fig,((ax1,ax2),(ax3,ax4))=plt.subplots(nrows=2,ncols=2,facecolor='yellowgreen');basic_plot(ax1);ax1.set_facecolor('silver')basic_plot(ax2);basic_plot(ax3);basic_plot(ax4);plt.tight_layout(pad=5.0,h_pad=1.5,w_pad
ax.plot(x,y3,color='#900302',marker='*',linestyle='-') plt.show() 样例2, 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 import matplotlib.pyplot as plt import numpy as np x = np.arange(0, 2*np.pi, 0.02) y = np.sin(x) y1 = np.sin(2*x) y2 = ...
ax.plot(x, y1, '*--r', x, y2, 'p:b') plt.show() 二、散点图 散点图的一般格式: ax.scatter(x,y,s=None,c=None,marker=None,cmap=None,norm=None,vmin=None,vmax=None,alpha=None,linewidths=None,*,edgecolors=None,plotnonfinite=False,data=None,**kwargs) x,y,xy轴的坐标数据,flo...
语法:plt.axhline(y=0.0,c=‘r’,ls=’–’,lw=2) 参数:y:水平参考线的出发点 c:参考线的线条颜色 ls:参考线的线条风格 lw:参考线的线条宽度 说明:上述功能和参数同样适用于y轴axvline() 绘制平行于x轴的参考区域-axhspan() 语法:plt.axhspan(ymin=1.0,ymax=2.0,facecolor=‘y’,alpha=0.3) ...
ax=fig.add_subplot(111) ax.plot(x,app) plt.show() 1 看着这个图,什么感受,我是觉得难看! 注:这里我们直接用了plot()函数画了一个坐标图,这是一个封装好的函数,我们输入参数,就可直接生成此样式的图,除此之外还有饼图,散点图,直方图,我们下一篇讲这些已经封装好的图。
* np.sin(2*np.pi*x) fig, ax = plt.subplots() ax.plot(x, y) ax.set_xlim(0, 10) ax.set_ylim(-1, 1) plt.show() 4. 轴(Axes)坐标系统 单位:百分比,介于0-1之间图2中,橘黄色框框内,最左下角坐标为[0,0],[0.5,0.5]是中心,右上角坐标为[1,1](-0.1,1.1)位于坐标轴的左侧和...
plt.plot:绘制曲线 plt.show:显示图像 import matplotlib.pyplot as plt import numpy as np 1. 2. x = np.linspace(-3,3,50) y1 = 2*x + 1 y2 = x**2 1. 2. 3. plt.figure(num=3,figsize=(8,5)) # 定义一个figure图像窗口,编号为3;大小为(8, 5) ...
通常使用Matplotlib绘图有两种不同的方式:面向对象绘图和函数式绘图。此外也可以dataframe的plot函数快速绘图。它们的特点如下。 1,面向对象绘图方案(ax.plot)结构清晰,功能齐全,容易理解。【推荐】 2,函数式绘图方案 ( plt.plot)代码较简短,但容易迷失操作对象,造成混乱。
fig, ax = plt.subplots() box_plot = ax.boxplot((data1, data2, data3, data4, data5), labels=labels, boxprops={'color': 'black'}, showmeans=True, patch_artist=True, ) colors = ['pink', 'blue', 'green', 'yellow', 'red'] ...