matplotlib 代码风格

简介:       当查看 matplotlib 官方文档和示例时,你会发现不同的编码风格和使用模式。这些风格是完全有效的,各有其优缺点。       几乎所有的例子都可以转换成另一种风格,以实现相同的结果。

 

      当查看 matplotlib 官方文档和示例时,你会发现不同的编码风格和使用模式。这些风格是完全有效的,各有其优缺点。

      几乎所有的例子都可以转换成另一种风格,以实现相同的结果。当然,需要注意的是不要把自己的代码风格搞混。

      两种不同的风格,都受官方支持。

 

 

      下面是使用 matplotlib 的首选方式。首选 pyplot 风格,顶部的导入脚本通常是:

import matplotlib.pyplot as plt
import numpy as np

 

 

      风格一:直接调用绘图函数,下面是一个简单的例子:

import matplotlib.pyplot as plt
import numpy as np
x
= np.arange(0, 10, 0.2) y = np.sin(x)
plt.plot(x, y) plt.show()

注意:这个示例使用了 pyplot 的状态机,自动地、隐式地创建一个图形figure和一个坐标系axes。

 

 

      风格二:想要完全控制你的图形,以及更高级的用法,就需要使用 pyplot 的接口显式的创建图形figure,然后使用对象方法:

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10, 0.2)
y = np.sin(x)
fig
= plt.figure() ax = fig.add_subplot(111) ax.plot(x, y) plt.show()

 

 

      风格三:纯 matlab 风格的示例:

from pylab import *

x = arange(0, 10, 0.2)
y = sin(x)

plot(x, y)
show()

注意:pylab 已经集成了matplotlib,numpy,scipy!

 

 

      下面再看看风格二的更极端的表现

    为此,我们引入两个类: FigureFigureCanvas。(如果不显式的引入,会自动的、隐式的引入)

 
from matplotlib.figure import Figure
from matplotlib.backends.backend_agg import FigureCanvasAgg as FigureCanvas
import numpy as np

x = np.arange(0, 10, 0.1)
y = np.sin(x)

fig    = Figure()
canvas = FigureCanvas(fig)
ax     = fig.add_axes([0.1, 0.1, 0.8, 0.8])
 
line,  = ax.plot(x, y)
ax.set_title("a straight line (OO)")
ax.set_xlabel("x value")
ax.set_ylabel("y value")
 
canvas.print_figure('demo.jpg')

注意:一般来说,这样显式的引入,很可能是为了把 matplotlib 绑定到tkinter,PyQt,wxPython等GUI中

 

目录
相关文章
|
9月前
|
XML Java 数据格式
Spring框架入门:IoC与DI
【5月更文挑战第15天】本文介绍了Spring框架的核心特性——IoC(控制反转)和DI(依赖注入)。IoC通过将对象的创建和依赖关系管理交给容器,实现解耦。DI作为IoC的实现方式,允许外部注入依赖对象。文章讨论了过度依赖容器、配置复杂度等常见问题,并提出通过合理划分配置、使用注解简化管理等解决策略。同时,提醒开发者注意过度依赖注入和循环依赖,建议适度使用构造器注入和避免循环引用。通过代码示例展示了注解实现DI和配置类的使用。掌握IoC和DI能提升应用的灵活性和可维护性,实践中的反思和优化至关重要。
541 4
|
机器学习/深度学习 存储 人工智能
Serverless的应用场景
Serverless的应用场景
238 0
|
弹性计算 Oracle Ubuntu
服务器迁移上云到新的服务器方法流程
服务器迁移上云到新的服务器方法流程,上云是趋势,越来越多企业的IDC服务器选择迁移上云,迁移上云的方式有很多,阿里云提供服务器迁移中心SMC来帮助用户迁移上云。使用SMC服务器迁移中心,将您的源服务器方便快捷地迁移至阿里云,支持的迁移源类型包括IDC服务器、虚拟机、其他云平台的云主机或其他类型的服务器。阿里云SMC服务器迁移中心了解一下,附Linux系统迁移上云和Windows系统迁移上云视频教程:
266 0
|
JavaScript 前端开发 Shell
最适合入门的Laravel中级教程Passport OAuth认证
最适合入门的Laravel中级教程Passport OAuth认证
355 0
|
3天前
|
人工智能 自然语言处理 Shell
深度评测 | 仅用3分钟,百炼调用满血版 Deepseek-r1 API,百万Token免费用,简直不要太爽。
仅用3分钟,百炼调用满血版Deepseek-r1 API,享受百万免费Token。阿里云提供零门槛、快速部署的解决方案,支持云控制台和Cloud Shell两种方式,操作简便。Deepseek-r1满血版在推理能力上表现出色,尤其擅长数学、代码和自然语言处理任务,使用过程中无卡顿,体验丝滑。结合Chatbox工具,用户可轻松掌控模型,提升工作效率。阿里云大模型服务平台百炼不仅速度快,还确保数据安全,值得信赖。
157353 24
深度评测 | 仅用3分钟,百炼调用满血版 Deepseek-r1 API,百万Token免费用,简直不要太爽。
|
5天前
|
人工智能 API 网络安全
用DeepSeek,就在阿里云!四种方式助您快速使用 DeepSeek-R1 满血版!更有内部实战指导!
DeepSeek自发布以来,凭借卓越的技术性能和开源策略迅速吸引了全球关注。DeepSeek-R1作为系列中的佼佼者,在多个基准测试中超越现有顶尖模型,展现了强大的推理能力。然而,由于其爆火及受到黑客攻击,官网使用受限,影响用户体验。为解决这一问题,阿里云提供了多种解决方案。
16979 37
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
PAI Model Gallery 支持云上一键部署 DeepSeek-V3、DeepSeek-R1 系列模型
DeepSeek 系列模型以其卓越性能在全球范围内备受瞩目,多次评测中表现优异,性能接近甚至超越国际顶尖闭源模型(如OpenAI的GPT-4、Claude-3.5-Sonnet等)。企业用户和开发者可使用 PAI 平台一键部署 DeepSeek 系列模型,实现 DeepSeek 系列模型与现有业务的高效融合。
|
5天前
|
并行计算 PyTorch 算法框架/工具
本地部署DeepSeek模型
要在本地部署DeepSeek模型,需准备Linux(推荐Ubuntu 20.04+)或兼容的Windows/macOS环境,配备NVIDIA GPU(建议RTX 3060+)。安装Python 3.8+、PyTorch/TensorFlow等依赖,并通过官方渠道下载模型文件。配置模型后,编写推理脚本进行测试,可选使用FastAPI服务化部署或Docker容器化。注意资源监控和许可协议。
1310 8
|
13天前
|
人工智能 搜索推荐 Docker
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手
DeepSeek R1 + LobeChat + Ollama:快速本地部署模型,创建个性化 AI 助手
3416 117
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手

热门文章

最新文章