- 综合排序
- 最热优先
- 最新优先
- 来自专栏跟Qt君学编程
Qt官方示例-QML Axes
代码： ChartView { title: "Two Series, Common Axes" anchors.fill: parent legend.visible: false
1.5K50发布于 2019-09-06 - 来自专栏云时之间
matplotlib使用教程(二)：Axes和subplot
Axes是从作为画图者的我们的角度来定义的，我们要画的点、线等都在Axes这个层面来进行。画图用的坐标系统自然也是在Axes中来设置的。 返回给我们的自然是四个axes，可以通过查看axes证实： axes = fig.subplots(2,2) 在上图里，我们看到返回的对象是AxesSubplot，它实质上是包含了Axes的Subplot 在使用上，我们完全可以把它当做Axes使用。 如果我们只想在figure上画一幅图，就有两种方法： axes = fig.subplots(1,1) or axes = fig.subplots() 此时得到的axes是就是一个AxesSubplot _stale_figure_callback(self, val)>, '_axes': <matplotlib.axes.
2.7K20发布于 2020-11-20 - 来自专栏站长的编程笔记
【说站】python Axes容器如何绘图
python Axes容器如何绘图 说明 1、Axes容器用于创建特定的图形。例如画曲线，柱状图都是画在上面的。 2、设定x和y轴的值和最小值，设定刻度后，还可以设定x轴和y轴的值和最小值。 np.arange(0,10,2),np.random.rand(5)) ax1.set_yticks(np.arange(0,1,0.25)) ax2 = ax1.twinx() #克隆一个共享x轴的axes 对象 ax2.plot(np.random.randn(10),c="b") plt.show() 以上就是python Axes容器绘图的方法，希望对大家有所帮助。
39920编辑于 2022-11-24 - 来自专栏云时之间
matplotlib使用教程(三)：Axes中的绘图
这一系列文章原载于公众号工程师milter，如果文章对大家有帮助，恳请大家动手关注下哈~ ---- 在前面的文章中，我们已经了解到Axes才是我们绘图的主战场。 今天我们就来看看Axes中如何进行绘图。 一：Axes中的各种对象 在本系列的第一篇文章中，我们就了解到，matplotlib有过程式和面向对象式两种使用方法。 比如Axes、Figure都是containers。另一类就是基本图，即primitives，如线、图、文字等。 在上一篇文章中，可以看到Axes中有lines、artists、images等列表。 三：四种常见的容器 Figure，Axes、Axis、Tick是常见的四种容器，每种容器的属性我们最好熟悉一下，列到下面供参考： 好了，通过前面的4讲，我们主要是理清了matplotlib中最重要的基本概念
1.6K00发布于 2020-11-29 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE错误——Tile error: Arrays must have same lengths on all axes but the cat axis
imgCat: Tile error: Arrays must have same lengths on all axes but the cat axis 原始代码： var modis = ee.ImageCollection
29310编辑于 2024-02-02 - 来自专栏站长的编程笔记
【说站】python Axes3D绘制3D图形
python Axes3D绘制3D图形 说明 1、绘制3D坐标的函数Axes3D。 创建绘图对象，用这个绘图对象创建Axes对象。 2、X轴-2到2之间，Y轴-2到2之间。 Eastmount CSDN from matplotlib import pyplot as plt import numpy as np from mpl_toolkits.mplot3d import Axes3D # 绘制3D坐标的函数 fig = plt.figure() #创建一个绘图对象 ax = Axes3D(fig) #用这个绘图对象创建一个 Axes对象 X = np.arange(-2, 2, 0.25) #X轴-2到2之间 Y = np.arange(-2, 2, 0.25) #Y轴-2到2之间 print(Y) ax.set_ylabel('y label', color='g') ax.set_zlabel('z label', color='b') plt.show() 以上就是python Axes3D
1.9K20编辑于 2022-11-24 - 来自专栏机器学习与统计学
Matplotlib数据可视化：折线图与散点图
2, figsize=(10, 3), tight_layout=True) # 折线图 axes[0].set_title('图1 折 线 图') axes[0].plot(x1, y1) axes [0].plot(x1, y1+0.5) # 散点图 axes[1].set_title('图2 散 点 图') axes[1].scatter(x1, y1) axes[1].scatter(x1, 2, figsize=(10, 3), tight_layout=True) # 折线图 axes[0].set_title('图1 折 线 图') axes[0].plot(x1, y1, color # 散点图 axes[1].set_title('图2 散 点 图') axes[1].scatter(x1, y1, color='red') # 红色 axes[1].scatter(x1, 参数 axes[0, 0].plot(x1, y1+0.5, label='线2') # 传递label参数 axes[0, 0].legend(loc='best') # 默认就是best axes
1.5K20发布于 2020-05-25 - 来自专栏算法channel
Matplotlib绘制的27个常用图(附对应代码实现)
= example_utils.setup_axes() basic_bar(axes[0]) tornado(axes[1]) general(axes[2]) import example_utils def main(): fig, axes = setup_axes() plot(axes, *load_data()) # axes_pad=0) for ax in axes: ax.set(xticks=[], yticks=[]) return fig, axes main() ') axes[1].contourf(z, cmap='gist_earth') example_utils.label(axes[1], 'contourf') axes[2].contourf = example_utils.setup_axes() # 单箭头 axes[0].arrow(0, 0, -0.5, 0.5, width=0.005, color='black') axes[
1.2K40发布于 2019-11-14 - 来自专栏机器学习与统计学
Matplotlib数据可视化：三大容器对象与常用设置
一次画图的必经流程就是先创建好figure实例，接着由figure去创建一个或者多个axes，然后通过axes实例调用各种方法来添加各种基本型元素，最后通过axes实例本身的各种方法亦或者通过axes获取 （1） plt.axes() plt.axes()是指pyplot模块中的axes()方法，该方法会在当前激活的figure中创建一个axes，并使创建好的axes处于激活状态。 注意，如果在相同区域添加axes，后面添加的axes会把前面添加的axes覆盖。 （2） figure.add_axes() figure.add_axes()方法的作用是将一个axes添加到figure中，这一方法可以传入一个已创建好的axes作为第一个参数，add_axes会将传入的 同样，如果在相同区域添加axes，后面添加的axes会把前面添加的axes覆盖。
1.5K30发布于 2020-05-16 - 来自专栏生信宝典
Matplotlib绘制的27个常用图(附对应代码实现)
= example_utils.setup_axes() basic_bar(axes[0]) tornado(axes[1]) general(axes[2]) import example_utils def main(): fig, axes = setup_axes() plot(axes, *load_data()) # axes_pad=0) for ax in axes: ax.set(xticks=[], yticks=[]) return fig, axes main() ') axes[1].contourf(z, cmap='gist_earth') example_utils.label(axes[1], 'contourf') axes[2].contourf = example_utils.setup_axes() # 单箭头 axes[0].arrow(0, 0, -0.5, 0.5, width=0.005, color='black') axes[
1.2K20发布于 2019-11-22 - 来自专栏生信修炼手册
matplotlib实现一页多图
动态增加 直接指定是在创建figure的时候，就直接定义好多个axes的排列方式；动态增加则是根据需要在figure上添加axes。下面来具体看下用法 1. 直接指定 直接指定可以通过pyplot子模块的subplots函数来实现，基本用法如下 >>> fig, axes = plt.subplots() >>> axes <matplotlib.axes. _subplots.AxesSubplot object at 0x0A149E68> >>> fig, axes = plt.subplots(2,2) >>> axes array([[<matplotlib.axes axes的figure，然后通过数组下标来访问对应的axes对象。 为不同的axes指定不同的colspan和rowspan参数，从而实现不同axes不同大小的目的。
1.1K10发布于 2020-09-04 - 来自专栏毛利学Python
Python中的3D绘图命令~放到论文或PPT里太加分了
fig = plt.figure() ax = plt.axes(projection="3d") #Labeling ax.set_xlabel('X Axes') ax.set_ylabel(' Y Axes') ax.set_zlabel('Z Axes') plt.show() 2.Python Cmd 使用pythoncmd 插入相应的语句。 ] ax.plot3D(x,y,z) ax.set_xlabel('X Axes') ax.set_ylabel('Y Axes') ax.set_zlabel('Z Axes') plt.show linspace(0, 5, 400) ax.plot3D(x,y,z) ax.set_xlabel('X Axes') ax.set_ylabel('Y Axes') ax.set_zlabel(' from mpl_toolkits.mplot3d import axes3d ax = plt.axes(projection='3d') angle = linspace(0, 2*pi*5,
1.3K10编辑于 2022-09-22 《数字图像处理》第7章：小波变换和其他图像变换
('原始图像块') axes[1].imshow(Y, cmap='viridis') axes[1].set_title('变换后系数') axes[2].imshow(X_rec, cmap='gray =63) axes[0].set_title('原始图像块\n(斜坡模式)') plt.colorbar(im0, ax=axes[0]) im1 = axes[1].imshow(dct_coeffs , cmap='viridis') axes[1].set_title('DCT系数\n(能量集中在左上)') plt.colorbar(im1, ax=axes[1]) im2 = axes[2]. axes[0].set_title('原始图像') axes[1].imshow(compressed_coeffs, cmap='viridis') axes[1].set_title('压缩后系数\ ', fontsize=12) axes[1].set_ylim(-4, 4) axes[1].legend() axes[1].grid(True, alpha=0.3) # 第二级分解 axes[
57121编辑于 2026-01-21- 来自专栏数据分析1480
Matplotlib绘制的27个常用图(附对应代码实现，牛！)
= example_utils.setup_axes() basic_bar(axes[0]) tornado(axes[1]) general(axes[2]) import example_utils def main(): fig, axes = setup_axes() plot(axes, *load_data()) # axes_pad=0) for ax in axes: ax.set(xticks=[], yticks=[]) return fig, axes main() ') axes[1].contourf(z, cmap='gist_earth') example_utils.label(axes[1], 'contourf') axes[2].contourf = example_utils.setup_axes() # 单箭头 axes[0].arrow(0, 0, -0.5, 0.5, width=0.005, color='black') axes[
87420发布于 2019-12-05 - 来自专栏信数据得永生
Matplotlib 中文用户指南 4.2 基本的文本命令
命令式：matplotlib.pyplot.text，面向对象：matplotlib.axes.Axes.text。 xlabel 向 x 轴添加轴标签。 命令式：matplotlib.pyplot.xlabel，面向对象：matplotlib.axes.Axes.set_xlabel。 ylabel 向 y 轴添加轴标签。 命令式：matplotlib.pyplot.ylabel，面向对象：matplotlib.axes.Axes.set_ylabel。 title 向Axes添加标题。 命令式：matplotlib.pyplot.title，面向对象：matplotlib.axes.Axes.set_title。 figtext 向Figure的任意位置添加文本。 annotate 向Axes添加标注，带有可选的箭头。 命令式：matplotlib.pyplot.annotate，面向对象：matplotlib.axes.Axes.annotate。
71830编辑于 2022-12-01 《数字图像处理》第 2 章 - 数字图像基础
('光照分量 i(x,y)', fontsize=12) axes[0].axis('off') axes[1].imshow(r, cmap='gray', vmin=0, vmax=1) axes (f'原始图像（{h}x{w}）', fontsize=12) axes[0,0].axis('off') axes[0,1].imshow(img_32, cmap='gray') axes[0,1 axes[1,0].imshow(img_16level, cmap='gray') axes[1,0].set_title('灰度分辨率16级', fontsize=12) axes[1,0].axis ('off') axes[1,1].imshow(img_2level, cmap='gray') axes[1,1].set_title('灰度分辨率2级', fontsize=12) axes[1,1 ('off') axes[2,1].plot(hist) axes[2,1].set_title('灰度直方图', fontsize=12) axes[2,1].set_xlabel('灰度值') axes
20310编辑于 2026-01-21- 来自专栏用户3288143的专栏
【数据分析与可视化】seaborn图形显示效果的设置
import seaborn as sns 主题参数sns.axes_style()设置主题sns.set_style(style[0]) sinplot() ? # 主题参数 sns.axes_style() {'axes.facecolor': '#EAEAF2', 'axes.edgecolor': 'white', 'axes.grid': True, 'axes.axisbelow': True, 'axes.labelcolor': '.15', 'figure.facecolor': 'white', 'grid.color': 'white ': True, 'axes.spines.bottom': True, 'axes.spines.right': True, 'axes.spines.top': True} # 设置主题参数（ sns.plotting_context() {'font.size': 12.0, 'axes.labelsize': 12.0, 'axes.titlesize': 12.0, 'xtick.labelsize
1K20发布于 2020-07-07 - 来自专栏图像处理与模式识别研究所
MorphACWE图像分割
morphological_chan_vese(gray,30,init_level_set=init_lvl_set,smoothing=3,iter_callback=callback) fig,axes =pylab.subplots(2,1,figsize=(8,6)) axes=axes.flatten() axes[0].imshow(img,cmap="gray"),axes[0].set_axis_off (),axes[0].contour(lvl_set,[0.5],colors='r') axes[0].set_title("Morphological ACWE segmentation",fontsize =12) axes[1].imshow(lvl_set,cmap="gray"),axes[1].set_axis_off() contour=axes[1].contour(evolution[5], [0.5],colors='g') contour.collections[0].set_label("Iteration 5") contour=axes[1].contour(evolution[10
50520编辑于 2022-05-28 - 来自专栏飞总聊IT
matplotlib绘图的核心原理讲解
对比到matplotlib中，就是需要指定axes(坐标系)，每一个axes(坐标系)相当于一张画布上的一块区域。一张画布上，可以分配不同区域，也就是说，一张画布，可以指定多个axes(坐标系)。 对比到matplotlib中，我们在axes1中画了一个条形图，在axes2中画了一个饼图，在axes3中画了一个折线图。 通过上述分析，总结如下：一个figure(画布)上，可以有多个区域axes(坐标系)，我们在每个坐标系上绘图，也就是说每个axes(坐标系)中，都有一个axis(坐标轴)。 举例说明： figure = plt.figure() axes1 = figure.add_subplot(2,1,1) axes2 = figure.add_subplot(2,1,1) axes1 (2,1,1) axes2 = figure.add_subplot(2,1,1) ⑤ 调用axes对象，进行对应位置的图形绘制 这一步，是我们传入数据，进行绘图的一步。
1.2K20发布于 2020-02-25 《数字图像处理》第2章-数字图像基础
11, fontweight='bold') axes[row, col].axis('off') plt.colorbar(im, ax=axes[row, col], 原始图像 axes[0, 0].imshow(self.original, cmap='gray') axes[0, 0].set_title('原始图像 (256×256 ') axes[0, 0].grid(True, alpha=0.3) axes[0, 1].imshow(downsampled, cmap='gray ='bold') axes[0].set_xlabel('滞后') axes[0].set_ylabel('自相关系数') axes[0].grid(True set_xlabel('滞后') axes[1].set_ylabel('互相关系数') axes[1].grid(True, alpha=0.3) axes
16510编辑于 2026-01-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号