matplotlib-scalebar是一个Python库，用于在matplotlib图形中添加比例尺。它允许用户指定比例尺的大小、位置、字体和颜色，以及比例尺的单位。该库支持不同的比例尺单位，例如米、英尺、英寸等。matplotlib-scalebar安装命令如下：

pip install matplotlib-scalebar

比例尺是一种用于描述图上线段长度与实际相应线段长度之间关系的方法。其基本公式为：比例尺 = 图上距离 / 实际距离。比例尺的表示方法可以分为三种：

数字式，采用数字的比例形式或分数形式来表示比例尺的大小。例如：1:10000或1/10000。
线段式，在图上绘制一条线段，并注明图上该线段所代表的实际距离。
文字式，用文字描述图上的距离与实际距离之间的比例关系。例如：图上每1厘米代表实际距离 100 米。

matplotlib-scalebar仅适用于线段式比例尺的绘制。因为在matplotlib中，我们可以通过文字绘制函数直接在图上添加数字式或文字式的比例尺。

本文所有代码见：Python-Study-Notes

# jupyter notebook环境去除warning

import warnings

warnings.filterwarnings("ignore")

import matplotlib_scalebar

# 打印matplotlib_scalebar版本

print("matplotlib_scalebar version",matplotlib_scalebar.__version__)

import matplotlib as plt

print("matplotlob version",plt.__version__)

matplotlib_scalebar version 0.8.1

matplotlob version 3.5.3

1 使用说明
- 1.1 快速入门
- 1.2 ScaleBar类说明
2 绘图实例
3 参考

1 使用说明

1.1 快速入门

以下代码展示了一个matplotlib-scalebar的使用示例，matplotlib-scalebar提供ScaleBar类来创建预设比例尺：

ScaleBar(dx= 0.08, units= "cm", length_fraction=0.5)

其中dx，units和length_fraction都是基本参数，dx表示图中每个横向像素坐标实际代表0.08cm的长度，units表示使用cm厘米作为基准单位，length_fraction=0.5表示预设比例尺长度占实际绘图区域横向总长度的比例为50%。

预设比例尺的含义为：matplotlib_scalebar.scalebar会根据我们预置的比例尺参数图，挑选合适规格的标准比例尺来表示。如下所示：

import numpy as np

import matplotlib.pyplot as plt

import matplotlib.cbook as cbook

from matplotlib_scalebar.scalebar import ScaleBar

# 载入自带图片数据，并将图片宽高都修改为256

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((256, 256))

fig, ax = plt.subplots()

ax.axis("off")

# 绘图

ax.imshow(im, cmap="gray")

# 创建一个比例尺对象

scalebar = ScaleBar(dx= 0.08, units= "cm", length_fraction=0.5)

# 添加比例尺

ax.add_artist(scalebar)

plt.show()

如上图所示，比例尺由一根横线和横线下的文字标识组成。该比例尺表示图中横向方向上，横线的长度等于实际1dm(分米)。以文中matplotlib-scalebar绘图代码为例说明计算该比例尺的步骤：

输入参数：图像横向像素个数为256，每个像素表示0.08cm，预设比例尺占横向方向总像素的length_fraction=0.5。那么预设比例尺的长度为256*0.08*0.5，也就是10.24cm，共占横向128个像素。
判断10.24cm是否能进位换算为预设高一级的长度单位，例如10.24cm可换算为1.024dm。
判断1.024达到预设的哪种比例尺数值规格，如1、2、5、10、15等。根据给定值，找出第一个大于等于给定值的规格数值。例如1.024应以比例尺规格值1表示，4.99应以比例尺规格值2表示。
根据上一步结果，当前比例规格为1dm，那么比例尺的绘图长度将从预设长度改为1dm对应的长度。绘图长度的计算方式为256*0.5*1/1.024,也就是125个像素。
在图中绘制长度为125个像素，标识为1dm的比例尺。

在matplotlib-scalebar，对于米制单位，预设比例尺数值规格为：

[1, 2, 5, 10, 15, 20, 25, 50, 75, 100, 125, 150, 200, 500, 750]

预设比例尺单位规格为：

{'m': 1.0,

 'Ym': 1e+24,

 'Zm': 1e+21,

 'Em': 1e+18,

 'Pm': 1000000000000000.0,

 'Tm': 1000000000000.0,

 'Gm': 1000000000.0,

 'Mm': 1000000.0,

 'km': 1000.0,

 'dm': 0.1,

 'cm': 0.01,

 'mm': 0.001,

 'µm': 1e-06,

 'um': 1e-06,

 'nm': 1e-09,

 'pm': 1e-12,

 'fm': 1e-15,

 'am': 1e-18,

 'zm': 1e-21,

 'ym': 1e-24}

matplotlib-scalebar关于比例尺的计算详细函数见matplotlib_scalebar/dimension.py的draw函数。

按照以上比例尺的计算步骤，如果dx= 0.01, units= "m", length_fraction=1。那么实际应该使用预设数值规格为2，单位规格为m，占横向200个像素的比例尺。如下所示：

import numpy as np

import matplotlib.pyplot as plt

import matplotlib.cbook as cbook

from matplotlib_scalebar.scalebar import ScaleBar

# 载入matplotlib自带图片数据，并将图片宽高都修改为256

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((256, 256))

fig, ax = plt.subplots()

ax.axis("off")

# 绘图

ax.imshow(im, cmap="gray")

# 创建一个比例尺对象

scalebar = ScaleBar(dx= 0.01, units= "m", length_fraction=1)

# 添加比例尺

ax.add_artist(scalebar)

plt.show()

在前面展示的是表示横向方向长度的比例尺，如果想创建表示纵向方向的比例尺，则在初始ScaleBar类时设置rotation="vertical"即可。要注意纵向比例尺是根据图像高度来计算的，如下代码所示：

import numpy as np

import matplotlib.pyplot as plt

import matplotlib.cbook as cbook

from matplotlib_scalebar.scalebar import ScaleBar

# 载入自带图片数据，并将图片宽改为512，高改为128，可以对比不设置rotation="vertical"时的效果

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((128, 512))

fig, ax = plt.subplots()

ax.axis("off")

# 绘图

ax.imshow(im, cmap="gray")

# 创建一个比例尺对象

scalebar = ScaleBar(dx=0.01,

                    units="m",

                    length_fraction=1,

                    rotation="vertical",

                    scale_loc="right",

                    border_pad=1,

                    pad=0.5)

# 添加比例尺

ax.add_artist(scalebar)

plt.show()

1.2 ScaleBar类说明

ScaleBar类构造函数的参数如下所示：

dx (float): x轴的长度，以当前绘图单位表示。

units (str, optional): 标尺的单位。默认为"m"。

dimension (str, optional): 标尺的属性维度。默认为"si-length"。

label (str or None, optional): 标尺的标签文字。默认为None。

length_fraction (float, optional): 标尺的长度与总长度的比例。默认为None。

height_fraction (float, optional): 标尺的高度与总高度的比例。默认为None，该参数已经废除，使用width_fraction替代。

width_fraction (float, optional): 标尺的宽度与总宽度的比例。默认为None。

location (tuple or None, optional): 标尺的位置。默认为None。

pad (tuple or None, optional): 内边距。默认为None。

border_pad (tuple or None, optional): 外边距。默认为None。

sep (tuple or None, optional): 标签文字与标尺之间的间隔。默认为None。

frameon (bool or None, optional): 是否显示标尺背景框。默认为None。

color (str or tuple or None, optional): 标尺的颜色。默认为None。

box_color (str or tuple or None, optional): 标尺线框的颜色。默认为None。

box_alpha (float or None, optional): 标尺线框的透明度。默认为None。

scale_loc (str or None, optional): 标尺放置的位置。默认为None。

label_loc (str or None, optional): 标签文字放置的位置。默认为None。

font_properties (str or None, optional): 字体样式。默认为None。

label_formatter (str or None, optional): 标签文字格式化函数。默认为None，该参数已经废除，使用scale_formatter替代。

scale_formatter (str or None, optional): 标尺刻度格式化函数。默认为None。

fixed_value (float or None, optional): 固定的标尺值。默认为None。

fixed_units (str or None, optional): 固定的标尺单位。默认为None。

animated (bool, optional): 是否以动画的形式进行显示。默认为False。

rotation (float or None, optional): 标签文字的旋转角度。默认为None。

bbox_to_anchor (str or tuple or None, optional): 标签文字的位置基准。默认为None，一些matplotlib_scalebar版本可能不支持该参数。

bbox_transform (str or None, optional): 标签文字的变换函数。默认为None，一些matplotlib_scalebar版本可能不支持该参数。

ScaleBar一些主要参数决定了比例尺的展示效果，下图展示了ScaleBar主要参数的作用域：

值得注意的是，ScaleBar提供了两种计算比例尺规格的方式：

第一种是1.1节提到的计算方式，根据dx、units、length_fraction值创建预置比例尺参数，然后根据这些参数自动确定比例尺的绘制规格标准。推荐使用该方式创建比例尺。
第二种是直接通过fixed_value和fixed_units确定比例尺的绘制规格标准，然后结合dx参数完成比例尺的绘制，这种情况主要适用于需要设置特定数值。

接下来，对ScaleBar的主要参数进行介绍。

1.2.1 dx, units, dimension

dx为必须输入参数，表示一个像素点代表的实际大小。units表示单位，dimension表示单位属性（所属单位制），可选的长度单位参数如下表所示：

dimension	units
si-length	km, m, cm, um
imperial-length	in, ft, yd, mi
si-length-reciprocal	1/m, 1/cm
angle	deg

如果使用GeoPandas绘制地图的比例尺则需要根据坐标系的类型来确定dx，具体如何在GeoPandas中确定dx见：Python绘制数据地图3-GeoPandas使用要点。

将比例尺的标识改为imperial-length英制长度的示例代码如下：



# 载入matplotlib自带图片数据，并将图片宽高都修改为256

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((256, 256))

fig, ax = plt.subplots()

ax.axis("off")

ax.imshow(im, cmap="gray")

scalebar = ScaleBar(dx=0.0315, units="in", dimension="imperial-length", length_fraction=0.25)

ax.add_artist(scalebar)

<matplotlib_scalebar.scalebar.ScaleBar at 0x7fb634727850>

1.2.2 label, label_loc, scale_loc

label设置标尺的标签文字。label_loc设置标签文字相对于比例尺的位置，可选值有： bottom, top, left, right, none（不显示标签文字）。 scale_loc设置比例尺标注值相对于比例尺的位置，可选值有： bottom, top, left, right, none（不显示标注文字）。示例代码如下：



# 载入matplotlib自带图片数据，并将图片宽高都修改为256

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((256, 256))

fig, ax = plt.subplots()

ax.axis("off")

ax.imshow(im, cmap="gray")

scalebar = ScaleBar(dx= 0.08, units= "cm", length_fraction=0.25,

                    label="scale bar",label_loc="left", scale_loc="top")

ax.add_artist(scalebar)

<matplotlib_scalebar.scalebar.ScaleBar at 0x7fb6347f1fd0>

1.2.3 length_fraction, width_fraction

length_fraction设置比例尺相对于图形的长度，如果不指定值，在代码内部会以为0.2（20%)赋值。width_fraction设置比例尺相对于图形的宽度，如果不指定值，在代码内部会以为0.01（1%)赋值。本文在1.1节提到过，在这种情况下比例尺标注值只能取以下数字确定的：1、2、5、10、15等。如果需要特定的值，需要指定fixed_value和fixed_units。示例代码如下:

# 载入自带图片数据，并将图片宽高都修改为256

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((256, 256))

fig, ax = plt.subplots()

ax.axis("off")

# 绘图

ax.imshow(im, cmap="gray")

# 创建一个比例尺对象

scalebar = ScaleBar(dx= 0.08, units= "cm", length_fraction=0.25, width_fraction=0.05)

# 添加比例尺

ax.add_artist(scalebar)

plt.show()

1.2.4 标尺位置与边距

location：设置图例的位置，该参数作用与matplotlib的图例位置设置参数相同，取值可以是：upper right, upper left, lower left, lower right, right, center left, center right, lower center, upper center或center。默认值为None，表示使用matplotlib的默认值。
loc：location的别名。
pad：内边距，默认为None，表示使用matplotlib的默认值0.2。
border_pad：外边距，默认为None，表示使用matplotlib的默认值0.1。
sep：标签文字与标尺之间的间隔，默认为None，表示使用matplotlib的默认值5。
frameon：是否显示标尺背景框，默认为None，表示使用matplotlib的默认值True，该背景框默认为白色背景。

示例代码如下:

# 载入自带图片数据，并将图片宽高都修改为256

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((256, 256))

fig, ax = plt.subplots()

ax.axis("off")

# 绘图

ax.imshow(im, cmap="gray")

# 创建一个比例尺对象

# 如果将frameon设置为False，对于当前背景为黑色的图片需要修改标尺颜色以更好可视化效果。

scalebar = ScaleBar(dx= 0.08, units= "cm", length_fraction=0.25,

                    location="upper left", pad = 0.1, border_pad=0.5,

                    sep=2, frameon=True)

# 添加比例尺

ax.add_artist(scalebar)

plt.show()

1.2.5 颜色

matplotlib-scalebar通过color参数设置标尺及标注文字的颜色，通过box_color和box_alpha设置背景框的颜色和透明度。示例代码如下：

# 载入自带图片数据，并将图片宽高都修改为256

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((256, 256))

fig, ax = plt.subplots()

ax.axis("off")

# 绘图

ax.imshow(im, cmap="gray")

# 创建一个比例尺对象

scalebar = ScaleBar(dx= 0.08, units= "cm", length_fraction=0.25,

                    color="white", box_color = "blue", box_alpha=0.7)

# 添加比例尺

ax.add_artist(scalebar)

plt.show()

1.2.6 font_properties和scale_formatter

font_properties设置标签文本的字体属性，具体使用见matplotlib的FontProperties。

scale_formatter调用类似lambda value, unit: f"{value} {unit}"这类自定义函数来自定义比例尺的标注值，默认为none。

示例代码如下：

# 载入自带图片数据，并将图片宽高都修改为256

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((256, 256))

fig, ax = plt.subplots()

ax.axis("off")

# 绘图

ax.imshow(im, cmap="gray")

# 创建一个比例尺对象

scalebar1 = ScaleBar(dx= 0.08, units= "cm", length_fraction=0.25,

                   scale_formatter = lambda value, unit: f"scalebar")

scalebar2 = ScaleBar(dx= 0.08, units= "cm", length_fraction=0.25, location='center left',

                   scale_formatter = lambda value, unit: f"value: {value}/{unit}")

scalebar3 = ScaleBar(dx= 0.08, units= "cm", length_fraction=0.25, location='center',

                   font_properties={'style':'italic','weight':'bold','size':12})

# 添加比例尺

ax.add_artist(scalebar1)

ax.add_artist(scalebar2)

ax.add_artist(scalebar3)

plt.show()

1.2.7 fixed_value, fixed_units

fixed_value和fixed_units用于自定义比例尺标注值，当fixed_value默认为none表示根据dx自动确定比例尺的标注值。比例尺的长度会根据dx和这两个参数而自动调整。示例代码如下：

# 载入自带图片数据，并将图片宽高都修改为256

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((256, 256))

fig, ax = plt.subplots()

ax.axis("off")

# 绘图

ax.imshow(im, cmap="gray")

# 创建一个比例尺对象

scalebar = ScaleBar(dx= 0.08, units= "cm", length_fraction=0.25,

                    fixed_value=0.5, fixed_units= "cm")

# 添加比例尺

ax.add_artist(scalebar)

plt.show()

1.2.8 rotation

rotation表示是基于x轴还是基于y轴创建比例尺。rotation可取horizontal或vertical。如果调整rotation，可能需要调整scale_loc和label_loc以实现合理的比例尺布局。如果改变rotation的值后，比例尺标注值显示有问题，可以尝试升级matplotlib版本解决。rotation默认为None，表示使用matplotlib的默认值。如下：

# 载入自带图片数据，并将图片宽高都修改为256

with cbook.get_sample_data("s1045.ima.gz") as dfile:

    im = np.frombuffer(dfile.read(), np.uint16).reshape((256, 256))

fig, ax = plt.subplots()

ax.axis("off")

ax.imshow(im, cmap="gray")

scalebar = ScaleBar(

    0.08,

    "cm",

    length_fraction=0.25,

    rotation="vertical",

    scale_loc="right",

    border_pad=1,

    pad=0.1,

)

ax.add_artist(scalebar)

<matplotlib_scalebar.scalebar.ScaleBar at 0x7fb63452f790>

2 绘图实例

plywood-gallery-matplotlib-scalebar提供了一个交互式matplotlib-scalebar的绘图实例，每个实例给出了不同图例参数详细的绘制代码，非常推荐学习和使用。绘图实例内容如下：

总体绘图效果如下：

以下代码展示不同绘图实例的效果。

import numpy as np

import matplotlib.pyplot as plt

from matplotlib_scalebar.scalebar import ScaleBar

import matplotlib.image as mpimg

# 添加比例尺代码

def imshow_bar(im, scalebar,ax):

    ax.axis("off")

    ax.imshow(im)

    ax.add_artist(scalebar)

fig, _ = plt.subplots(figsize=(14, 14))

# 调整子图间距

plt.subplots_adjust(wspace=0.05, hspace=0.05)

# 图1

ax = plt.subplot(441)

img = mpimg.imread("image/orange.png")

scalebar = ScaleBar(0.3, "mm", scale_formatter=lambda value, unit: f"{value/5} limo")

imshow_bar(img, scalebar,ax=ax)

# 图2

ax = plt.subplot(442)

img = mpimg.imread("image/orange.png")

scalebar = ScaleBar(0.3, "mm", border_pad=1)

imshow_bar(img, scalebar,ax=ax)

# 图3

ax = plt.subplot(443)

img = mpimg.imread("image/green.png")

scalebar = ScaleBar(0.3, "mm", pad=1)

imshow_bar(img, scalebar,ax=ax)

# 图4

ax = plt.subplot(444)

img = mpimg.imread("image/green.png")

scalebar = ScaleBar(1, "px", dimension="pixel-length", length_fraction=0.3)

imshow_bar(img, scalebar,ax=ax)

# 图5

ax = plt.subplot(445)

img = mpimg.imread("image/yellow.png")

scalebar = ScaleBar(0.03 / 2.54, "in", dimension="imperial-length", length_fraction=0.3)

imshow_bar(img, scalebar,ax=ax)

# 图6

ax = plt.subplot(4,4,6)

img = mpimg.imread("image/yellow.png")

scalebar = ScaleBar(0.3, "mm", height_fraction=0.05)

imshow_bar(img, scalebar,ax=ax)

# 图7

ax = plt.subplot(4,4,7)

img = mpimg.imread("image/purple.png")

scalebar = ScaleBar(0.3, "mm", rotation="vertical")

imshow_bar(img, scalebar,ax=ax)

# 图8

ax = plt.subplot(4,4,8)

img = mpimg.imread("image/purple.png")

scalebar = ScaleBar(0.3, "mm", color="blue", scale_loc="right")

imshow_bar(img, scalebar,ax=ax)

# 图9

ax = plt.subplot(4,4,9)

img = mpimg.imread("image/red.png")

scalebar = ScaleBar(0.3, "mm", box_color="skyblue", box_alpha=0.3)

imshow_bar(img, scalebar,ax=ax)

# 图10

ax = plt.subplot(4,4,10)

img = mpimg.imread("image/red.png")

scalebar = ScaleBar(0.3, "mm", label="Lemon", label_loc="right")

imshow_bar(img, scalebar,ax=ax)

# 图11

ax = plt.subplot(4,4,11)

img = mpimg.imread("image/zoom1.png")

scalebar = ScaleBar(0.3 / 5, "mm", sep=10)

imshow_bar(img, scalebar,ax=ax)

# 图12

ax = plt.subplot(4,4,12)

img = mpimg.imread("image/zoom2.png")

scalebar = ScaleBar(0.3 / 100, "mm", label="Lemon", label_loc="bottom")

imshow_bar(img, scalebar,ax=ax)

# 图13

ax = plt.subplot(4,4,13)

img = mpimg.imread("image/zoom3.png")

scalebar = ScaleBar(0.3 / 10000, "mm", length_fraction=1, font_properties="serif")

imshow_bar(img, scalebar,ax=ax)

# 图14

ax = plt.subplot(4,4,14)

img = mpimg.imread("image/zoom4.png")

scalebar = ScaleBar(0.3 / 10000000, "mm", frameon=False, label="Lemon")

imshow_bar(img, scalebar,ax=ax)

# 图15

ax = plt.subplot(4,4,15)

img = mpimg.imread("image/zoom4.png")

scalebar = ScaleBar(0.3 / 10000000, "mm", fixed_units="mm", fixed_value=1e-6, font_properties="monospace", location="lower left")

imshow_bar(img, scalebar,ax=ax)

# 图16

ax = plt.subplot(4,4,16)

img = mpimg.imread("image/zoom4.png")

scalebar = ScaleBar(0.3 / 10000000, "mm", fixed_units="pm", fixed_value=1000, location="upper left")

imshow_bar(img, scalebar,ax=ax)

# 保存图片

plt.savefig("res.jpg",dpi=300)

plt.show()

3 参考

[python] 基于matplotlib-scalebar库绘制比例尺的更多相关文章

[python] 基于matplotlib实现圆环图的绘制
圆环图本质上是一个中间切出一块区域的饼状图.可以使用python和matplotlib库来实现.本文主要介绍基于matplotlib实现圆环图.本文所有代码见:Python-Study-Notes # ...
[python] 基于matplotlib实现雷达图的绘制
雷达图(也称为蜘蛛图或星形图)是一种可视化视图,用于使用一致的比例尺显示三个或更多维度上的多元数据.并非每个人都是雷达图的忠实拥护者,但我认为雷达图能够以视觉上吸引人的方式比较不同类别各个特征的值.本 ...
[python] 基于matplotlib实现树形图的绘制
树形图Tree diagram (代码下载) 本文旨在描述如何使用Python实现基本的树形图.要实现这样的树形图,首先需要有一个数值矩阵.每一行代表一个实体(这里是一辆汽车).每列都是描述汽车的变量 ...
python: 使用matplotlib的pyplot绘制图表
工作中需要观察数据的变化趋势,用python写了一段小程序来用显示简单图表,分享出来方便有同样需求的人,matplotlib是个很不错的库. #!encode=utf8 from matplotlib ...
python中的turtle库绘制图形
1. 前奏: 在用turtle绘制图形时,需要安装对应python的解释器以及IDE,我安装的是pycharm,在安装完pycharm后,在pycharm安装相应库的模块,绘图可以引入turtle模块 ...
python基于matplotlib绘图
import math import numpy as np import matplotlib.pyplot as plt from matplotlib.font_manager import F ...
python之 matplotlib模块之绘制堆叠柱状图
我们先来看一个结果图看到这个图,我个人的思路是 1 设置标题 import numpy as np import matplotlib.pyplot as plt plt.title('Scores ...
用python的matplotlib和numpy库绘制股票K线均线和成交量的整合效果（含量化验证交易策略代码）
在用python的matplotlib和numpy库绘制股票K线均线的整合效果(含从网络接口爬取数据和验证交易策略代码)一文里,我讲述了通过爬虫接口得到股票数据并绘制出K线均线图形的方式,在本文里,将 ...
Python使用turtle库与random库绘制雪花
记录Python使用turtle库与random库绘制雪花,代码非常容易理解,画着玩玩还是可以的. 完整代码如下: 效果图如下:
python使用matplotlib绘制折线图教程
Matplotlib是一个Python工具箱,用于科学计算的数据可视化.借助它,Python可以绘制如Matlab和Octave多种多样的数据图形.下面这篇文章主要介绍了python使用matplot ...

随机推荐

[Linux]常用命令之【hostname】
1: 个人的片面理解: hostname是主机名(的"昵称"),而非域名.一般设置hostname,来标识当前机器的主要用途.以区别与其它机器 2: hostname的严格定义: ...
【谷粒商城】（一）docker搭建以及项目的创建
网络地址转换-端口转发 VmWare网络配置可以参考这篇:VMWare虚拟机网络连接设置_santirenpc的博客-CSDN博客_vmware 上网设置,真的是被折磨到了.. Docker 虚拟化容 ...
C++ 基于libbfd实现二进制加载器
构建工具解析二进制文件,基于libbfd实现,提取符号和节 BFD库文档参考: LIB BFD, the Binary File Descriptor Library BFD及Binary File ...
c语言趣味编程（2）借书方案知多少
一.问题描述小明有5本新书,要借给A,B,C这三位小朋友,若每次每人只能借一本,则可以有多少种不同的借法? 二.设计思路 (1)定义三个变量a,b,c来代表三位小朋友借的书的编号 (2)利用for循 ...
Java的static修饰符
静态域如果将域定义为 static,每个类中只有一个这样的域.而每一个对象对于所有的实例域却都有自己的一份拷贝.例如,假定需要给每一个雇员赋予唯一的标识码.这里给 Employee 类添加一个实例域 ...
关于java中的多态和对实例化对象的一些理解
java面向对象三大特征即为:继承封装多态.而多态需要三大必要条件.分别是:继承.方法重写.父类引用指向子类对象.我们先一个一个来理解. 1.首先是继承和重写.这个很简单.因为多态就是建立在不同的重写 ...
工作中，Oracle常用函数
目录 1.序言 2.Oracle函数分类 3.数值型函数 3.1 求绝对值函数 3.2 求余函数 3.3 判断数值正负函数 3.4 三角函数 3.5 返回以指定数值为准整数的函数 3.6 指数.对数函 ...
Extjs4 Tree Grid 综合示例（展开、编辑列、获取数据）
用json数据模拟后端传回来的结果,Extjs tree支持两种类型的结构,一种是带children属性的嵌套式的数据,一种是扁平的,每条记录带pid的数据,带pid的添加配置项可以自动解析成树形结构 ...
Python获取jsonp数据
使用python爬取数据时,有时候会遇到jsonp的数据格式,由于不是json的,所以不能直接使用json.loads()方法来解析,需要先将其转换为json格式,再进行解析.在前面讲了jsonp的原 ...
【python爬虫】bilibili每周必看页面视频图片爬取
此博客仅作为交流学习对于使用bilibili上学习和娱乐的小伙伴们有时会看到视频博主发布的视频封面好看想要得到,但是苦于没有方法,这次我用python来爬取bilibili每周必看页面视频图片. 首 ...

[python] 基于matplotlib-scalebar库绘制比例尺