Matplotlib axes类

简介: Matplotlib axes类
import matplotlib.pyplot as plt
y = [1, 4, 9, 16, 25,36,49, 64]
x1 = [1, 16, 30, 42,55, 68, 77,88]
x2 = [1,6,12,18,28, 40, 52, 65]
fig = plt.figure()
ax = fig.add_axes([0,0,1,1])
#使用简写的形式color/标记符/线型
l1 = ax.plot(x1,y,'ys-') 
l2 = ax.plot(x2,y,'go--') 
ax.legend(labels = ('tv', 'Smartphone'), loc = 'lower right') # legend placed at lower right
ax.set_title("Advertisement effect on sales")
ax.set_xlabel('medium')
ax.set_ylabel('sales')
plt.show()
目录
相关文章
|
关系型数据库 Python
Matplotlib从入门到精通:Axes与Axis(三)
Matplotlib从入门到精通:Axes与Axis
156 0
Matplotlib从入门到精通:Axes与Axis(三)
|
Python
Matplotlib从入门到精通:Axes与Axis(二)
Matplotlib从入门到精通:Axes与Axis
104 0
Matplotlib从入门到精通:Axes与Axis(二)
|
Python
Matplotlib从入门到精通:Axes与Axis(一)
Matplotlib从入门到精通:Axes与Axis
117 0
Matplotlib从入门到精通:Axes与Axis(一)
|
Python
【matplotlib】fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(10,10))
【matplotlib】fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(10,10))
110 0
【matplotlib】fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(10,10))
|
数据可视化 Python
Python--Matplotlib库与数据可视化③--Figures、Axes对象与多图绘制
Python--Matplotlib库与数据可视化③--Figures、Axes对象与多图绘制
196 0
Python--Matplotlib库与数据可视化③--Figures、Axes对象与多图绘制
成功解决matplotlib\axes\_axes.py:6462: UserWarning: The 'normed' kwarg is deprecated, and has been repla
成功解决matplotlib\axes\_axes.py:6462: UserWarning: The 'normed' kwarg is deprecated, and has been repla
|
2天前
|
数据采集 机器学习/深度学习 数据可视化
了解数据科学面试中的Python数据分析重点,包括Pandas(DataFrame)、NumPy(ndarray)和Matplotlib(图表绘制)。
【7月更文挑战第5天】了解数据科学面试中的Python数据分析重点,包括Pandas(DataFrame)、NumPy(ndarray)和Matplotlib(图表绘制)。数据预处理涉及缺失值(dropna(), fillna())和异常值处理。使用describe()进行统计分析,通过Matplotlib和Seaborn绘图。回归和分类分析用到Scikit-learn,如LinearRegression和RandomForestClassifier。
14 3
|
2天前
|
数据可视化 数据挖掘 API
数据可视化秘籍聚焦Python的Matplotlib和Seaborn库,它们是数据分析的得力工具。
【7月更文挑战第5天】数据可视化秘籍聚焦Python的Matplotlib和Seaborn库,它们是数据分析的得力工具。Matplotlib是基础库,提供高度自定义的2D图表,而Seaborn在其上构建,提供美观的统计图形。文章介绍了如何用两者画线图、散点图、条形图、饼图和直方图,展示数据趋势和关系。
|
24天前
|
数据可视化 Python Windows
使用Python进行数据可视化(一、matplotlib)
使用Python进行数据可视化(一、matplotlib)
|
2天前
|
机器学习/深度学习 数据可视化 搜索推荐
Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。
【7月更文挑战第5天】Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。流程包括数据获取、预处理、探索、模型选择、评估与优化,以及结果可视化。示例展示了用户行为、话题趋势和用户画像分析。Python的丰富生态使得社交媒体洞察变得高效。通过学习和实践,可以提升社交媒体分析能力。
10 0