2,3,4],[1,4,2,3],label='how2matplotlib.com')# 获取当前坐标轴对象ax=plt.gca()# 设置x轴标签位置为顶部ax.xaxis.set_label_position('top')plt.xlabel('X Axis (how2matplotlib.com)')# 设置y轴标签位置为右侧ax.yaxis.set_label_position('right')plt.ylabel('Y Axis (how2mat...
.yaxis.set_ticks_position:设置y坐标刻度数字或名称的位置 .set_position:设置边框位置 x = np.linspace(-3, 3, 50) y1 = 2*x + 1 y2 = x**2 plt.figure() plt.plot(x, y2) plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--') plt.xlim((-1, 2)) plt.ylim((-2, 3)...
fig,(ax1,ax2)=plt.subplots(2,1,figsize=(6,8))x=np.linspace(0,10,100)ax1.plot(x,np.sin(x))ax1.set_xlabel('X轴 - how2matplotlib.com')ax1.set_ylabel('sin(x) - how2matplotlib.com')ax1.set_title('正弦函数 - how2matplotlib.com')ax2.plot(x,np.cos(x))ax2.set_xlabel('X...
set_position:设置边框位置 # 设置x轴刻度数字/名称的位置为bottom(可选top,bottom,both,default,none) ax.xaxis.set_ticks_position('bottom') # 使用.spines选择底部边框(x轴),使用.set_position设置边框(x轴)位置在y=0处 # 位置属性可选(outward,axes,data) ax.spines['bottom'].set_position(('data'...
ax.spines.bottom.set_visible(False) 还有另一种经常使用的情况,根据绘图需要,调整spines轴线在图中位置。如绘制正余弦函数时: 移动轴线 # 移动 left 和 bottom spines 到 (0,0) 位置 ax.spines["left"].set_position(("data", 0)) ax.spines["bottom"].set_position(("data", 0)) ...
ax.spines["right"].set_color("none") ax.spines["top"].set_color("none") # 移动两个spine到0,0,达到把坐标轴移动的目的 ax.spines["bottom"].set_position(("data", 0))ax.spines["left"].set_position(("data", 0)) xx_label = r"y = x ^ 2 - 4" ...
ax.spines['bottom'].set_position(('data',0)) plt.xlabel('年份', labelpad=-12,#调整x轴标签与x轴距离x=1.04,#调整x轴标签的左右位置fontsize=9) plt.ylabel('人均GDP同比增长(%)', labelpad=-40,#调整y轴标签与y轴的距离y=1.02,#调整y轴标签的上下位置rotation=0,fontsize=9) ...
plt.ylabel("y label") x_stick= np.linspace(-1, 1, 5) plt.xticks(x_stick) plt.yticks([1, 2, 3, 4], ["$bad\ xixi$","$ordinary$","$good$","$best$"]) ax=plt.gca()#使用spines设置边框,共有("left","right","top","bottom")四种选项,使用set_color()设置颜色ax.spines["rig...
ax.spines["left"].set_position(("data", -3.25)) ax.spines["bottom"].set_position(("data", -1.25)) ax.legend(edgecolor="None",loc=2,frameon=False) 然而,在某些情况下,用图例来添加信息可能不是最合适的方式。例如,当你有多个图表时,读者在阅读图表,视线在图表和图例之间来回切换时,可能会觉得...
ax.set_ylabel('阻尼振荡 [V]') plt.show() (2)与坐标轴间距 x1 = np.linspace(0.0, 5.0, 100) y1 = np.cos(2 * np.pi * x1) * np.exp(-x1) fig, ax = plt.subplots(figsize=(5, 3)) fig.subplots_adjust(bottom=0.15, left=0.2) ...