相关疑难解决方法(0)

如何在左下角的 matplotlib 图上制作 0,0?

我目前有一个使用 mathplotlib 的图,看起来像这样 图形

然而,线条实际开始的位置和图形边缘之间的边距是不必要的,你知道我如何摆脱边距,让 0,0 从角落开始吗?

例如,我希望它看起来像这样 在此处输入图片说明

python matplotlib

8
推荐指数
1
解决办法
1万
查看次数

Matplotlib:取消matplotlib 2.0中引入的轴的偏移量

我在编辑作品时注意到了这种细微差别.

以前,matplotlib看起来像这样:

x=[1,2,3,4,5]
y=[4,5,5,2,1]
plot(x,y,'-')
Run Code Online (Sandbox Code Playgroud)

在此输入图像描述

但是在最近的升级之后我相信,有偏差,这将会像这样回归

在此输入图像描述

这与我现在看到的有点不相干.我想知道

  1. 如果这种偏移是数据可视化的一个很好的实践?如果是这样,我会保持原样.

  2. 如何取消这个偏移量?

我可以手动恢复限制plt.gca().set_xlim([1, 5]),但如果我有另外20个图,则无法扩展.我用Google搜索并没有找到太多关于此的信息.

python data-visualization matplotlib

3
推荐指数
1
解决办法
768
查看次数

如何在Matplotlib中将轴设置为从角开始

这是我绘制的图表:

# MatPlotlib
import matplotlib.pyplot as plt
# Scientific libraries
import numpy as np

plt.figure(1)

points = np.array([(100, 6.09),
                   (111, 8.42),
                   (119, 10.6),
                   (129, 12.5),
                   (139, 14.9),
                   (149, 17.2),
                   (200, 28.9),
                   (250, 40.9),
                   (299, 52.4),
                   (349, 64.7),
                   (400, 76.9)])

# get x and y vectors
x = points[:,0]
y = points[:,1]
# calculate polynomial
z = np.polyfit(x, y, 3)
f = np.poly1d(z)
# calculate new x's and y's
x_new = np.linspace(x[0], x[-1], 50)
y_new = f(x_new)

plt.plot(x,y,'bo', x_new, y_new)

plt.show() …
Run Code Online (Sandbox Code Playgroud)

matplotlib

3
推荐指数
1
解决办法
4018
查看次数

Seaborn - 从 DataFrame 直方图中删除间距

我正在尝试从seaborn通过该DataFrame.hist方法启用的 DataFrame 生成直方图,但我不断发现在直方图本身的任一侧添加了额外的空间,如下图中的红色箭头所示: 带有额外间距的直方图

如何删除这些空格?重现此图的代码如下:

import seaborn as sns
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

from random import seed, choice
seed(0)

df = pd.DataFrame([choice(range(250)) for _ in range(100)], columns=['Values'])

bins = np.arange(0, 260, 10)

df['Values'].hist(bins=bins)
plt.tight_layout()
plt.show()
Run Code Online (Sandbox Code Playgroud)

python pandas seaborn

3
推荐指数
1
解决办法
2879
查看次数

标签 统计

matplotlib ×3

python ×3

data-visualization ×1

pandas ×1

seaborn ×1