子图布局|学习笔记

简介: 快速学习子图布局

开发者学堂课程【Python 常用数据科学库:子图布局】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/546/detail/7509


子图布局


画子图有另外一种更为简单的方法。首先将工具导入之后,将数据导入,按照之前的方法先画一个主图,将指标值拿到手之后。指定 Color,此时 AX1完成。再继续画AX2,直接用导入进去的工具画 AX2。再继续指定参数,例如宽度高度。再在其中加入一个派图。制作拍图时就是2个会,在一起就有2个缝隙,如果有多个块,就有多个缝隙,所以先导入缝隙,然后传入数据,数据就是百分比。然后需要指定名字,还需要做百分数。再加入 explored 即可。执行代码之后发现代码编译错误。更改代码,总代码如下:

arrivals_percent = [36.9, 30. 4, 13. 8, 4. 4, 4. 0, 3. 6, 2.9,2.6, 1.5]

fig. ax1 =plt.subplots(figsize=(20,12))

ax1. bar(range(10),top10_arrivals_values,color='blue')

ax2 = inset_axes(axl,width =6,height = 6.loc = 5)

explode = (0.08, 0.08, 0.05, 0.05,0.05,0.05,0.05,0.05,0.05)ax2.pie(arrivals_percent,labpls=arrivals_countries,autopct='1.1f',explode=explode)

执行以上代码之后出现如下图形:

image.png

也就是大图当中嵌套一个小图的绘画方法。这种方法主要就是用导入进去的工具来进行子图的绘画。在图中发现具有几个刻度,也可以将这几个刻度去掉,只需要加入代码:

for spine in axl.spines.values():

spine.set_visible (False)

需要为图表进行注释,获取10个注释及名字。如果只执行获取注释和名字的代码,代码的位置,就会出现一些问题。所以对代码进行更改,加入以下代码:

plt.xticks (range(10),top10_arrivals_countries,fontsize=18)

需要注意的是对哪个图进行注释操作就加入在哪个图的代码之后。加完名字之后,还可以进行字体更改。更改代码如下:patches,texts,autotexts=ax2.pie(arrivals_percent,labels=arrivals_countries,autopct='1.lf%',explode=expl

for text in textsfautotexts:text. set_fontsize(16)

for spine in axl.spines.values():

spine.set_visible(False)

主要运用到的就是画子图的一个工具。这个工具当中可以将任意的指标都画出。现在发现一个条形图上面没有指标,那么也可以在条形图中加入指标,加入代码:

def autolabel(rects):for rect in rects:

height =rect.get_heightO)

axl. text(rect. get_x(O + rect. get_width(/2., 1.02*height.

"(:.)".format(float(height)).

ha='center', va='botton',fontsize=18)

自动生成上面的东西就是指定了长度。长度就相当于是刻度在刻度上进行 test 的标注,就相当于是在条形图的最上面加入了一个值。写了这样一个函数之后,需要具体运用这个函数。在最后加上标注,当前需要传进来一些指标,再把传进来的指标付给他即可。将 bar 图赋值成一个变量在把变量传进来即可。以上就是基本标注的做法.

也可以指定一些特殊的形状,导入需要用到的库。直接将需要用到的东西复制到代码中,执行之后就可以画出一个小猫:

image.png

也就是说,通过自己定义图案,例如 mouth Left 的一些值,就表示左嘴角的值,指定了一个圆,他从多少度到多少度进行截取。所以说,此处也有一些自定义的图案进行截取,就可以进行拼接。一个小块之中有这些图案,也可以直接用这些图案来做一些事情。实现一些功能。以上就是子图的布局以及嵌套的方法。

相关文章
|
存储 安全 区块链
基于区块链技术的数字身份认证系统设计与实现
传统的身份认证系统存在着诸多安全和隐私风险,而基于区块链技术的数字身份认证系统则具有去中心化、不可篡改的特点。本文将探讨如何利用区块链技术设计和实现一套安全可靠的数字身份认证系统,以及其在实际应用中的潜力和挑战。
1429 12
|
监控 Java 应用服务中间件
SpringBoot3---核心特性---1、快速入门
SpringBoot3---核心特性---1、快速入门
|
机器学习/深度学习 资源调度 算法
【机器学习基础】多元线性回归(适合初学者的保姆级文章)
【机器学习基础】多元线性回归(适合初学者的保姆级文章)
699 0
|
12月前
|
存储 API 数据中心
docker的底层原理
本文概述了Docker的底层原理,包括客户端-服务器架构、容器运行时环境、内核共享、资源隔离、控制组、联合文件系统、可移植性、镜像构建以及插件和API等方面。
261 4
|
9月前
|
人工智能 容灾 Serverless
AI推理新纪元,PAI全球化模型推理服务的创新与实践
本次分享主题为“AI推理新纪元,PAI全球化模型推理服务的创新与实践”,由阿里云高级产品经理李林杨主讲。内容涵盖生成式AI时代推理服务的变化与挑战、play IM核心引擎的优势及ES专属网关的应用。通过LM智能路由、多模态异步生成等技术,PAI平台实现了30%以上的成本降低和显著性能提升,确保全球客户的业务稳定运行并支持异地容灾,目前已覆盖16个地域,拥有10万张显卡的推理集群。
|
12月前
|
设计模式 传感器 运维
Harmony设计模式-单例模式
Harmony设计模式-单例模式
163 0
|
JSON 前端开发 Java
Spring MVC返回JSON数据
综上所述,Spring MVC提供了灵活、强大的方式来支持返回JSON数据,从直接使用 `@ResponseBody`及 `@RestController`注解,到通过配置消息转换器和异常处理器,开发人员可以根据具体需求选择合适的实现方式。
390 4
|
存储 缓存 监控
MySQL 8.0中查询缓存的废弃与原因分析
MySQL 8.0中查询缓存的废弃与原因分析
712 1
|
负载均衡 网络协议 数据安全/隐私保护
ensp中vrrp虚拟路由器冗余协议 原理及配置命令
ensp中vrrp虚拟路由器冗余协议 原理及配置命令
1593 1
|
机器学习/深度学习 数据采集 算法
【Python 机器学习专栏】机器学习在医疗诊断中的前沿应用
【4月更文挑战第30天】本文探讨了机器学习在医疗诊断中的应用,强调其在处理复杂疾病和大量数据时的重要性。神经网络、决策树和支持向量机等方法用于医学影像诊断、疾病预测和基因数据分析。Python作为常用工具,简化了模型构建和数据分析。然而,数据质量、模型解释性和伦理法律问题构成挑战,需通过数据验证、可解释性研究及建立规范来应对。未来,机器学习将更深入地影响医疗诊断,带来智能和精准的诊断工具,同时也需跨学科合作推动其健康发展。
619 0