plt.scatter(x, y, c=colors, cmap='viridis') plt.colorbar() plt.show()显示结果如下:换个颜色条参数, cmap 设置为 afmhot_r:实例 import matplotlib.pyplot as plt import numpy as np x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6]) y = np.
→ plt.get_cmap(“viridis_r”) … get a discrete colormap? → plt.get_cmap(“viridis”, 10) … show a figure for one second? → fig.show(block=False), time.sleep(1) ax.grid() ax.patch.set_alpha(0) ax.set_[xy]lim(vmin, vmax) ax.set_[xy]label(label) ax.set_[xy]ticks(...
5))im1=ax1.imshow(data,cmap='viridis')ax1.set_title('Viridis Colormap - how2matplotlib.com')plt.colorbar(im1,ax=ax1)im2=ax2.imshow(data,cmap='hot')ax2.set_title('Hot Colormap - how2matplotlib.com')plt.colorbar(im2,ax=ax2)plt.tight_layout()plt.show()...
() # 使用seaborn的heatmap函数创建热图 # annot=True表示在每个单元格中显示数值 # cmap='viridis'指定颜色映射方案 # fmt='.2f'控制显示数值的格式,保留两位小数 # vmin=-1和vmax=1设置颜色条的最小值和最大值 sns.heatmap(correlation_matrix, annot=True, cmap='viridis', fmt='.2f', vmin=-1, ...
plt.figure(4);ax=plt.subplot(111,projection='polar');theta=np.pi*np.random.randn(100);r=abs(np.random.randn(100));size=100*np.random.randn(100);color=np.random.randint(0,100,100);ax.scatter(theta,r,c=color,s=size,cmap='viridis'); ...
100) plt.scatter(x, y, c=colors, s=sizes, alpha=0.3, cmap='viridis') plt.colorbar...
顺序颜色映射:如‘viridis’、’plasma’、’inferno’、’magma’ 等 发散颜色映射:如‘coolwarm’、’RdYlBu’、’RdBu’ 等 循环颜色映射:如‘hsv’、’twilight’、’twilight_shifted’ 等 定性颜色映射:如‘Set1’、’Set2’、’Set3’、’Pastel1’ 等 ...
sin(r) # 示例函数,实际应用中需要根据具体情况进行计算 # 计算每个数据点的应力值 stress = stress_func(np.sqrt(x**2 + y**2)) # 绘制三维圆柱应力云图 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') ax.scatter(x, y, z, c=stress, cmap='viridis') # 使用viridis色图,...
plot_color_gradients('Perceptually Uniform Sequential',['viridis', 'plasma', 'inferno', 'magma', 'cividis']) plot_color_gradients('Sequential',['Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds','YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu','GnBu', 'PuBu'...
cmap='viridis') plt.colorbar(); # 显示颜色对比条 注意图表右边有一个颜色对比条(这里通过colormap()函数输出),图表中的点大小的单位是像素。使用这种方法,散点的颜色和大小都能用来展示数据信息,在希望展示多个维度数据集合的情况下很直观。 例如,当我们使用 Scikit-learn 中的鸢尾花数据集,里面的每个样本都...