ax1.set_ylabel('Y values for exp(-x)') ax1.set_title("Double Y axis") ax1 = ax1.twinx() # this is the important function #添加次坐标轴 ax2.plot(x, y2, 'r') ax2.set_xlim([0, np.e]) ax2.set_ylabel('Y values for ln(x)'
plt.plot(x,y1,label='Data 1')# 绘制第一个y轴数据plt.xlabel('X')# 设置x轴标签plt.ylabel('Y1')# 设置第一个y轴标签plt.title('Double Axis Line Chart')# 设置图表标题plt.legend()# 显示图例# 创建第二个y轴ax2=plt.twinx()ax2.plot(x,y2,'r',label='Data 2')# 绘制第二个y轴数据...
savefig(r'double_y_axis_plot.png',width=6,height=3, dpi=900,bbox_inches='tight',facecolor='white') #ax.set_axisbelow(True) plt.show() 解释: 1. 添加横线(修饰) 代码语言:javascript 代码运行次数:0 运行 AI代码解释 ax.axhline(y=0,color='#45627C',lw=3) 2. 添加标题处小图 ...
画第二组数据color='tab:blue'ax2.set_ylabel('y2')ax2.plot(x,y2,color='r',label='y2数据...
('Y values for exp(-x)') ax1.set_title("Double Y axis") ax2 = ax1.twinx() # this is the important function ax2.plot(x, y2, 'r') ax2.set_xlim([0, np.e]) ax2.set_ylabel('Y values for ln(x)') ax2.set_xlabel('Same X for both exp(-x) and ln(x)') plt.show...
['十字星信号'].values ax2.plot(range(len(signal_data)), signal_data, color='orange', linewidth=2, label=get_label('signal')) ax2.fill_between(range(len(signal_data)), signal_data, alpha=0.3, color='orange') ax2.set_ylabel(get_label('signal'), fontsize=12) ax2.set_ylim(-0.1...
plt.plot(cc,cc ** 3,label ='cubic') plt.xlabel('x label') plt.ylabel('y label') 结果显示,如下: 注意为了显示中文,我们plt.rcParams属性设置了中文字体,不然不能正确显示中文title的。 2.散点图 散点图和折线图的原理差不多;如果使用直线连接散点图中的点,得到的就是折线图。所以你只需要设置线型...
import matplotlib.pyplot as pltimport numpy as np# 生成数据x = np.random.randn(1000)# 绘图plt.boxplot(x)# 添加网格plt.grid(axis='y', ls=':', lw=1, color='gray', alpha=0.4)plt.show() 8. 误差棒图 —— errorbar() 此函数用于绘制y轴方向或者x轴方向的误差范围: import matplotlib.py...
ax.plot(x, np.sin(x), label='sin(x)') 2. 专业级图表设计实践 2.1 多维度数据呈现策略 针对复杂数据集的可视化需求,我们采用组合图表技术: # 创建双坐标轴图表 fig, ax1 = plt.subplots() ax2 = ax1.twinx() # 主坐标轴绘制柱状图 ax1.bar(df['month'], df['sales'], alpha=0.6, label='...
ax = sns.displot( data=tips, x="total_bill", hue="time", kind="hist", kde=True, height=5, aspect=1.5 ) ax.set_axis_labels("Total Bill ($)", "Frequency") 该可视化方案自动处理颜色映射与图例生成,aspect参数控制宽高比,比原生Matplotlib代码量减少60%。