《Python数据可视化之matplotlib实践》 源码 第四篇 扩展 第十一章
图 11.2


import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np plt.axes([0.1, 0.1, 0.8, 0.8], frameon=True, facecolor="y", aspect="equal")
plt.plot(2+np.arange(3), [0, 1, 0])
plt.title("Line Chart") plt.text(2.25, 0.8, "FONT") plt.show()
==================================
图 11.3


import matplotlib.pyplot as plt
import numpy as np plt.rcParams["lines.linewidth"]=8.0
plt.rcParams["lines.linestyle"]="--" plt.rcParams["font.family"]="serif"
plt.rcParams["font.serif"]="New Century Schoolbook" ###
plt.rcParams["font.style"]="normal"
plt.rcParams["font.variant"]="small-caps"
plt.rcParams["font.weight"]="black"
plt.rcParams["font.size"]=12.0 plt.rcParams["text.color"]="blue" plt.axes([0.1, 0.1, 0.8, 0.8], frameon=True, facecolor="y", aspect="equal")
plt.plot(2+np.arange(3), [0, 1, 0])
plt.title("Line Chart") plt.text(2.25, 0.8, "FONT") plt.show()
==================================
图 11.4


import matplotlib.pyplot as plt
import numpy as np plt.axes([0.1, 0.1, 0.8, 0.8], frameon=True, facecolor="y", aspect="equal") plt.plot(2+np.arange(3), [0, 1, 0], linewidth=8.0, linestyle="--")
plt.title("Line Chart", color="red", family="New Century Schoolbook",
style="normal", variant="small-caps", weight="black", size=18) ### plt.text(2.25, 0.8, "FONT", color="blue", fontdict={"family":"New Century Schoolbook",
"style":"normal", "variant":"small-caps", "weight":"black", "size":28}) ### plt.show()
==================================
图 11.5


import matplotlib.pyplot as plt fig=plt.figure()
ax=fig.add_subplot(111) pi=[0.9, 0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2, 0.1] families=["serif", "sans-serif", "fantasy", "monospace"]
ax.text(-1, 1, "family", fontsize=18, horizontalalignment="center")
for i, family in enumerate(families):
ax.text(-1, pi[i], family, family=family, horizontalalignment="center") sizes=["xx-small", "x-small", "small", "medium", "large", "x-large", "xx-large"]
ax.text(-0.5, 1, "size", fontsize=18, horizontalalignment="center")
for i, size in enumerate(sizes):
ax.text(-0.5, pi[i], size, size=size, horizontalalignment="center") styles=["normal", "italic", "oblique"]
ax.text(0, 1, "style", fontsize=18, horizontalalignment="center")
for i, style in enumerate(styles):
ax.text(0, pi[i], style, family="sans-serif", style=style, horizontalalignment="center") variants=["normal", "small-caps"]
ax.text(0.5, 1, "variant", fontsize=18, horizontalalignment="center")
for i, variant in enumerate(variants):
ax.text(0.5, pi[i], variant, family="serif", variant=variant, horizontalalignment="center") weights=["light", "normal", "semibold", "bold", "black"]
ax.text(1, 1, "weight", fontsize=18, horizontalalignment="center")
for i, weight in enumerate(weights):
ax.text(1, pi[i], weight, weight=weight, horizontalalignment="center") ax.axis([-1.5, 1.5, 0.1, 1.1])
ax.set_xticks([])
ax.set_yticks([]) plt.show()
==================================
《Python数据可视化之matplotlib实践》 源码 第四篇 扩展 第十一章的更多相关文章
- Python数据可视化——使用Matplotlib创建散点图
Python数据可视化——使用Matplotlib创建散点图 2017-12-27 作者:淡水化合物 Matplotlib简述: Matplotlib是一个用于创建出高质量图表的桌面绘图包(主要是2D ...
- python 数据可视化(matplotlib)
matpotlib 官网 :https://matplotlib.org/index.html matplotlib 可视化示例:https://matplotlib.org/gallery/inde ...
- Python数据可视化库-Matplotlib(一)
今天我们来学习一下python的数据可视化库,Matplotlib,是一个Python的2D绘图库 通过这个库,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率图,条形图,错误图,散点图等等 废 ...
- Python数据可视化之Matplotlib实现各种图表
数据分析就是将数据以各种图表的形式展现给领导,供领导做决策用,因此熟练掌握饼图.柱状图.线图等图表制作是一个数据分析师必备的技能.Python有两个比较出色的图表制作框架,分别是Matplotlib和 ...
- Python数据可视化利器Matplotlib,绘图入门篇,Pyplot介绍
Pyplot matplotlib.pyplot是一个命令型函数集合,它可以让我们像使用MATLAB一样使用matplotlib.pyplot中的每一个函数都会对画布图像作出相应的改变,如创建画布.在 ...
- Python数据可视化库-Matplotlib(二)
我们接着上次的继续讲解,先讲一个概念,叫子图的概念. 我们先看一下这段代码 import matplotlib.pyplot as plt fig = plt.figure() ax1 = fig.a ...
- Python数据可视化之matplotlib
常用模块导入 import numpy as np import matplotlib import matplotlib.mlab as mlab import matplotlib.pyplot ...
- python数据可视化(matplotlib)
- 机器学习-数据可视化神器matplotlib学习之路(四)
今天画一下3D图像,首先的另外引用一个包 from mpl_toolkits.mplot3d import Axes3D,接下来画一个球体,首先来看看球体的参数方程吧 (0≤θ≤2π,0≤φ≤π) 然 ...
- python数据可视化-matplotlib入门(7)-从网络加载数据及数据可视化的小总结
除了从文件加载数据,另一个数据源是互联网,互联网每天产生各种不同的数据,可以用各种各样的方式从互联网加载数据. 一.了解 Web API Web 应用编程接口(API)自动请求网站的特定信息,再对这些 ...
随机推荐
- Codeforces Round 923 (Div. 3) 比赛记录
Codeforces Round 923 (Div. 3) 这是我第二次参加 cf阴间场. 10 minutes ago: 这次报名人数超过 4 万,一开始网站就崩溃了,比赛延迟了 10 分钟..开局 ...
- 小米 红米 Redmi 屏幕录制默认参数设置
小米 红米 Redmi 屏幕录制默认参数设置 视频画质:16Mbps. 帧数:60fps.
- 使用 ClickHouse 做日志分析
原作:Monika Singh & Pradeep Chhetri 这是我们在 Monitorama 2022 上发表的演讲的改编稿.您可以在此处找到包含演讲者笔记的幻灯片和此处的视频. 当 ...
- 1003 我要通过! PTA Basic Level
我的个人博客 azoux's blog 题目 我要通过! (20 分) "答案正确"是自动判题系统给出的最令人欢喜的回复.本题属于 PAT 的"答案正确"大派送 ...
- STP选举规则
STP Election Process 802.1D STP 802.1D是第一个生成树版本,不支持VLAN.选举过程如下 选择一个根桥 选择根端口 选择指定端口 选择关闭端口(剩下的最后一个端 ...
- POJ2247,hdu1058(Humble Numbers)
Problem Description A number whose only prime factors are 2,3,5 or 7 is called a humble number. The ...
- TIOBE 7月编程排行榜出炉!Python再次出圈
又到了周三,本周有过半了,大家好呀 ~~ 每月的TIOBE编程排行榜都是技术社区关注的焦点,作为编程语言流行度的晴雨表,它反映了行业趋势和 技术走向.2024年7月的榜单揭晓了一个重要变化:Pytho ...
- SpringCloud 微服务简介
一.认识微服务随着互联网行业的发展,对服务的要求也越来越高,服务架构也从单体架构逐渐演变为现在流行的微服务架构.这些架构之间有怎样的差别呢? 1.单体架构:将业务的所有功能集中在一个项目中开发,打成一 ...
- 史上最详细的Composer安装tp5教程
Composer安装tp5教程1.下载composer先介绍几个网站Composer官网https://getcomposer.org/ Composer中文网http://www.phpcompos ...
- 重写Save()的两种方法
# 重新Save()def save(self, force_insert=False, force_update=False, using=None, update_fields=None): su ...