时间:2021-05-22
1. Python的figure参数主要有:
def figure(num=None, # autoincrement if None, else integer from 1-N figsize=None, # defaults to rc figure.figsize dpi=None, # defaults to rc figure.dpi facecolor=None, # defaults to rc figure.facecolor edgecolor=None, # defaults to rc figure.edgecolor frameon=True, FigureClass=Figure, clear=False, **kwargs ):可以设置图片大小、分辨率、颜色等。
2. subplot子图绘制,子图的绘图参数可以分别设置
plt.figure(1)x1 = np.linspace(-0.2, 2, 10)y1 = x1**2 + 0.3plt.subplot(121)plt.scatter(x1, y1)plt.xlabel('X')plt.ylabel('Y')plt.title('test_1')x2 = np.linspace(-0.2, 2, 10)y2 = x2 + 0.3plt.subplot(122)plt.plot(x2, y2, color="red", linewidth=1.0, marker = 's', linestyle="--")## plt.plot(x, y, color="#ef5492", linewidth=2.0, marker = 's', linestyle="--")# plt.plot(x2, y2, 'rs--') plt.xlabel('X')plt.ylabel('Y')plt.title('test_2')plt.show()3. 在同一张图片上显示多种图形,简单说把 plt.show()放在最后即可
import matplotlib.pyplot as pltimport numpy as npplt.figure(2)x1 = np.linspace(-0.2, 2, 10)y1 = x1**2 + 0.3plt.scatter(x1, y1)x2 = np.linspace(-0.2, 2, 10)y2 = x2 + 0.3plt.plot(x2, y2, color="red", linewidth=1.0, marker = 's', linestyle="--")## plt.plot(x, y, color="#ef5492", linewidth=2.0, marker = 's', linestyle="--")# plt.plot(x2, y2, 'rs--') plt.xlabel('X')plt.ylabel('Y')plt.title('test_3')plt.show()以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了Python使用add_subplot与subplot画子图操作。分享给大家供大家参考,具体如下:子图:就是在一张figure里面生成多张子图。M
在matplotlib下,一个Figure对象可以包含多个子图(Axes),可以使用subplot()快速绘制,其调用形式如下:subplot(numRows,
在matplotlib下,一个Figure对象可以包含多个子图(Axes),可以使用subplot()快速绘制,其调用形式如下:subplot(numRows,
绘制八个子图importmatplotlib.pyplotaspltfig=plt.figure()shape=['.','o','v','>','
数据可视化的时候,常常需要将多个子图放在同一个画板上进行比较,python的matplotlib包下的subplot可以帮助完成子功能。part1绘制如下子图i