欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

一文帶你掌握Matplotlib風格與樣式

 更新時間：2023年09月21日 10:51:46   作者：盼小輝丶  
學過Python的小伙伴都會知道,Matplotlib是Python生態(tài)最好用的可視化工具庫,下面這篇文章主要給大家介紹了關于Matplotlib風格與樣式的相關資料,需要的朋友可以參考下

1. Matplotlib 風格

為了滿足不同的應用需求， Matplotlib  中包含了  28  種不同的風格，在進行繪圖時，可以根據(jù)需要選擇不同的繪圖風格。使用以下代碼可以獲取  Matplotlib  中所有可用的風格：

import matplotlib as mpl
from matplotlib import pyplot as plt
# 查看 Matplotlib 可用繪圖風格
print(plt.style.available)

打印出的可用風格如下：

['Solarize_Light2', '_classic_test_patch', '_mpl-gallery', '_mpl-gallery-nogrid', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']

使用  plt.style.use("style")  可以修改默認的繪圖風格，其中  style  為  Matplolib  中可用的風格：

import matplotlib as mpl
from matplotlib import pyplot as plt
import numpy as np
# 設置默認繪圖風格為 seaborn-darkgrid
plt.style.use("seaborn-darkgrid")  
x = np.linspace(0, 2 * np.pi, 100)
y = np.cos(x)
plt.plot(x, y)
plt.show()

Matplotlib風格

可以看到，與在《Matplotlib圖形繪制》中繪制的相同圖形相比，其風格具有較大差別。除此之外， Maplotlib  中還有一些非常有意思的風格，例如手繪風格：

import matplotlib as mpl
from matplotlib import pyplot as plt
import numpy as np
# 啟用手繪風格
plt.xkcd()
x = np.linspace(0, 2 * np.pi, 100)
y = np.cos(x)
plt.plot(x, y)
plt.show()

手繪風格

可以看到，使用手繪風格的方法十分簡單，只需要在繪圖前，調用  plt.xkcd()  函數(shù)即可：

import matplotlib as mpl
from matplotlib import pyplot as plt
import numpy as np
# 啟用手繪風格
plt.xkcd()
data = [[10., 20., 30., 20.],[40., 25., 53., 18.],[6., 22., 52., 19.]]
x = np.arange(4)
plt.bar(x + 0.00, data[0], color = 'b', width = 0.25)
plt.bar(x + 0.25, data[1], color = 'g', width = 0.25)
plt.bar(x + 0.50, data[2], color = 'r', width = 0.25)
plt.show()

手繪風格

除了  Matplotlib  自帶的預設風格外，我們也可以通過自定義顏色和樣式來構建滿足需求的自定義風格。

2. 使用自定義顏色

2.1 自定義顏色

Matplotlib  中有多種定義顏色的方法，常見的方法包括：

  • 三元組 ( Triplets )：顏色可以描述為一個實數(shù)三元組，即顏色的紅、藍、綠分量，其中每個分量在  [0,1]  區(qū)間內。因此， (1.0, 0.0, 0.0)  表示純紅色，而  (1.0, 0.0, 1.0)  則表示粉色。

  • 四元組 ( Quadruplets )：它們前三個元素與三元組定義相同，第四個元素定義透明度值。此值也在  [0,1]  區(qū)間內。將圖形渲染到圖片文件中時，使用透明顏色可以使繪制圖形與背景進行混合。

  • 預定義名稱： Matplotlib  將標準  HTML  顏色名稱解釋為實際顏色。例如，字符串  red  即可表示為紅色。同時一些某些顏色的具有簡潔的別名，如下表所示：

  • HTML  顏色字符串： Matplotlib  可以將  HTML  顏色字符串解釋為實際顏色。這些字符串被定義為  #RRGGBB ，其中  RR 、 GG 和  BB  分別是使用十六進制編碼的紅色、綠色和藍色分量。

  • 灰度字符串： Matplotlib  將浮點值的字符串表示形式解釋為灰度，例如  0.75  表示中淺灰色。

2.2 使用自定義顏色繪制曲線圖

通過設置  plt.plot()  函數(shù)的參數(shù)  color  (或等效的簡寫為  c )，可以設置曲線的顏色，如下所示：

import numpy as np
import matplotlib.pyplot as plt
def pdf(x, mu, sigma):
a = 1. / (sigma * np.sqrt(2. * np.pi))
b = -1. / (2. * sigma ** 2)
return a * np.exp(b * (x - mu) ** 2)
x = np.linspace(-6, 6, 1000)
for i in range(5):
samples = np.random.standard_normal(50)
mu, sigma = np.mean(samples), np.std(samples)
plt.plot(x, pdf(x, mu, sigma), color = str(.15*(i+1)))
plt.plot(x, pdf(x, 0., 1.), color = 'k')
plt.plot(x, pdf(x, 0.2, 1.), color = '#00ff00')
plt.plot(x, pdf(x, 0.4, 1.), color = (0.9,0.9,0.0))
plt.plot(x, pdf(x, 0.4, 1.), color = (0.9,0.9,0.0,0.8))
plt.show()

使用自定義顏色繪制曲線圖

2.3 使用自定義顏色繪制散點圖

可以以同樣的方式像控制曲線圖一樣控制散點圖的顏色，有兩種可用的形式：

  • 為所有點使用相同的顏色 ：所有點都將以相同的顏色顯示。
  • 為每個點定義不同的顏色：為每個點提供不同的顏色。

2.3.1 為所有點使用相同的顏色

利用從二元高斯分布中提取的兩組點  y_1  和  y_2 ，每一組中點的顏色相同：

import numpy as np
import matplotlib.pyplot as plt
y_1 = np.random.standard_normal((150, 2))
y_1 += np.array((-1, -1)) # Center the distrib. at <-1, -1>
y_2 = np.random.standard_normal((150, 2))
y_2 += np.array((1, 1)) # Center the distrib. at <1, 1>
plt.scatter(y_1[:,0], y_1[:,1], color = 'c')
plt.scatter(y_2[:,0], y_2[:,1], color = 'b')
plt.show()

為所有點使用相同的顏色

2.3.2 為每個點定義不同的顏色

我們有時會遇到這樣的繪圖場景，需要為不同類別的點使用不同的顏色進行繪制，以觀察不同類別間的差異情況。以Fisher’s iris數(shù)據(jù)集為例，其數(shù)據(jù)集中數(shù)據(jù)類似如下所示：

5.0,3.3,1.4,0.2,Iris-setosa
7.0,3.2,4.7,1.4,Iris-versicolo

數(shù)據(jù)集的每個點都存儲在以逗號分隔的列表中。最后一列給出每個點的標簽(標簽包含三類： Iris-virginica 、 Iris-versicolor  和  Iris-Vertosa )。在示例中，這些點的顏色將取決于它們的標簽，如下所示：

import numpy as np
import matplotlib.pyplot as plt
label_set = (
b'Iris-setosa',
b'Iris-versicolor',
b'Iris-virginica',
)
def read_label(label):
return label_set.index(label)
data = np.loadtxt('iris.data', delimiter = ',', converters = { 4 : read_label })
color_set = ('c', 'y', 'm')
color_list = [color_set[int(label)] for label in data[:,4]]
plt.scatter(data[:,0], data[:,1], color = color_list)
plt.show()

為每個點定義不同的顏色

對于三種可能的標簽，我們分別指定一種唯一的顏色，顏色在  color_set  中定義，標簽在  label_set  中定義。 label_set  中的第  i  個標簽與  color_set  中的第  i  個顏色相關聯(lián)。然后我們利用它們把標簽列表轉換成顏色列表  color_list 。然后只需調用  plt.scatter()  一次即可顯示所有點及其顏色。

除了以上方法外，我們也可以通過對三個不同的類別單獨調用  plt.scatter()  來實現(xiàn)，但這將需要更多的代碼。另外需要注意的是：如果兩點有可能有相同的坐標，但有不同的標簽，顯示的顏色將是后繪制點的顏色，我們也可以使用帶有透明通道的顏色值，用來顯示重疊點。

2.4 為散點圖中數(shù)據(jù)點的邊使用自定義顏色

與  color  參數(shù)控制點的顏色一樣，可以使用  edgecolor  參數(shù)控制數(shù)據(jù)點的邊的顏色，可以為每個點的邊設置相同的顏色：

import numpy as np
import matplotlib.pyplot as plt
data = np.random.standard_normal((100, 2))
plt.scatter(data[:,0], data[:,1], color = '1.0', edgecolor='r')
plt.show()

為散點圖中數(shù)據(jù)點的邊使用自定義顏色

除了為每個點的邊設置相同的顏色外，也可以像在為每個點定義不同的顏色部分中介紹的一樣為每個點的邊設置不邊的顏色。

2.5 使用自定義顏色繪制條形圖

控制繪制條形圖使用的顏色與曲線圖和散點圖的工作原理相同，即通過可選參數(shù)  color ：

import numpy as np
import matplotlib.pyplot as plt
w_pop = np.array([5., 30., 45., 22.])
m_pop = np.array( [5., 25., 50., 20.])
x = np.arange(4)
plt.barh(x, w_pop, color='m')
plt.barh(x, -m_pop, color='c')
plt.show()

使用自定義顏色繪制條形圖

同樣，使用  plt.bar()  和  plt.barh()  函數(shù)自定義顏色繪制條形圖的工作方式與  plt.scatter()  完全相同，只需設置可選參數(shù)  color ，同時也可以參數(shù)  edgecolor  控制條形邊的顏色。`

import numpy as np
import matplotlib.pyplot as plt
values = np.random.random_integers(99, size = 50)
color_set = ('c', 'm', 'y', 'b')
color_list = [color_set[(len(color_set) * val) // 100] for val in values]
plt.bar(np.arange(len(values)), values, color = color_list)
plt.show()

使用自定義顏色控制條形圖中條形邊的顏色

2.6 使用自定義顏色繪制餅圖

自定義餅圖顏色的方法類似于條形圖：

import numpy as np
import matplotlib.pyplot as plt
color_set = ('c', 'm', 'y', 'b')
values = np.random.rand(6)
plt.pie(values, colors = color_set)
plt.show()

使用自定義顏色繪制餅圖

餅圖接受使用  colors  參數(shù)(注意，此處是  colors ，而不是在  plt.plot()  中使用的  color  )的顏色列表。但是，如果顏色數(shù)少于輸入值列表中的元素數(shù)，那么  plt.pie()  將循環(huán)使用顏色列表中的顏色。在示例中，使用包含四種顏色的列表，為了給包含六個值的餅圖著色，其中有兩個顏色將使用兩次。

2.7 使用自定義顏色繪制箱型圖

使用以下代碼，修改箱型圖中線條顏色：

import numpy as np
import matplotlib.pyplot as plt
values = np.random.randn(100)
b = plt.boxplot(values)
for name, line_list in b.items():
for line in line_list:
line.set_color('m')
plt.show()

使用自定義顏色繪制箱型圖

2.8 使用色彩映射繪制散點圖

如果要在圖形中使用多種顏色，逐個定義每種顏色并不是最佳方案，色彩映射可以解決此問題。色彩映射用一個變量對應一個值(顏色)的連續(xù)函數(shù)定義顏色。 Matplotlib  提供了幾種常見的顏色映射；大多數(shù)是連續(xù)的顏色漸變。色彩映射在  matplotib.cm  模塊中定義，提供創(chuàng)建和使用色彩映射的函數(shù)，它還提供了預定義的色彩映射選擇。

函數(shù)  plt.scatter()  接受  color  參數(shù)的值列表，當提供  cmap  參數(shù)值時，這些值將被解釋為色彩映射的索引：

import numpy as np
import matplotlib.cm as cm
import matplotlib.pyplot as plt
n = 256
angle = np.linspace(0, 8 * 2 * np.pi, n)
radius = np.linspace(.5, 1., n)
x = radius * np.cos(angle)
y = radius * np.sin(angle)
plt.scatter(x, y, c = angle, cmap = cm.hsv)
plt.show()

使用色彩映射繪制散點圖

在  matplotlib.cm  模塊中提供了大量預定義的色彩映射，其中  cm.hsv  包含全光譜的顏色。

2.9 使用色彩映射繪制條形圖

plt.scatter()  函數(shù)內置了對色彩映射的支持，其他一些繪圖函數(shù)也內置支持色彩映射。但是，有些函數(shù)(如  plt.bar()  )并未內置對色彩映射的支持，在這種情況下， Matplotlib  可以從顏色映射顯式生成顏色：

import numpy as np
import matplotlib.cm as cm
import matplotlib.pyplot as plt
import matplotlib.colors as col
values = np.random.random_integers(99, size = 50)
cmap = cm.ScalarMappable(col.Normalize(0, 99), cm.binary)
plt.bar(np.arange(len(values)), values, color = cmap.to_rgba(values))
plt.show()

使用色彩映射繪制條形圖

以上代碼首先創(chuàng)建色彩映射  cmap ，以便將  [0, 99]  范圍內的值映射到  matplotlib.cm.binary  的顏色。然后，函數(shù)  cmap.to_rgba  將值列表轉換為顏色列表。因此，盡管  plt.bar()  并未內置色彩映射支持，但依舊可以使用并不復雜的代碼實現(xiàn)色彩映射。

2.10 創(chuàng)建自定義配色方案

Matplotlib  使用的默認顏色考慮的主要對象是打印文檔或出版物。因此，默認情況下，背景為白色，而標簽、軸和其他注釋則顯示為黑色，在某些不同的使用環(huán)境中，我們可能需要使用的配色方案；例如，將圖形背景設置為黑色，注釋設置為白色。

在  Matplotlib  中，各種對象(如軸、圖形和標簽)都可以單獨修改，但逐個更改這些對象的顏色配置并非最佳方案。我們可以使用在《Matplotlib安裝與配置》介紹的方法，通過修改配置集中改變所有對象，以配置其默認顏色或樣式：

import numpy as np
import matplotlib as mpl
from matplotlib import pyplot as plt
mpl.rc('lines', linewidth = 2.)
mpl.rc('axes', facecolor = 'k', edgecolor = 'w')
mpl.rc('xtick', color = 'w')
mpl.rc('ytick', color = 'w')
mpl.rc('text', color = 'w')
mpl.rc('figure', facecolor = 'k', edgecolor ='w')
mpl.rc('axes', prop_cycle = mpl.cycler(color=[(0.1, .5, .75),(0.5, .5, .75)]))
x = np.linspace(0, 7, 1024)
plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))
plt.show()

創(chuàng)建自定義配色方案

3. 使用自定義樣式

3.1 控制線條樣式和線寬

在實踐中，除了顏色，大多數(shù)情況下我們還要對圖形的線條樣式等進行控制，以為線條樣式添加多樣性。

3.1.1 線條樣式

import numpy as np
import matplotlib.pyplot as plt
def gaussian(x, mu, sigma):
a = 1. / (sigma * np.sqrt(2. * np.pi))
b = -1. / (2. * sigma ** 2)
return a * np.exp(b * (x - mu) ** 2)
x = np.linspace(-6, 6, 1024)
plt.plot(x, gaussian(x, 0., 1.), color = 'y', linestyle = 'solid')
plt.plot(x, gaussian(x, 0., .5), color = 'c', linestyle = 'dashed')
plt.plot(x, gaussian(x, 0., .25), color = 'm', linestyle = 'dashdot')
plt.show()

控制線條樣式

使用  plt.plot()  的  linestyle  參數(shù)來控制曲線的樣式，其他可用線條樣式包括： solid 、 dashed 、 dotted 、 dashdot 。同樣，線條樣式設置不僅限于  plt.plot() ，任何由線條構成的圖形都可以使用此參數(shù)，也可以說  linestyle  參數(shù)可用于所有涉及線條渲染的命令。例如，可以修改條形圖的線條樣式：

import numpy as np
import matplotlib.pyplot as plt
n = 10
a = np.random.random(n)
b = np.random.random(n)
x = np.arange(n)
plt.bar(x, a, color='c')
plt.bar(x, a+b, bottom=a, color='w', edgecolor='black', linestyle = 'dashed')
plt.show()

修改條形圖的線條樣式

由于在條形圖、餅圖等圖形中，默認的邊線的顏色為白色，因此若要在白色背景上顯示這些邊線，需要通過  edgecolor  參數(shù)改變邊線的默認顏色。

3.1.2 線寬

使用  linewidth  參數(shù)可以修改線條的粗細。默認情況下， linewidth  設置為1個單位。利用線條的粗細可以在視覺上強調某條特定的曲線。

import numpy as np
import matplotlib.pyplot as plt
def gaussian(x, mu, sigma):
a = 1. / (sigma * np.sqrt(2. * np.pi))
b = -1. / (2. * sigma ** 2)
return a * np.exp(b * (x - mu) ** 2)
x = np.linspace(-6, 6, 1024)
for i in range(64):
samples = np.random.standard_normal(50)
mu, sigma = np.mean(samples), np.std(samples)
plt.plot(x, gaussian(x, mu, sigma), color = '.75', linewidth = .5)
plt.plot(x, gaussian(x, 0., 1.), color = 'c', linewidth = 3.)
plt.show()

控制線寬

3.2 控制填充樣式

Matplotlib  提供了填充圖案用于填充平面。這些填充圖案，對于僅包含黑白兩色的圖形中具有重要作用。

import numpy as np
import matplotlib.pyplot as plt
n = 10
a = np.random.random(n)
b = np.random.random(n)
x = np.arange(n)
plt.bar(x, a, color='w', hatch='x', edgecolor='black')
plt.bar(x, a+b, bottom=a, color='w', edgecolor='black', hatch='/')
plt.show()

控制填充樣式

具有填充呈現(xiàn)性的函數(shù)(如  plt.bar()  )都可以使用可選參數(shù)  hatch  控制填充樣式，此參數(shù)的可選值包括： / ，  \ ，  | ，  - ，  + ，  x ，  o ，  O ， .  和  * ，每個值對應于不同的填充圖案； edgecolor  參數(shù)可用于控制填充圖案的顏色。

3.3 控制標記

3.3.1 控制標記樣式

在《Matplotlib圖形繪制》中，我們已經了解了如何繪制曲線，并明白了曲線是由點之間的連線構成的；此外，散點圖表示數(shù)據(jù)集中的每個點。而  Matplotlib  提供了多種形狀，可以用其他類型的標記替換點的樣式。標記的指定方式包括以下幾種：

  • 預定義標記：預定義的形狀，表示為  [0, 8]  范圍內的整數(shù)或某些預定義的字符串。
  • 頂點列表：值對列表，用作形狀路徑的坐標。
  • 正多邊形：表示  N  邊正多邊形的三元組  (N, 0, angle)  ，其中  angle  為旋轉角度。
  • 星形多邊形：它表示為三元組  (N, 1, angle) ，代表  N  邊正星形，其中  angle  為旋轉角度。
import numpy as np
import matplotlib.pyplot as plt
a = np.random.standard_normal((100, 2))
a += np.array((-1, -1))
b = np.random.standard_normal((100, 2))
b += np.array((1, 1))
plt.scatter(a[:,0], a[:,1], color = 'm', marker = 'x')
plt.scatter(b[:,0], b[:,1], color = 'c', marker = '^')
plt.show()

控制標記樣式

可以看到，使用  marker  參數(shù)，可以為每個數(shù)據(jù)集合指定不同的標記。

我們已經學習了如何在散點圖中為每個點定義不同的顏色，如果我們需要為每個點定義不同樣式該怎么辦呢？問題在于，與  color  參數(shù)不同， marker  參數(shù)不接受標記樣式列表作為輸入。因此，我們不能實現(xiàn)  plt.scatter()  的單次調來顯示具有不同標記的多個點集。解決方案是，將每種類型的數(shù)據(jù)點分隔置不同集合中，并為每個集合單獨調用  plt.scatter()  調用：

import numpy as np
import matplotlib.pyplot as plt
label_list = (
b'Iris-setosa',
b'Iris-versicolor',
b'Iris-virginica',
)
colors = ['c','y','m']
def read_label(label):
return label_list.index(label)
data = np.loadtxt('iris.data', delimiter = ',', converters = { 4 : read_label })
marker_set = ('^', 'x', '.')
for i, marker in enumerate(marker_set):
data_subset = np.asarray([x for x in data if x[4] == i])
plt.scatter(data_subset[:,0], data_subset[:,1], color = colors[i], marker = marker)
plt.show()

控制標記樣式

對于  plt.plot() ，也可以使用相同的標記參數(shù)訪問標記樣式。當數(shù)據(jù)點密集時，每個點都使用標記進行顯示將會導致圖片混亂，因此  Matplotlib  提供了  markevery  參數(shù)，允許每隔  N  個點顯示一個標記：

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-6, 6, 1024)
y_1 = np.sinc(x)
y_2 = np.sinc(x) + 1
plt.plot(x, y_1, marker = 'x', color = '.75')
plt.plot(x, y_2, marker = 'o', color = 'k', markevery = 64)
plt.show()

控制標記樣式

3.3.1 控制標記大小

標記的大小可選參數(shù)  s  進行控制：

import numpy as np
import matplotlib.pyplot as plt
a = np.random.standard_normal((100, 2))
a += np.array((-1, -1))
b = np.random.standard_normal((100, 2))
b += np.array((1, 1))
plt.scatter(a[:,0], a[:,1], c = 'm', s = 100.)
plt.scatter(b[:,0], b[:,1], c = 'c', s = 25.)
plt.show()

控制標記大小

標記的大小由  plt.scatter()  的參數(shù)  s  設置，但應注意它設置的是標記的表面積倍率而非半徑。 plt.scatter()  函數(shù)還可以接受列表作為  s  參數(shù)的輸入，其表示每個點對應的大?。?/p> 

import numpy as np
import matplotlib.pyplot as plt
m = np.random.standard_normal((1000, 2))
r_list = np.sum(m ** 2, axis = 1)
plt.scatter(m[:, 0], m[:, 1], c = 'w', edgecolor='c', marker = 'o', s = 32. * r_list)
plt.show()

控制標記大小

plt.plot()  函數(shù)允許在  markersize  (或簡寫為  ms  )參數(shù)的幫助下更改標記的大小，但是此參數(shù)不接受列表作為輸入。

3.3.3 創(chuàng)建自定義標記

雖然  Matplotlib  提供了多種標記形狀。但是在某些情況下我們可能仍然找不到適合具體需求的形狀。例如，我們可能希望使用公司徽標等作為形狀。

在  Matplotlib  中，將形狀描述為一條路徑——一系列點的連接。因此，如果要定義我們自己的標記形狀，必須提供一系列的點：

import numpy as np
import matplotlib.path as mpath
from matplotlib import pyplot as plt
shape_description = [
( 1., 2., mpath.Path.MOVETO),
( 1., 1., mpath.Path.LINETO),
( 2., 1., mpath.Path.LINETO),
( 2., -1., mpath.Path.LINETO),
( 1., -1., mpath.Path.LINETO),
( 1., -2., mpath.Path.LINETO),
(-1., -2., mpath.Path.LINETO),
(-1., -1., mpath.Path.LINETO),
(-2., -1., mpath.Path.LINETO),
(-2., 1., mpath.Path.LINETO),
(-1., 1., mpath.Path.LINETO),
(-1., 2., mpath.Path.LINETO),
( 0., 0., mpath.Path.CLOSEPOLY),
]
u, v, codes = zip(*shape_description)
my_marker = mpath.Path(np.asarray((u, v)).T, codes)
data = np.random.rand(8, 8)
plt.scatter(data[:,0], data[:, 1], c = 'm', marker = my_marker, s = 75)
plt.show()

創(chuàng)建自定義標識

通過以上示例，可以看到，所有帶有標記的  plt  繪圖函數(shù)都有一個可選參數(shù)  marker ，其參數(shù)值可以是預定義的  Matplotlib  標記，也可以是自定義的路徑實例，路徑對象在  matplotlib.path  模塊中定義。

Path  對象的構造函數(shù)將坐標列表和指令列表作為輸入；每個坐標一條指令，使用一個列表將坐標和指令融合在一起，然后將坐標列表和指令傳遞給路徑構造函數(shù)，如下所示：

u, v, codes = zip(*shape_description)
my_marker = mpath.Path(np.asarray((u, v)).T, codes)

形狀是通過光標的移動來描述的：

  • MOVETO ：此指令將光標移動到指定的坐標，并不畫線。
  • LINETO ：這將在光標當前點和目標點之間繪制直線，并將光標移動至目標點。
  • CLOSEPOLY ：此指令僅用于關閉路徑，每個形狀都以這條指示結束。

理論上，任何形狀都是可能的，我們只需要描述它的路徑。但在實踐中，如果想使用復雜的形狀，最好可以提前進行轉換工作。

相關鏈接

總結 

到此這篇關于Matplotlib風格與樣式的文章就介紹到這了,更多相關Matplotlib風格與樣式內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

相關文章

最新評論