1. fig=plt.figure()
  2. fig.add_subplot(3,3,1)#33 第一个图
  3. n=128
  4. X=np.random.normal(0,1,n)
  5. Y=np.random.normal(0,1,n)
  6. T=np.arctan2(Y,X)#T用来上色的
  7. plt.axes([0.025,0.025,0.95,0.95])#显示的范围
  8. plt.scatter(X,Y,s=75,c=T,alpha=.5)#s表示点的大小,c表示颜色,用T的值来给c上色
  9. plt.xlim(-1.5,1.5)
  10. plt.xticks([])
  11. plt.ylim(-1.5,1.5)
  12. plt.yticks([])
  13. plt.xlabel("X")
  14. plt.ylabel("Y")
  15. plt.title("scatter")
  16. plt.show()#显示图

  1. fig=plt.figure()
  2. ax=fig.add_subplot(3,3,1)#33 第一个图
  3. n=128
  4. X=np.random.normal(0,1,n)
  5. Y=np.random.normal(0,1,n)
  6. T=np.arctan2(Y,X)#T用来上色的
  7. #plt.axes([0.025,0.025,0.95,0.95])#显示的范围
  8. ax.scatter(X,Y,s=75,c=T,alpha=.5)#s表示点的大小,c表示颜色,用T的值来给c上色
  9. plt.xlim(-1.5,1.5)
  10. plt.xticks([])
  11. plt.ylim(-1.5,1.5)
  12. plt.yticks([])
  13. plt.xlabel("X")
  14. plt.ylabel("Y")
  15. plt.title("scatter")
  16. plt.show()#显示图

  1. #scatter
  2. fig=plt.figure()
  3. fig.add_subplot(3,3,1)#33 第一个图
  4. n=128
  5. X=np.random.normal(0,1,n)
  6. Y=np.random.normal(0,1,n)
  7. T=np.arctan2(Y,X)#T用来上色的
  8. #plt.axes([0.025,0.025,0.95,0.95])#显示的范围
  9. plt.scatter(X,Y,s=75,c=T,alpha=.5)#s表示点的大小,c表示颜色,用T的值来给c上色
  10. plt.xlim(-1.5,1.5)
  11. plt.xticks([])
  12. plt.ylim(-1.5,1.5)
  13. plt.yticks([])
  14. plt.xlabel("X")
  15. plt.ylabel("Y")
  16. plt.title("scatter")
  17. #bar
  18. fig.add_subplot(332)
  19. n=10
  20. X=np.arange(n)
  21. Y1=(1-X/float(n))*np.random.uniform(0.5,1.0,n)
  22. Y2=(1-X/float(n))*np.random.uniform(0.5,1.0,n)
  23. plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='red')
  24. #+Y1表示把柱状图画在横轴上面;facecolor配置柱子颜色;edgecolor配置柱子边缘颜色
  25. plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='green')
  26. #-Y2表示把柱状图画在横轴下面;
  27. for x,y in zip(X,Y1):
  28. plt.text(x+0.4, y+0.05, '%.2f'%y, ha='center', va='top')
  29. #添加注释;x+0.4, y+0.05表示注释的位置;'%.2f'%y表示注释的格式;
  30. #ha='center'注释的水平位置;va='bottom'注释在条的位置,top表示在条的里面,bottom表示在条的上面(外面)
  31. for x,y in zip(X,Y2):
  32. plt.text(x+0.4, -y-0.05, '%.2f'%y, ha='center', va='top')
  33. plt.show()#显示图

  1. #scatter
  2. fig=plt.figure()
  3. ax=fig.add_subplot(3,3,1)#33 第一个图
  4. n=128
  5. X=np.random.normal(0,1,n)
  6. Y=np.random.normal(0,1,n)
  7. T=np.arctan2(Y,X)#T用来上色的
  8. #plt.axes([0.025,0.025,0.95,0.95])#显示的范围
  9. ax.scatter(X,Y,s=75,c=T,alpha=.5)#s表示点的大小,c表示颜色,用T的值来给c上色
  10. plt.xlim(-1.5,1.5)
  11. plt.xticks([])
  12. plt.ylim(-1.5,1.5)
  13. plt.yticks([])
  14. plt.xlabel("X")
  15. plt.ylabel("Y")
  16. plt.title("scatter")
  17. #bar
  18. ax=fig.add_subplot(332)####################################这里改了一下ax 和上面是一样的
  19. n=10
  20. X=np.arange(n)
  21. Y1=(1-X/float(n))*np.random.uniform(0.5,1.0,n)
  22. Y2=(1-X/float(n))*np.random.uniform(0.5,1.0,n)
  23. ax.bar(X,+Y1,facecolor='#9999ff',edgecolor='red')
  24. #+Y1表示把柱状图画在横轴上面;facecolor配置柱子颜色;edgecolor配置柱子边缘颜色
  25. ax.bar(X,-Y2,facecolor='#ff9999',edgecolor='green')
  26. #-Y2表示把柱状图画在横轴下面;
  27. for x,y in zip(X,Y1):
  28. plt.text(x+0.4, y+0.05, '%.2f'%y, ha='center', va='top')
  29. #添加注释;x+0.4, y+0.05表示注释的位置;'%.2f'%y表示注释的格式;
  30. #ha='center'注释的水平位置;va='bottom'注释在条的位置,top表示在条的里面,bottom表示在条的上面(外面)
  31. for x,y in zip(X,Y2):
  32. plt.text(x+0.4, -y-0.05, '%.2f'%y, ha='center', va='top')
  33. plt.show()#显示图

matplotlib绘图2的更多相关文章

  1. matplotlib 绘图

    http://blog.csdn.net/jkhere/article/details/9324823 都打一遍 5 matplotlib-绘制精美的图表 matplotlib 是python最著名的 ...

  2. python实战学习之matplotlib绘图续

    学习完matplotlib绘图可以设置的属性,还需要学习一下除了折线图以外其他类型的图如直方图,条形图,散点图等,matplotlib还支持更多的图,具体细节可以参考官方文档:https://matp ...

  3. matplotlib绘图的基本操作

    转自:Laumians博客园 更简明易懂看Matplotlib Python 画图教程 (莫烦Python)_演讲•公开课_科技_bilibili_哔哩哔哩 https://www.bilibili. ...

  4. python中利用matplotlib绘图可视化知识归纳

    python中利用matplotlib绘图可视化知识归纳: (1)matplotlib图标正常显示中文 import matplotlib.pyplot as plt plt.rcParams['fo ...

  5. matplotlib绘图基本用法-转自(http://blog.csdn.net/mao19931004/article/details/51915016)

    本文转载自http://blog.csdn.net/mao19931004/article/details/51915016 <!DOCTYPE html PUBLIC "-//W3C ...

  6. python实战学习之matplotlib绘图

    matplotlib 是最流行的Python底层绘图库,主要做数据可视化图表 可以将数据可视化,能够更直观的呈现数据 matplotlib绘图基本要点 首先实现一个简单的绘图 # 导入pyplot f ...

  7. 【原】在Matplotlib绘图中添加Latex风格公式

    Matplotlib绘图的过程中,可以为各个轴的Label,图像的Title.Legend等元素添加Latex风格的公式. 只需要在Latex公式的文本前后各增加一个$符号,Matplotlib就可以 ...

  8. Matplotlib绘图双纵坐标轴设置及控制设置时间格式

    双y轴坐标轴图 今天利用matplotlib绘图,想要完成一个双坐标格式的图. fig=plt.figure(figsize=(20,15)) ax1=fig.add_subplot(111) ax1 ...

  9. ssh调用matplotlib绘图报错RuntimeError: Invalid DISPLAY variable

    1.问题:在本地用matplotlib绘图可以,但是在ssh远程绘图的时候会报错 RuntimeError: Invalid DISPLAY variable 2.原因:matplotlib的默认ba ...

  10. Matplotlib绘图及动画总结

    目录 Matplotlib绘图总结 绘图原理 block模式(python默认) interactive模式(ipython模式默认) 深入子图 子图表示 子图绘图 绘制动画 参考链接 Matplot ...

随机推荐

  1. http请求的全过程

    参考资料 http://blog.jobbole.com/106632/ https://www.cnblogs.com/engeng/articles/5959335.html https://ww ...

  2. 乐观锁与悲观锁以及乐观锁的一种实现方式-CAS

    首先介绍一些乐观锁与悲观锁: 悲观锁:总是假设最坏的情况,每次去拿数据的时候都认为别人会修改,所以每次在拿数据的时候都会上锁,这样别人想拿这个数据就会阻塞直到它拿到锁.传统的关系型数据库里边就用到了很 ...

  3. 1226 快速幂 取余运算 洛谷luogu

    还记得 前段时间学习二进制快速幂有多崩溃 当然这次方法略有不同 居然轻轻松松的 题目描述 输入b,p,k的值,求b^p mod k的值.其中b,p,k*k为长整型数. 输入输出格式 输入格式: 三个整 ...

  4. 超简单Mac安装Tomcat服务器

    超简单Mac安装Tomcat服务器 1.首先下载tomcat 下载连接 2. 解压并改名 3.把Tomcat复制到系统中的资源库或者Library 4.打开shell,进入Tomcat下面的bin目录 ...

  5. ES6生成器函数generator

    ES6生成器函数generator generator是ES6新增的一个特殊函数,通过 function* 声明,函数体内通过 yield 来指明函数的暂停点,该函数返回一个迭代器,并且函数执行到 y ...

  6. http协议进阶(四)报文首部

    之前写的关于报文首部的传送门: 报文首部:http://www.cnblogs.com/imyalost/p/5708445.html 通用首部字段:http://www.cnblogs.com/im ...

  7. mysqldump备份数据库

    1. 备份数据库-->sql文件 mysqldump -h192.168.1.100 -uuser -p123 --databases name > /tmp/databasedump.s ...

  8. C#中,使用显式类型转换(int)和Math.Round方法,将浮点数转换为整数的区别

    主要区别就是,显式类型转换(int)是将浮点数的整数部分截取出来,然后转换为整数,所以相当于是向下取整.而Math.Round方法是对浮点数进行四舍五入后,转换为整数. 新建一个.NET Core控制 ...

  9. [Oracle]OWI学习笔记--001

    [Oracle]OWI学习笔记--001 在 OWI 的概念里面,最为重要的是 等待事件 和 等待时间. 等待事件发生时,需要通过 P1,P2,P3 查看具体的资源. 可以通过 v$session_w ...

  10. loj6062 pair

    直接套用霍尔定理. 由于A有多个选择,考虑维护B是否合法. 首先B数组的顺序显然是没有用的,可以直接排序. 然后每个A就都变成了向一个后缀连边. 对于B,原本需要check每一个集合是否满足|u|&l ...