最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

python matplotlib中的subplot函數(shù)使用詳解

 更新時(shí)間:2020年01月19日 10:24:10   作者:科研路上的小曹  
今天小編就為大家分享一篇python matplotlib中的subplot函數(shù)使用詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

python里面的matplotlib.pylot是大家比較常用的,功能也還不錯(cuò)的一個(gè)包?;究蚣鼙容^簡單,但是做一個(gè)功能完善且比較好看整潔的圖,免不了要網(wǎng)上查找一些函數(shù)。于是,為了節(jié)省時(shí)間,可以一勞永逸。我把常用函數(shù)作了一個(gè)總結(jié),最后寫了一個(gè)例子,以后基本不用怎么改了。

一、作圖流程:

1.準(zhǔn)備數(shù)據(jù), , 3作圖, 4定制, 5保存, 6顯示

1.數(shù)據(jù)可以是numpy數(shù)組,也可以是list

2創(chuàng)建畫布:

import matplotlib.pyplot as plt
#figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
 
#num:圖像編號(hào)或名稱,數(shù)字為編號(hào) ,字符串為名稱
#figsize:指定figure的寬和高,單位為英寸;
#dpi參數(shù)指定繪圖對(duì)象的分辨率,即每英寸多少個(gè)像素,缺省值為80 ,1英寸等于2.5cm,A4紙是 21*30cm的紙張 
#facecolor:背景顏色
#edgecolor:邊框顏色
#frameon:是否顯示邊
 
fig = plt.figure()
fig = plt.figure(figsize=(8,6), dpi=80) 
 
fig.add_axes()
fig, axes = plt.subplos(nrows = 2, ncols = 2) #axes是長度為4的列表

3、作圖路線

一維數(shù)據(jù):

axes[0, 0].plot(x, y)
axes[0,1].bar([1,2,3], [2,4,8])
axes[0,2].barh([1,2,3], [2,4,8])
axes[1,0].axhline(0.45)
axes[1, 1].scatter(x, y)
axes[1,2].axvline(0.65)
axes[2,0].fill(x,y, color = 'blue')
axes[2,1].fill_between(x,y, color = 'blue')
axes[2,2].violinplot(y)
axes[0,3].arrow(0,0,0.5,0.5)
axes[1,3].quiver(x,y)

4, 定制

plt.plot(x,y, alpha=0.4, c = 'blue', maker = 'o')
#顏色,標(biāo)記,透明度
 
# 顯示數(shù)學(xué)文本
 
t = np.arange(0.0, 2.0, 0.01)
s = np.sin(2*np.pi*t)
 
plt.plot(t,s)
plt.title(r'$\alpha_i > \beta_i$', fontsize=20)
plt.text(1, -0.6, r'$\sum_{i=0}^\infty x_i$', fontsize=20)
plt.text(0.6, 0.6, r'$\mathcal{A}\mathrm{sin}(2 \omega t)$',
     fontsize=20)
plt.xlabel('time (s)')
plt.ylabel('volts (mV)')
 
fig = plt.figure()
fig.suptitle('bold figure suptitle', fontsize=14, fontweight='bold')
 
ax = fig.add_subplot(111)
fig.subplots_adjust(top=0.85)
ax.set_title('axes title')
 
ax.set_xlabel('xlabel')
ax.set_ylabel('ylabel')
 
ax.text(3, 8, 'boxed italics text in data coords', style='italic',
    bbox={'facecolor':'red', 'alpha':0.5, 'pad':10})
 
ax.text(2, 6, r'an equation: $E=mc^2$', fontsize=15)
 
ax.text(3, 2, u'unicode: Institut f\374r Festk\366rperphysik')
 
ax.text(0.95, 0.01, 'colored text in axes coords',
    verticalalignment='bottom', horizontalalignment='right',
    transform=ax.transAxes,
    color='green', fontsize=15)
 
 
ax.plot([2], [1], 'o')
 
 
# 注釋
ax.annotate('我是注釋啦', xy=(2, 1), xytext=(3, 4),color='r',size=15,
      arrowprops=dict(facecolor='g', shrink=0.05))
 
ax.axis([0, 10, 0, 10])

5, 保存顯示

plt.savefig("1.png")
plt.savefig("1.png", trainsparent =True)
plt.show()

二、部分函數(shù)使用詳解:

1, fig.add_subplot(numrows, numcols, fignum) ####三個(gè)參數(shù),分別代表子圖的行數(shù),列數(shù),圖索引號(hào)。 eg: ax = fig.add_subplot(2, 3, 1) (or ,ax = fig.add_subplot(231))

2, plt.subplots()使用

x = np.linspace(0, 2*np.pi,400)
y = np.sin(x**2)
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('Simple plot')
 
# Creates two subplots and unpacks the output array immediately 
#fig = plt.figure(figsize=(6,6))
f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
ax1.plot(x, y)
ax1.set_title('Sharing Y axis')
ax2.scatter(x, y)
 
# Creates four polar axes, and accesses them through the returned array
fig, axes = plt.subplots(2, 2, subplot_kw=dict(polar=True))
axes[0, 0].plot(x, y)
axes[1, 1].scatter(x, y)
 
# Share a X axis with each column of subplots
plt.subplots(2, 2, sharex='col')
 
# Share a Y axis with each row of subplots
plt.subplots(2, 2, sharey='row')
 
# Share both X and Y axes with all subplots
plt.subplots(2, 2, sharex='all', sharey='all')
 
# Note that this is the same as
plt.subplots(2, 2, sharex=True, sharey=True)
 
# Creates figure number 10 with a single subplot
# and clears it if it already exists.
fig, ax=plt.subplots(num=10, clear=True)

3.plt.legend()

plt.legend(loc='String or Number', bbox_to_anchor=(num1, num2))
plt.legend(loc='upper center', bbox_to_anchor (0.6,0.95),ncol=3,fancybox=True,shadow=True)
#bbox_to_anchor被賦予的二元組中,第一個(gè)數(shù)值用于控制legend的左右移動(dòng),值越大越向右邊移動(dòng),第二個(gè)數(shù)值用于控制legend的上下移動(dòng),值越大,越向上移動(dòng)

以上這篇python matplotlib中的subplot函數(shù)使用詳解就是小編分享給大家的全部內(nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python使用pylab庫實(shí)現(xiàn)繪制直方圖功能示例

    Python使用pylab庫實(shí)現(xiàn)繪制直方圖功能示例

    這篇文章主要介紹了Python使用pylab庫實(shí)現(xiàn)繪制直方圖功能,結(jié)合實(shí)例形式分析了Python數(shù)據(jù)讀取、遍歷以及基于pylab庫繪制直方圖的相關(guān)操作技巧,需要的朋友可以參考下
    2018-06-06
  • 使用TensorFlow直接獲取處理MNIST數(shù)據(jù)方式

    使用TensorFlow直接獲取處理MNIST數(shù)據(jù)方式

    今天小編就為大家分享一篇使用TensorFlow直接獲取處理MNIST數(shù)據(jù)方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2020-02-02
  • python使用pyplot繪制橫軸為時(shí)間的圖

    python使用pyplot繪制橫軸為時(shí)間的圖

    介紹了如何在Python中使用matplotlib庫進(jìn)行繪圖,并處理字符串日期格式轉(zhuǎn)換為date對(duì)象以及自定義x軸日期顯示格式的方法,首先,導(dǎo)入必要的環(huán)境和繪圖方法,其次,處理橫坐標(biāo)數(shù)組,將字符串型的日期轉(zhuǎn)換成date對(duì)象,以便用于繪圖
    2024-09-09
  • Selenium瀏覽器自動(dòng)化如何上傳文件

    Selenium瀏覽器自動(dòng)化如何上傳文件

    本文主要介紹了Selenium瀏覽器自動(dòng)化如何上傳文件,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2022-04-04
  • Python字典,函數(shù),全局變量代碼解析

    Python字典,函數(shù),全局變量代碼解析

    這篇文章主要介紹了Python字典,函數(shù),全局變量代碼解析,具有一定借鑒價(jià)值,需要的朋友可以參考下。
    2017-12-12
  • python exe文件解包方法總結(jié)

    python exe文件解包方法總結(jié)

    這篇文章總結(jié)了如何從Python EXE文件中提取和反編譯Python腳本(.pyc文件)的過程,包括使用pyinstxtractor.py或archive_viewer.py進(jìn)行解包,感興趣的小伙伴跟著小編一起來看看吧
    2025-03-03
  • Python改變對(duì)象的字符串顯示的方法

    Python改變對(duì)象的字符串顯示的方法

    這篇文章主要介紹了Python改變對(duì)象的字符串顯示的方法,文中講解非常細(xì)致,代碼幫助大家更好的理解和學(xué)習(xí),感興趣的朋友可以了解下
    2020-08-08
  • Python基于更相減損術(shù)實(shí)現(xiàn)求解最大公約數(shù)的方法

    Python基于更相減損術(shù)實(shí)現(xiàn)求解最大公約數(shù)的方法

    這篇文章主要介紹了Python基于更相減損術(shù)實(shí)現(xiàn)求解最大公約數(shù)的方法,簡單說明了更相減損術(shù)的概念、原理并結(jié)合Python實(shí)例形式分析了基于更相減損術(shù)實(shí)現(xiàn)求解最大公約數(shù)的相關(guān)操作技巧與注意事項(xiàng),需要的朋友可以參考下
    2018-04-04
  • 使用python在校內(nèi)發(fā)人人網(wǎng)狀態(tài)(人人網(wǎng)看狀態(tài))

    使用python在校內(nèi)發(fā)人人網(wǎng)狀態(tài)(人人網(wǎng)看狀態(tài))

    人人網(wǎng)怎么發(fā)狀態(tài)?下面使用python實(shí)現(xiàn)這個(gè)功能,大家參考使用吧
    2014-02-02
  • Python中卷積神經(jīng)網(wǎng)絡(luò)(CNN)入門教程分分享

    Python中卷積神經(jīng)網(wǎng)絡(luò)(CNN)入門教程分分享

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)是一類特別適用于處理圖像數(shù)據(jù)的深度學(xué)習(xí)模型,本文介紹了如何使用Keras創(chuàng)建一個(gè)簡單的CNN模型,并用它對(duì)手寫數(shù)字進(jìn)行分類,需要的可以參考一下
    2023-05-05

最新評(píng)論

上蔡县| 东阿县| 临武县| 昌宁县| 聂拉木县| 上思县| 惠东县| 霞浦县| 龙州县| 上犹县| 河池市| 咸阳市| 千阳县| 修水县| 桐柏县| 新泰市| 当阳市| 封丘县| 太康县| 秦皇岛市| 咸丰县| 武安市| 石林| 赤壁市| 金秀| 申扎县| 张家港市| 六枝特区| 舒城县| 汾阳市| 福海县| 剑河县| 金溪县| 隆昌县| 绍兴市| 北海市| 洛南县| 丰台区| 壤塘县| 克拉玛依市| 金塔县|