Anpassen von Farben und Stilen
Farben
Bei der Besprechung von Balkendiagrammen wurden die Farben der einzelnen Balken angepasst. Um die Farbe für alle Diagramme einheitlich zu ändern, wird das Schlüsselwortargument color verwendet.
123456789101112131415161718import matplotlib.pyplot as plt import numpy as np data_linear = np.arange(0, 11) data_squared = data_linear ** 2 data_log = np.exp(data_linear) # Setting the color of the first line plot plt.plot(data_linear, label='linear function', color='red') # Setting the color of the second line plot plt.plot(data_squared, '-o', label='quadratic function', color='blue') plt.xticks(data_linear) plt.xlabel('x', loc='right') plt.ylabel('y', loc='top', rotation=0) plt.legend() plt.show()
In diesem Fall wurde für das erste Liniendiagramm die Farbe red und für das zweite die Farbe blue festgelegt. Im Gegensatz zu Streu- oder Balkendiagrammen, die aus mehreren Elementen bestehen, stellt ein Liniendiagramm nur ein einziges Element dar, sodass ihm nur eine Farbe zugewiesen werden kann. Zum Vergleich dient das folgende Balkendiagramm-Beispiel aus einem früheren Abschnitt:
123456789import matplotlib.pyplot as plt programming_languages = ['Python', 'Java', 'C#', 'C++'] shares = [40, 30, 17, 13] # Setting a separate color for each bar plt.bar(programming_languages, shares, color=['b', 'green', 'red', 'yellow']) plt.title('Percentage of users of programming languages') plt.show()
Transparenz
Ein weiterer Darstellungsparameter ist alpha (Transparenz des Diagramms). Der Standardwert ist 1 (deckend), was dem maximal möglichen Wert entspricht. Grundsätzlich reicht der mögliche Wertebereich von 0 bis 1, wobei 0 das Diagramm vollständig transparent macht.
123456789101112131415import matplotlib.pyplot as plt import numpy as np data_linear = np.arange(0, 11) data_squared = data_linear ** 2 # Changing the transparency of the first line plot plt.plot(data_linear, label='linear function', color='red', alpha=0.5) plt.plot(data_squared, '-o', label='quadratic function', color='blue') plt.xticks(data_linear) plt.xlabel('x', loc='right') plt.ylabel('y', loc='top', rotation=0) plt.legend() plt.show()
Durch die Verwendung von alpha=0.5 wurde das Diagramm der linearen Funktion transparenter gestaltet, um den Fokus stärker auf das Diagramm der quadratischen Funktion zu legen. Die Anpassung der Transparenz wird hauptsächlich genau zu diesem Zweck eingesetzt.
Swipe to start coding
- Die Farbe der untersten Balken auf
'darkslateblue'setzen. - Die Farbe der mittleren Balken auf
'steelblue'setzen (das Argument sollte dem Parameterlabelfolgen). - Die Transparenz der mittleren Balken auf
0.7setzen (das rechteste Argument). - Die Farbe der obersten Balken auf
'goldenrod'setzen.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Großartig!
Completion Rate verbessert auf 6.25Anpassen von Farben und Stilen
Swipe um das Menü anzuzeigen
Farben
Bei der Besprechung von Balkendiagrammen wurden die Farben der einzelnen Balken angepasst. Um die Farbe für alle Diagramme einheitlich zu ändern, wird das Schlüsselwortargument color verwendet.
123456789101112131415161718import matplotlib.pyplot as plt import numpy as np data_linear = np.arange(0, 11) data_squared = data_linear ** 2 data_log = np.exp(data_linear) # Setting the color of the first line plot plt.plot(data_linear, label='linear function', color='red') # Setting the color of the second line plot plt.plot(data_squared, '-o', label='quadratic function', color='blue') plt.xticks(data_linear) plt.xlabel('x', loc='right') plt.ylabel('y', loc='top', rotation=0) plt.legend() plt.show()
In diesem Fall wurde für das erste Liniendiagramm die Farbe red und für das zweite die Farbe blue festgelegt. Im Gegensatz zu Streu- oder Balkendiagrammen, die aus mehreren Elementen bestehen, stellt ein Liniendiagramm nur ein einziges Element dar, sodass ihm nur eine Farbe zugewiesen werden kann. Zum Vergleich dient das folgende Balkendiagramm-Beispiel aus einem früheren Abschnitt:
123456789import matplotlib.pyplot as plt programming_languages = ['Python', 'Java', 'C#', 'C++'] shares = [40, 30, 17, 13] # Setting a separate color for each bar plt.bar(programming_languages, shares, color=['b', 'green', 'red', 'yellow']) plt.title('Percentage of users of programming languages') plt.show()
Transparenz
Ein weiterer Darstellungsparameter ist alpha (Transparenz des Diagramms). Der Standardwert ist 1 (deckend), was dem maximal möglichen Wert entspricht. Grundsätzlich reicht der mögliche Wertebereich von 0 bis 1, wobei 0 das Diagramm vollständig transparent macht.
123456789101112131415import matplotlib.pyplot as plt import numpy as np data_linear = np.arange(0, 11) data_squared = data_linear ** 2 # Changing the transparency of the first line plot plt.plot(data_linear, label='linear function', color='red', alpha=0.5) plt.plot(data_squared, '-o', label='quadratic function', color='blue') plt.xticks(data_linear) plt.xlabel('x', loc='right') plt.ylabel('y', loc='top', rotation=0) plt.legend() plt.show()
Durch die Verwendung von alpha=0.5 wurde das Diagramm der linearen Funktion transparenter gestaltet, um den Fokus stärker auf das Diagramm der quadratischen Funktion zu legen. Die Anpassung der Transparenz wird hauptsächlich genau zu diesem Zweck eingesetzt.
Swipe to start coding
- Die Farbe der untersten Balken auf
'darkslateblue'setzen. - Die Farbe der mittleren Balken auf
'steelblue'setzen (das Argument sollte dem Parameterlabelfolgen). - Die Transparenz der mittleren Balken auf
0.7setzen (das rechteste Argument). - Die Farbe der obersten Balken auf
'goldenrod'setzen.
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
single
