scatter(x, y, c=c, cmap='viridis')
plt.colorbar()  # 就是多一条而已，起到显示一下对应点颜色的作用的作用
plt.show()

matplotlib清华镜像,从零开始的机器学习,matplotlib,python,opencv
太密集，直接成直线了。

5.其他类型的图：
用法和前面的类似，简单讲一下：
（1）柱状图 plt.bar(),主要参数有：

参数 作用
x x轴坐标，你也可以写一个字符串数组[’年份‘，‘月份’。。。]
y y轴坐标用法同上，要和x对应
width 柱子的宽度
bottom 柱子的高度，你可以设置一个最低高度，一般用不到
align 对齐方式，可以设置center和edge，center即居中，edge时靠右，若想靠左，需要同时设置width为负数
hatch 可以设置柱状条的花纹，包括/,
color 柱子填充颜色，用法和上面一样
lw 柱子边框的宽度
edgecolor 柱子的边框颜色，可以指定一个颜色，也可以指定一个数组

（2）条形图plt.barh()：参数和上面基本一样。

（3）直方图plt.hist()：参数如下：

参数 作用
x 整数值或者数组序列
bins 可以输入一个整数或者是一个元组。若为整数，则规定了条的个数，元组则规定每条的范围
range 设置直方图x轴的范围，输入一个元组（x,y）
density 是否显示概率密度，输入一个布尔值
cumulative 是否计算累计频率，也要求布尔值
bottom 要求数组或者整数，对应初始位置，和bar和barh一样
histtype 直方图类型。bar表示最普通的；barstacked表示堆叠的直方图；step表示未填充的直方图；
stepfilled 表示有填充的直方图，和bar差不了太多
align 柱子位置。left表示柱子的中心位于bins的左边缘；mid为中间；right为右边缘。
rwidth 整数值，柱子宽度占bins宽的比例
log bool类。是否将x轴对数化，降低量纲

（4）饼图pie()：

参数 用法
thera 每个标记所在射线于极径的角度
r 标记点到原点的距离
marker 标记点样式，有 . , o v ^ > < *
linestyle 线的样式，-，–，-.，：
linewidth 浮点数，线的宽度
color 线的颜色
ms 标记点的大小

4.总结：

本章学习了用Matplotlib画图的各种技巧，包括折线图，散点图，动图，多图，以及坐标轴，边框，和标题的设置等。但是图像是多种多样的，本讲没有讲完全部的图像，如果需要或者感兴趣 ，大家可以自行百度，或者参考一下这篇博客。到此，机器学习所需要的全部代码知识就都讲完了，接下来就差实践了，实践才能出真知。文章来源地址https://www.toymoban.com/news/detail-755292.html

到了这里，关于第十章 Matplotlib绘图方法的文章就介绍完了。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！

分享到：
领支付宝红包 赞助服务器费用

相关文章

  • matplotlib绘图详解

    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(42)
  • 【 Matplotlib绘图】

    【 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(40)
  • python——matplotlib绘图详解大全

    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(42)
  • Matplotlib.pyplot.plot 绘图

    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(35)
  • 【绘图】比Matplotlib更强大：ProPlot

    【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(32)
  • Python Matplotlib 3D绘图详解（汇总）

    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(39)
  • Python 数据分析——matplotlib 快速绘图

    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(47)
  • Python 面向对象绘图（Matplotlib篇-16）

    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(38)
  • Python之Matplotlib绘图调节清晰度

    Python之Matplotlib绘图调节清晰度

    引言 使用python中的matplotlib.pyplot绘图的时候，如果将图片显示出来，或者另存为图片，常常会出现清晰度不够的问题，当然这种问题是对于png或者jpg这种格式的图片而言的，如果是生成svg或者pdf则不存在这种问题，但是png和jpg也是经常需要使用的图片格式，因此就需要想办法

    2024年02月01日
    浏览(45)
  • 数据分析 — Matplotlib 、Pandas、Seaborn 绘图

    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(43)

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