要在 matplotlib 中將文字放置在圓圈內，我們可以採取以下步驟：使用 figure() 方法建立一個新圖形或啟用現有圖形。向當前軸新增子圖方法。使用 Circle() 類建立一個 Circle 例項。在繪圖上新增一個圓形路徑。要將文字放置在圓圈中，可以使用 text() 方法。使用 xlim() 和 ylim() 方法縮放 x 和 y 軸。要顯示圖形，請使用 show() 方法。示例 import matplotlib from matplotlib import pyplot as plt, patches plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_subplot(111) circle = matplotlib.patches.Circle((0, 0), radius=1, color='yellow') ax.add_patch(circle) plt.text(-.25, 0, "這是一個圓圈") plt.xlim([-4, 4]) plt.ylim([-4, 4]) plt.axis('equal') ... 閱讀更多

要在 Python 中重塑 NetworkX 圖，我們可以採取以下步驟：使用 Pandas 資料框建立一個數據框。使用 from_pandas_edgelist() 方法從包含邊列表的 Pandas 資料框返回一個圖。使用 matplotlib 繪製圖 G。我們可以透過增加和減少鍵“from”和“to”的列表來重塑網路。要顯示圖形，請使用 show() 方法。示例 import pandas as pd import networkx as nx from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True df = pd.DataFrame({'from': ['A', 'B', 'C', 'A'], 'to': ['D', 'A', 'E', 'C']}) G = nx.from_pandas_edgelist(df, 'from', 'to') nx.draw(G, with_labels=True, node_size=150, alpha=0.5, linewidths=40) plt.show()輸出 閱讀更多

要將圓形放置在矩形內，我們可以採取以下步驟：使用 figure() 方法建立一個新圖形或啟用現有圖形。向當前軸新增子圖。建立一個矩形和一個圓形例項。向當前軸新增矩形面片。向當前軸新增圓形面片。使用 xlim() 和 ylim() 方法縮放 x 和 y 軸。要顯示圖形，請使用 show() 方法。示例 import matplotlib from matplotlib import pyplot as plt, patches plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_subplot(111) rect = patches.Rectangle((2, 2), 8, 5, color='yellow') circle = patches.Circle((6, 4.5), radius=2, color='red') ax.add_patch(rect) ax.add_patch(circle) plt.xlim([-10, 10]) ... 閱讀更多

要在 matplotlib 中繪製和處理 NaN 值，我們可以採取以下步驟：使用 numpy 建立包含一些 NaN 值的資料。使用 imshow() 方法將資料顯示為影像，即在二維規則光柵上，使用顏色圖和資料（來自步驟 1）。要顯示圖形，請使用 show() 方法。示例 import numpy as np from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True data = np.array([[1., 1.2, 0.89, np.NAN], [1.2, np.NAN, 1.89, 2.09], [.78, .67, np.NAN, 1.78], [np.NAN, 1.56, 1.89, 2.78]] ) plt.imshow(data, cmap="gist_rainbow_r") plt.show()輸出

要在 iPython 中內聯顯示與 matplotlib 繪圖交錯的列印語句，我們可以採取以下步驟。步驟從 matplotlib 匯入 pyplot。為直方圖繪圖製作資料列表。初始化一個變數“i”在列印語句中使用。迭代資料列表（步驟 2）。使用 subplots() 方法建立一個圖形和一組子圖。放置列印語句。使用 hist() 方法繪製直方圖。將“i”增加 1。示例 In [1]: from matplotlib import pyplot as plt In [2]: myData = [[7, 8, 1], [2, 5, 2]] In [3]: i = 0 In [4]: for data in myData: ...: fig, ax = plt.subplots() ...: print("資料編號 i =", ... 閱讀更多

要刪除 matplotlib 軸中的相對位移，我們可以採取以下步驟：使用兩個輸入列表繪製一條線。使用 gca() 方法獲取當前軸，然後返回 X 軸例項。獲取主要刻度的格式化程式。要刪除相對位移，請使用 set_useOffset(False) 方法。要顯示圖形，請使用 show() 方法。示例 from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True plt.plot([10, 101, 1001], [1, 2, 3]) plt.gca().get_xaxis().get_major_formatter().set_useOffset(False) plt.show()輸出

要定義繪圖上網格的大小，我們可以採取以下步驟：使用 figure() 方法建立一個新圖形或啟用現有圖形。將軸作為子圖排列的一部分新增到圖形中。使用輸入列表繪製曲線。將 x 和 y 邊距設定為 0。要設定 X 網格，我們可以傳遞輸入刻度點。要以當前線型佈置網格線，請使用 grid(True) 方法。要顯示圖形，請使用 show() 方法。示例 from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True fig = plt.figure() ax = fig.add_subplot(111) ax.plot([0, 2, 5, 8, 10, 1, 3, 14], ... 閱讀更多

要獲取 matplotlib 直方圖函式中 bin 的資訊，我們可以採取以下步驟：為資料和 bin 建立一個數字列表。使用 histogram() 方法計算一組資料的直方圖。從直方圖（步驟 2）獲取 hist 和 edges。查詢直方圖中的頻率。使用 bin（步驟 1）和 freq（步驟 4）資料製作條形圖。要顯示圖形，請使用 show() 方法。示例 import numpy as np from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True a = [-0.125, .15, 8.75, 72.5, -44.245, 88.45] bins = np.arange(-180, 181, 20) hist, edges = np.histogram(a, bins) freq = hist/float(hist.sum()) plt.bar(bins[:-1], freq, width=20, ... 閱讀更多

要調整圖例標記和標籤之間的間距，我們可以在圖例方法中使用 labelspacing。步驟繪製帶有 label1、label2 和 label3 的線。初始化一個空間變數以增加或減少圖例標記和標籤之間的空間。在引數中使用帶有 labelspacing 的圖例方法。要顯示圖形，請使用 show() 方法。示例 from matplotlib import pyplot as plt plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True plt.plot([0, 1], [0, 1.0], label='Label 1') plt.plot([0, 1], [0, 1.1], label='Label 2') plt.plot([0, 1], [0, 1.2], label='Label 3') space = 2 plt.legend(labelspacing=space) plt.show()輸出

為了重新定義 matplotlib 顏色圖中特定值的顏色，我們可以採取以下步驟：使用 `get_cmap()` 方法獲取顏色圖例項，如果 *name* 為 None，則預設為 rc 值，此處使用灰色顏色圖。使用 `set_under()` 方法設定當 "norm.clip = False" 時低端超出範圍的值的顏色。使用 `imshow()` 方法顯示資料影像，即在二維規則光柵上顯示。使用 `show()` 方法顯示圖形。示例：`import numpy as np from matplotlib import pyplot as plt, cm plt.rcParams["figure.figsize"] = [7.00, 3.50] plt.rcParams["figure.autolayout"] = True cmap = cm.get_cmap('gray') cmap.set_under('red') plt.imshow(np.arange(25).reshape(5, 5), interpolation='none', cmap=cmap, vmin=.001) plt.show()`輸出閱讀更多