Matplotlib控制线条样式和线宽

简介: 在Matplotlib可视化实践中,除了颜色,大多数情况下我们还要对图形的线条样式等进行控制,以为线条样式添加多样性。

控制线条样式和线宽

在实践中,除了颜色,大多数情况下我们还要对图形的线条样式等进行控制,以为线条样式添加多样性。

线条样式

importnumpyasnpimportmatplotlib.pyplotaspltdefgaussian(x, mu, sigma):
a=1./ (sigma*np.sqrt(2.*np.pi))
b=-1./ (2.*sigma**2)
returna*np.exp(b* (x-mu) **2)
x=np.linspace(-6, 6, 1024)
plt.plot(x, gaussian(x, 0., 1.), color='y', linestyle='solid')
plt.plot(x, gaussian(x, 0., .5), color='c', linestyle='dashed')
plt.plot(x, gaussian(x, 0., .25), color='m', linestyle='dashdot')
plt.show()

绘图42.png

Tips:使用 plt.plot() 的 linestyle 参数来控制曲线的样式,其他可用线条样式包括:"solid"、"dashed"、"dotted"、"dashdot"。

同样,线条样式设置不仅限于 plt.plot(),任何由线条构成的图形都可以使用此参数,也可以说 linestyle 参数可用于所有涉及线条渲染的命令。例如,可以修改条形图的线条样式:

importnumpyasnpimportmatplotlib.pyplotaspltn=10a=np.random.random(n)
b=np.random.random(n)
x=np.arange(n)
plt.bar(x, a, color='c')
plt.bar(x, a+b, bottom=a, color='w', edgecolor='black', linestyle='dashed')
plt.show()

绘图43.png

Tips:由于在条形图、饼图等图形中,默认的边线的颜色为白色,因此若要在白色背景上进行显示,需要通过 edgecolor 参数改变边线颜色。

线宽

使用 linewidth 参数可以修改线条的粗细。默认情况下,linewidth 设置为1个单位。利用线条的粗细可以在视觉上强调某条特定的曲线。

importnumpyasnpimportmatplotlib.pyplotaspltdefgaussian(x, mu, sigma):
a=1./ (sigma*np.sqrt(2.*np.pi))
b=-1./ (2.*sigma**2)
returna*np.exp(b* (x-mu) **2)
x=np.linspace(-6, 6, 1024)
foriinrange(64):
samples=np.random.standard_normal(50)
mu, sigma=np.mean(samples), np.std(samples)
plt.plot(x, gaussian(x, mu, sigma), color='.75', linewidth=.5)
plt.plot(x, gaussian(x, 0., 1.), color='c', linewidth=3.)
plt.show()

绘图44.png

相关文章
|
6月前
|
搜索推荐 数据可视化 Python
Matplotlib高级技巧:自定义图表样式与布局
【4月更文挑战第17天】本文介绍了Matplotlib的高级技巧,包括自定义图表样式和布局。通过设置`color`、`linestyle`、`marker`参数,可以改变线条、散点的颜色和样式;使用自定义样式表实现整体风格统一。在布局方面,利用`subplots`创建多子图,通过`gridspec`调整复杂布局,`subplots_adjust`优化间距,以及添加图例和标题增强可读性。掌握这些技巧能帮助创建更具吸引力的个性化图表。
|
6月前
|
人工智能 数据可视化 算法
Matplotlib从入门到精通05-样式色彩秀芳华
Matplotlib从入门到精通05-样式色彩秀芳华
Matplotlib从入门到精通05-样式色彩秀芳华
|
存储 编解码 数据可视化
Matplotlib绘图 | 快速定义图表样式的小技巧
Matpltlibrc file 设置图表属性 Matplotlib 在绘图过程中,每创建一个图表,都要对该图表内的样式(例如 字体大小、颜色、分辨率、横纵坐标刻度、横纵坐标标签)设置一次,重复乏味,如下展示的是一个正弦函数曲线
Matplotlib绘图 | 快速定义图表样式的小技巧
|
2月前
|
Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
|
2月前
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
52 1
|
2月前
|
存储 数据可视化 数据挖掘
揭秘!Matplotlib与Seaborn联手,如何让Python数据分析结果一目了然,惊艳全场?
在数据驱动时代,高效直观地展示分析结果至关重要。Python中的Matplotlib与Seaborn是两大可视化工具,结合使用可生成美观且具洞察力的图表。本文通过分析某电商平台的商品销量数据集,展示了如何利用这两个库揭示商品类别与月份间的销售关系及价格对销量的影响。首先使用Matplotlib绘制月份销量分布直方图,再借助Seaborn的箱线图进一步探索不同类别和价格区间下的销量稳定性。
64 10
|
2月前
|
数据可视化 Python
Python中的数据可视化:使用Matplotlib绘制图表
【9月更文挑战第11天】在这篇文章中,我们将探索如何使用Python的Matplotlib库来创建各种数据可视化。我们将从基本的折线图开始,然后逐步介绍如何添加更多的功能和样式,以使您的图表更具吸引力和信息量。无论您是数据科学家、分析师还是任何需要将数据转化为视觉形式的专业人士,这篇文章都将为您提供一个坚实的起点。让我们一起潜入数据的海洋,用视觉的力量揭示其背后的故事。
56 16
|
2月前
|
数据可视化 数据挖掘 API
使用Python进行数据可视化:探索Matplotlib和Seaborn库
【9月更文挑战第19天】在数据科学领域,将复杂的数据集转换成直观、易懂的图形是一项基本而关键的技能。本文旨在通过Python编程语言介绍两个强大的数据可视化库——Matplotlib和Seaborn,以及它们如何帮助数据分析师和研究人员揭示数据背后的故事。我们将从基础概念讲起,逐步深入到高级技巧,确保无论读者的背景如何,都能获得必要的知识和启发,以在自己的项目中实现有效的数据可视化。
|
2月前
|
机器学习/深度学习 数据采集 监控
Pandas与Matplotlib:Python中的动态数据可视化
Pandas与Matplotlib:Python中的动态数据可视化
|
2月前
|
数据可视化 数据处理 Python
Matplotlib:Python绘图利器之王
Matplotlib:Python绘图利器之王
19 0
下一篇
无影云桌面