plt.title("$MFCC_0$参数中值滤波", fontsize=15,fontweight='bold')
plt.xlabel("时间/s", fontsize=15,fontweight='bold')
plt.ylabel("数值", fontsize=15,fontweight='bold')
plt.yticks(fontproperties='Times New Roman', size=15,weight='bold')
plt.xticks(fontproperties='Times New Roman', size=15)
plt.rcParams['font.sans-serif'] = ['KaiTi']
plt.rcParams['axes.unicode_minus'] = False
plt.tight_layout()
plt.vlines(starts2time, min(Mfcc1)-10, max(Mfcc1)+10, colors="black", linestyles="solid",lw=2)
plt.vlines(ends2time, min(Mfcc1)-10, max(Mfcc1)+10, colors="black", linestyles="dashed",lw=2.5)
plt.legend(['train acc','train loss'])
plt.legend(['train acc','train loss'],fontsize=12)
plt.xticks([])
plt.yticks([])
plt.axis('off')
plt.savefig(pic_name,bbox_inches='tight',pad_inches=0.0)
ax1 = plt.subplot(2, 3, 1)
ax1.spines['right'].set_visible(False)
ax1.spines['top'].set_visible(False)
ax1.spines['left'].set_visible(False)
ax1.spines['bottom'].set_visible(False)
# 修改标题及x,y坐标轴字体及大小plt.title("$MFCC_0$参数中值滤波", fontsize=15,fontweight='bold')plt.xlabel("时间/s", fontsize=15,fontweight='bold')plt.ylabel("数值", fontsize=15,fontweight='bold')# 修改坐标轴字体及大小plt.yticks(fontproperties='Times New Roman', size=15)plt.xticks(f
把字体都设置成为“Times New Roman”
plt.figure(figsize=[15,8])
plt.scatter(X, Y, label = 'RealValue')
plt.plot(X, func(X, a, b), 'red', label = 'CurveLine')
plt.title(station, fontdict={'family' : 'Times New Ro...
import matplotlib.pyplot as plt
#数据设置
x1 =[0,5000,10000, 15000, 20000, 25000, 30000, 35000, 40000, 45000, 50000, 55000];
y1=[0, 223, 488, 673, 870, 1027, 1193, 1407, 1609, 1791, 2113, 2388];
x2 =[0,5000,10000, 15000, 20000, 250
plt.xticks(np.linspace(0,360,6),[140,160,180,200,220,240],rotation=0,size=12)
size即控制刻度字体大小
2.设置标签字体大小
plt.xlabel('Ls (Degree)',fontsize=12)
fontsize即控制标签字体大小
3.设置colorbar的刻度以及标签大小
font={'size':12}
cb = plt.colorbar(shrink=0.6)
cb.set_
# 设置中文字体
plt.rcParams['axes.unicode_minus'] = False # 不使用中文减号
plt.rcParams['font.sans-serif'] = 'FangSong' # 设置字体为仿宋(FangSong)
字体样式准备
新宋体:NSimSun
仿宋:FangSong
楷体:KaiTi
仿宋_GB2312:FangSong_GB2312
楷体_GB2312:KaiTi_GB2.
python画图(给横纵坐标命名、设置横坐标刻度、间距、起始位 画图(给横纵坐标命名、设置横坐标刻度、间距、起始位 置)(图⽂详细⼊门教程⼆) 置)(图⽂详细⼊门教程⼆) 初衷 初衷 本⼈由于平常写论⽂需要输出⼀些结果图,但是苦于在⽹上搜python画图时,详细的教程⾮常多,但是就是找不到能马上解决⾃⼰问题那⼀⾏代 码,所以打算写⼀些适合需求简单的朋友应急⽤的教程,应急就必须⽅便搜索,所以我把主要的内容写在了标题,⽅便⼤家到主页查找对应的功 能,教程⾥有对应的效果图,⽅便查看,希望可以帮助到有需要的朋友。 说明 说明 本教程的效果图是在jupyter notebook完成。教程是接着之前的效果图完成的,对应会有关键代码,完整代码会附在最后 横纵坐标命名 横纵坐标命名 plt.xlabel("横坐标") plt.ylabel("纵坐标") 设置横坐标刻度、起始 设置横坐标刻度、起始 设置横坐标从0开始,间隔为1 my_x_ticks = np.arange(0, 13, 1)#原始数据有13个点,故此处为设置从0开始,间隔为1 plt.xticks(my_x_ticks) 设置横坐标从1
python绘图的包大家应该不会陌生,但是,对图的常规设置不一定会知道(其实自己也是才知道的),比如:坐标轴的字体大小、颜色设置;标题的字体颜色大小设置;线的粗细、颜色;图片风格的设置等。了解这些常规设置必定会让图片更加美观。
下面就具体来说说matplotlib中有哪些常规设置。
我主要总结了这几个函数:
plt.style.use()函数;可以对图片的整体风格进行设置。可以通过plt.style.availabel知道一共有多少种主题。
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
impor
在使用Matplotlib库进行绘图时,你可以通过添加副坐标轴(secondary axis)来在同一图表上显示不同范围的数据。这在比较具有不同量纲的数据时很有用。
下面是一个示例代码,演示如何添加副坐标轴:
```python
import matplotlib.pyplot as plt
import numpy as np
# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.exp(x)
# 创建主坐标轴
fig, ax1 = plt.subplots()
# 绘制第一个数据
color = 'tab:red'
ax1.set_xlabel('X')
ax1.set_ylabel('sin(x)', color=color)
ax1.plot(x, y1, color=color)
ax1.tick_params(axis='y', labelcolor=color)
# 创建副坐标轴
ax2 = ax1.twinx()
# 绘制第二个数据
color = 'tab:blue'
ax2.set_ylabel('exp(x)', color=color)
ax2.plot(x, y2, color=color)
ax2.tick_params(axis='y', labelcolor=color)
# 添加图例
lines = [ax1.get_lines()[0], ax2.get_lines()[0]]
labels = [line.get_label() for line in lines]
plt.legend(lines, labels)
plt.show()
运行上述代码,将绘制一个包含两个数据系列的图形,其中一个数据系列使用左侧的主坐标轴,另一个数据系列使用右侧的副坐标轴。
在示例代码中,我们首先创建了一个主坐标轴 `ax1`,并绘制了一个sin函数的数据。然后,通过调用 `ax1.twinx()` 创建了一个副坐标轴 `ax2`,并在该坐标轴上绘制了指数函数的数据。最后,使用 `plt.legend()` 添加了图例。
你可以根据自己的需求修改数据和绘图方式,并使用 `ax1` 和 `ax2` 对象来设置主坐标轴和副坐标轴的属性。