Anpassning av Rutnät
En annan viktig del av anpassningen är rutnätsanpassning. Modulen pyplot har en funktion grid() för detta ändamål.
Synlighet och axlar
Dess första parameter visible anger om rutnätslinjerna ska visas (som standard visas de inte).
Parametern axis vid rutnätsanpassning gör det möjligt att styra i vilken riktning rutnätslinjer visas i ett diagram:
'x'— visar vertikala rutnätslinjer i linje med x-axeln;'y'— visar horisontella rutnätslinjer i linje med y-axeln;'both'— visar rutnätslinjer i båda riktningarna (detta är standardbeteendet).
Denna parameter är användbar när du vill betona datajustering längs en specifik axel eller minska visuell överbelastning genom att begränsa rutnätslinjer till en riktning.
123456789101112131415161718import matplotlib.pyplot as plt import numpy as np data_linear = np.arange(0, 11) data_squared = data_linear ** 2 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) # Setting the horizontal grid lines to be visible plt.grid(True, axis='x') plt.legend() plt.show()
I det här exemplet har visible=True och axis='x' angetts för att endast aktivera de vertikala rutnätslinjerna. Detta förbättrar diagrammet genom att lägga till användbara referenslinjer utan att inkludera onödiga horisontella element.
Färg och transparens
Det är också möjligt att ändra färgen på rutnätslinjerna med parametern color och deras transparens med parametern alpha.
123456789101112131415161718import matplotlib.pyplot as plt import numpy as np data_linear = np.arange(0, 11) data_squared = data_linear ** 2 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) # Customizing the horizontal grid lines plt.grid(True, axis='x', alpha=0.2, color='black') plt.legend() plt.show()
Nu är våra rutnätslinjer svarta (color='black') och mer transparenta (alpha=0.2), vilket gör att diagrammet ser ännu bättre ut.
Det finns fortfarande fler möjliga parametrar för funktionen grid() (de används inte så ofta), så här är dess grid() dokumentation om du vill utforska mer.
Swipe to start coding
Du har fått temperaturdata för Boston och Seattle och behöver anpassa diagrammets rutnätslinjer för bättre läsbarhet.
Slutför koden för att konfigurera rutnätslinjerna enligt följande krav:
- Använd korrekt funktion för att konfigurera rutnätslinjer.
- Gör rutnätet synligt genom att ange första argumentet på rätt sätt.
- Begränsa rutnätet till linjer parallella med x-axeln (
axis='y'). - Ange rutnätslinjernas färg till
'slategrey'. - Justera transparensen för rutnätslinjerna till
0.5.
Lösning
Tack för dina kommentarer!
single
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Can you explain what the `alpha` parameter does in more detail?
How can I customize the grid lines for both axes at the same time?
What other grid customization options are available in matplotlib?
Awesome!
Completion rate improved to 3.85
Anpassning av Rutnät
Svep för att visa menyn
En annan viktig del av anpassningen är rutnätsanpassning. Modulen pyplot har en funktion grid() för detta ändamål.
Synlighet och axlar
Dess första parameter visible anger om rutnätslinjerna ska visas (som standard visas de inte).
Parametern axis vid rutnätsanpassning gör det möjligt att styra i vilken riktning rutnätslinjer visas i ett diagram:
'x'— visar vertikala rutnätslinjer i linje med x-axeln;'y'— visar horisontella rutnätslinjer i linje med y-axeln;'both'— visar rutnätslinjer i båda riktningarna (detta är standardbeteendet).
Denna parameter är användbar när du vill betona datajustering längs en specifik axel eller minska visuell överbelastning genom att begränsa rutnätslinjer till en riktning.
123456789101112131415161718import matplotlib.pyplot as plt import numpy as np data_linear = np.arange(0, 11) data_squared = data_linear ** 2 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) # Setting the horizontal grid lines to be visible plt.grid(True, axis='x') plt.legend() plt.show()
I det här exemplet har visible=True och axis='x' angetts för att endast aktivera de vertikala rutnätslinjerna. Detta förbättrar diagrammet genom att lägga till användbara referenslinjer utan att inkludera onödiga horisontella element.
Färg och transparens
Det är också möjligt att ändra färgen på rutnätslinjerna med parametern color och deras transparens med parametern alpha.
123456789101112131415161718import matplotlib.pyplot as plt import numpy as np data_linear = np.arange(0, 11) data_squared = data_linear ** 2 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) # Customizing the horizontal grid lines plt.grid(True, axis='x', alpha=0.2, color='black') plt.legend() plt.show()
Nu är våra rutnätslinjer svarta (color='black') och mer transparenta (alpha=0.2), vilket gör att diagrammet ser ännu bättre ut.
Det finns fortfarande fler möjliga parametrar för funktionen grid() (de används inte så ofta), så här är dess grid() dokumentation om du vill utforska mer.
Swipe to start coding
Du har fått temperaturdata för Boston och Seattle och behöver anpassa diagrammets rutnätslinjer för bättre läsbarhet.
Slutför koden för att konfigurera rutnätslinjerna enligt följande krav:
- Använd korrekt funktion för att konfigurera rutnätslinjer.
- Gör rutnätet synligt genom att ange första argumentet på rätt sätt.
- Begränsa rutnätet till linjer parallella med x-axeln (
axis='y'). - Ange rutnätslinjernas färg till
'slategrey'. - Justera transparensen för rutnätslinjerna till
0.5.
Lösning
Tack för dina kommentarer!
single