使用 Matplotlib 绘制风格图

原文:https://www.geeksforgeeks.org/style-plots-using-matplotlib/

Matplotlib 是 Python 中最流行的用于数据可视化的包或库。通过使用这个库,我们可以生成图和图形,并可以轻松地创建光栅和矢量文件,而无需使用任何其他图形用户界面。使用 matplotlib,我们可以像使用 CSS 样式来设计 HTML 网页一样来设计情节。我们只需要导入 matplotlib 库的样式包。

样式包中有各种内置样式,我们还可以编写定制的样式文件,然后,要使用这些样式,您需要导入它们并应用于图形和绘图。这样,我们不需要一次又一次地为每个图单独编写不同的代码行,也就是说,只要需要,代码就可以重用。

首先,我们将导入模块:

from matplotlib import style

要列出所有可用的样式:

Python 3

from matplotlib import style

print(plt.style.available)

输出:

['Solarize_Light2 ',' _classic_test_patch ',' bmh ',' classic ',' dark_background ',' fast ',' fivethirtyeight ',' ggplot ','灰度',' seaborn ',' seaborn-bright ',' seaborn-colorblind ',' seaborn-color blind ',' seaborn-dark ',' seaborn-darkgrid ',' seaborn-deep ',' seaborn-muted ',' seaborn-noteboon ',' seaborn-paper ',' seaborn-talk ',' seaborn-ticks

以上是软件包中可用的样式列表。

语法: plt.style.use('style_name ')

其中 style_name 是我们要使用的样式的名称。

进场:

  • 导入模块。
  • 为绘图创建数据。
  • 在绘图中使用想要添加的样式。
  • 创造一个情节。
  • 展示剧情。

例 1:

Python 3

# importing all the necessary packages
import numpy as np
import matplotlib.pyplot as plt

# importing the style package
from matplotlib import style

# creating an array of data for plot
data = np.random.randn(50)

# using the style for the plot
plt.style.use('Solarize_Light2')

# creating a plot
plt.plot(data)

# show plot
plt.show()

输出:

例 2:

Python 3

# importing all the necessary packages
import numpy as np
import matplotlib.pyplot as plt

# importing the style package
from matplotlib import style

# creating an array of data for plot
data = np.random.randn(50)

# using the style for the plot
plt.style.use('dark_background')

# creating a plot
plt.plot(data)

# show plot
plt.show()

输出:

例 3:

Python 3

# importing all the necessary packages
import numpy as np
import matplotlib.pyplot as plt

# importing the style package
from matplotlib import style

# creating an array of data for plot
data = np.random.randn(50)

# using the style for the plot
plt.style.use('ggplot')

# creating plot
plt.plot(data, linestyle=":", linewidth=2)

# show plot
plt.show()