用法 plt.figure (用法的英文)
本文目录导航：
plt.figure()用法
的用法
一、基本用法
``是Python中matplotlib库的一个函数，关键用于创立新的图形窗口。
经过调用这个函数，可认为数据可视化创立一个画布，以便在上方绘制不同的图表。
二、具体解释
1. 性能引见：
``是matplotlib中十分关键的一个函数，它的关键作用是创立一个新的图形窗口或激活一个已存在的图形窗口。
在数据剖析和可视化的环节中，咱们经常须要在一个画布上绘制多种类型的图表，如折线图、柱状图、散点图等。
这时，就可以经常使用``来创立多个独立的图形窗口，并在每个窗口内绘制不同的图表。
2. 参数设置：
``函数可以接受多种参数，用于定制图形的外观和尺寸。
经常出现的参数包含`figsize`、`dpi`、`facecolor`等。
经过这些参数，可以灵敏地调整图形的显示成果。
3. 经常使用场景：
在数据剖析和可视化的环节中，当须要展现多个相关或独立的图表时，可以经常使用``来创立多个图形窗口。
例如，在一个名目中或许须要同时展现开售额的趋向图和各个产品的开售散布图，这时就可以经过创立多个图形窗口来成功。
另外，当须要对同一个数据集启动多种类型的可视化展现时，也可以在同一个图形窗口内绘制不同类型的图表。
总结：
``是matplotlib库中十分适用的一个函数，关键用于创立新的图形窗口或激活已存在的图形窗口，以便在上方绘制不同类型的图表。
经过正当地经常使用这个函数，可以愈加明晰地展现数据和剖析结果。
Python之神奇的绘图库matplotlib
matplotlib是Python最驰名的绘图库，它提供了一整套和matlab相似的命令API，十分适宜交互式地启动制图。
本文将以例子的方式剖析matplot中允许的，剖析中罕用的几种图。
其中包含填充图、散点图(scatter plots)、. 条形图(bar plots)、等高线图(contour plots)、 点阵图和3D图，上方来一同看看具体的引见：
一、填充图
参考代码
简明剖析
这里关键是用到了fill_between函数。
这个函数很好了解，就是传入x轴的数组和须要填充的两个y轴数组；而后传入填充的范畴，用where=来确定填充的区域；最后可以加上填充色彩啦，透明度之类润色的参数。
成果图
二、散点图(scatter plots)
参考代码
简明剖析
1.首先引见一下numpy 的normal函数，很显著，这是生成正态散布的函数。
这个函数接受三个参数，区分示意正态散布的平均值，规范差，还有就是生成数组的长度。
很好记。
2.而后是arctan2函数，这个函数接受两个参数，区分示意y数组和x数组，而后前往对应的arctan(y/x)的值，结果是弧度制。
3.接上去用到了绘制散点图的scatter方法，首先当然是传入x和y数组，接着s参数示意scale，即散点的大小；c参数示意color，我给他传的是依据角度划分的一个数组，对应的就是每一个点的色彩（只管不知道是怎样对应的，不过如同是一个依据数组内其余元素启动的相对的转换，这里不关键了，反正相反的色彩赋一样的值就好了）；最后是alpha参数，示意点的透明度。
scatter函数的初级用法可以参见官网文档scatter函数或许help文档，最后设置下坐标范畴就好了。
成果图
三、等高线图(contour plots)
参考代码
简明剖析
1.首先要明白等高线图是一个三维平面图，所以咱们要建设一个二元函数f，值由两个参数管理，(留意，这两个参数都应该是矩阵)。
2.而后咱们须要用numpy的meshgrid函数生成一个三维网格，即，x轴由第一个参数指定，y轴由第二个参数指定。
并前往两个增维后的矩阵，今后就用这两个矩阵来生成图像。
3.接着就用到coutourf函数了，所谓contourf，大略就是contour fill的意思吧，只填充，不描边；这个函数关键是接受三个参数，区分是之前生成的x、y矩阵和函数值；接着是一个整数，大略就是示意等高线的密度了，有自动值；而后就是透明度和配色疑问了，cmap的配色打算这里不多钻研。
4.随后就是contour函数了，很显著，这个函数是用来描线的。
用法可以相似的推进去，不解释了，须要留意的是他前往一个对象，这个对象普通要保管上去个供后续的加工巧化。
5.最后就是用clabel函数来在等高线图上示意高度了，传入之前的那个contour对象；而后是inline属性，这个示意能否肃清数字上方的那条线，为了好看当然是肃清了，而且自动的也是1；再就是指定线的宽度了。
成果图
python matplotlib库的figsize()
matplotlib库，作为Python的弱小图表制造工具，提供了丰盛且灵敏的绘图性能。
在经常使用中，figsize参数是设置绘图幕布尺寸的关键。
经过函数，咱们可以创立绘图区域。
而figsize参数则用于指定该区域的大小，单位为英寸（inch）。
自动状况下，假设没有提供figsize值，它会驳回matplotlib的性能参数rcParams[“”]，即自动值为6.4英寸宽和4.8英寸高。
当设定figsize时，例如经常使用(figsize=(w, h))，其中`w`和`h`区分代表宽度和高度。
假设之后设置了分辨率（dpi），生成的图像属性中的分辨率会与`w`、`h`和dpi的乘积相婚配。
例如，假设dpi设为100，则生成图像的分辨率会是640x480像素。
初学者在学习matplotlib时，常遇到将()放在代码的扫尾，造成生成的图像尺寸与figsize设置不符的状况。
这促使作者深化钻研图像属性，并撰写了几篇文章讨论相关疑问。
经过通常，作者发现经常使用savefig()函数将图像保管在指定目录下时，若在()之前拔出savefig()，则图像尺寸与figsize设置齐全分歧。
若在()之后拔出savefig()，或许会产生保管的图像为空白或尺寸不准确的状况。
作者发现，在软件系统中观察到的图像并非实在尺寸，而是经过了缩放解决（resize）。
这不只影响图像的尺寸，还触及图像解决中的重采样环节。
重采样是依据一类像素消息推断另一类像素消息的环节，罕用方法包含最临近内插法、双线性内插法以及三次卷积法内插。
所见非见，提醒了图像显示与实践大小之间的巧妙相关，以及重采样在图像解决中的关键角色。
了解这一环节关于提升图像显示和保管至关关键。
phper