Python制图 | 01.使用Matplotlib绘制统计图

2020-09-04 930

Section One - Plotting with Matplotlib

学习目标：

解释matplotlib面向对象的绘图方法
使用matplotlib创建不同类型的绘图
使用matplotlib自定义绘图（包括标签和颜色）
使用matplotlib创建具有多个子图的绘图

Matplotlib是Python中最常用的绘图库，下面了解如何开始使用matplotlib创建和自定义绘图

1.1 概述

Matplotlib是一个Python绘图包，它使从存储在各种数据结构中的数据（包括列表、numpy数组和pandas数据框）创建二维图变得简单。Matplotlib使用了一种面向对象的绘图方法。这意味着可以通过向绘图中添加新的元素来逐步构建绘图

matplotlib绘图中主要会用到两个对象：

figure对象：整体的图空间，可以包含一个或多个子图

axis对象：在图空间中呈现的各个子图，可以把figure对象看作是整个绘图画布，而axis对象看作是其中的一个子图

一个图空间可以容纳一个或多个axis对象，这种结构允许我们创建带有一个或多个子图的图形

虽然Matplotlib包含许多模块，提供不同的绘图功能，但最常用的模块是pyplot

Pyplot提供的方法可用于向图形对象添加不同的组件，包括将各个图创建为axis对象，也就是子图

pyplot模块通常使用别名plt导入，如下所示：

# Import pyplot
import matplotlib.pyplot as plt

1.2 使用Matplotlib创建图像

要使用matplotlib的面向对象方法创建一个图，首先要使用pyplot模块中的subplots()函数创建一个图(可以称为fig)和至少一个轴(可以称为ax)

fig, ax = plt.subplots()

请注意，通过将fig和ax设置为等于pyplot.subplots()函数的输出值，fig和ax被同时创建。由于没有提供其他参数，结果是一个带有一个空图的图

# Create figure and one plot (axis object) 
fig, ax = plt.subplots()

1.3 更改图片大小

使用figsize参数设置绘图空间的宽和高

figsize = (width, height)

# Resize figure
fig, ax = plt.subplots(figsize = (10, 6))

1.4 绘制多个子图

使用matplotlib的面向对象方法，通过创建额外的axis对象，可以更容易地在图空间中创建多个子图

当添加多个axis对象时，最好的做法是给它们不同的名称（如ax1和ax2），这样就可以很容易地单独使用每个axis

因此，需要为plt.subplots提供新的参数，用于图的布局：（行数，列数）

plt.subplots(1, 2)

在本例中，1、2表示布局为1行,2列

# Figure with two plots
fig, (ax1, ax2) = plt.subplots(1, 2, figsize = (10, 6))

相反地，(2,1)表示2行，1列格局分布

fig, (ax1, ax2) = plt.subplots(2, 1, figsize = (10, 6))

由于定义了figsize=(10,6)，figure绘图空间会保持这个大小，无论如何设置行数或列数是多少

但是，可以调整行数、列数以及figsize，以得到需要的大小

# Figure with two plots
fig, (ax1, ax2) = plt.subplots(2, 1, figsize = (12, 12))

可以根据需要继续添加任意数量的axis对象，以创建所需图形的整体布局，并根据需要继续调整图形大小

# Figure with three plots
fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize = (15, 15))

Matplotlib 面向对象方法的一个主要优点是，每个axis都是独立的的对象，可以独立于图中的其他绘图独立地进行自定义绘制

2 使用 Matplotlib 绘制自定义图表

在本章的前面，学习了如何使用pyplot中的subplot ()函数创建图形和轴对象(使用别名plt导入) :

fig，ax = plt.subplots()

现在已经知道如何使用matplotlib创建基本的绘图，可以开始向图中的绘图添加数据了

首先导入别名plt的matplotlib.pyplot模块，并创建一些列表来绘制由美国国家海洋和大气管理局(NOAA)提供的*科罗拉多州博尔德市的月平均降水量(英寸)*

# Import pyplot 导入包
import matplotlib.pyplot as plt

# Monthly average precipitation 月平均降水量
boulder_monthly_precip = [0.70, 0.75, 1.85, 2.93, 3.05, 2.02, 
                          1.93, 1.62, 1.84, 1.31, 1.39, 0.84]

# Month names for plotting 月份
months = ["Jan", "Feb", "Mar", "Apr", "May", "June", "July", 
          "Aug", "Sept", "Oct", "Nov", "Dec"]

2.1 使用 Matplotlib 绘制数据

可以通过调用所需的ax对象将数据添加到绘图中，该对象是先前定义的axis元素:

fig，ax = plt.subplots()

通过调用ax对象的plot()方法，并指定绘图的x轴(水平轴)和y轴(垂直轴)的参数如下

plot(x_axis, y_axis)

在这个例子中，你正在从之前定义的列表中添加数据，数据沿着x轴和y轴分布

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.plot(months, 
        boulder_monthly_precip)

[<matplotlib.lines.Line2D at 0x7f0b21ed3e48>]

可以注意到，输出显示了图形的对象类型以及唯一标识符(内存位置)

[<matplotlib.lines.Line2D at 0x7f81afe900b8>]

可以通过在代码末尾调用plt.show()来隐藏该信息

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.plot(months,boulder_monthly_precip)
    
plt.show()

2.2 Matplotlib Plot 对象的命名约定

Python 社区中的惯例是使用ax来命名axis对象，但这并不是唯一的

# Define plot space with ax named bob
fig, bob = plt.subplots(figsize=(10, 6))

# Define x and y axes
bob.plot(months,boulder_monthly_precip)

plt.show()

2.3 创建不同类型的Matplotlib图: 散点图和条形图

默认情况下，ax.plot 将绘图创建为线图(这意味着所有的值都通过横跨绘图的连续线连接起来)

可以使用 ax 对象来创建:

散点图(使用ax.scatter) : 值显示为不连续线的单个点
条形图(使用ax.bar) : 值显示为条形，其高度指示特定点的值

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Create scatter plot
ax.scatter(months,boulder_monthly_precip)

plt.show()

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Create bar plot
ax.bar(months,boulder_monthly_precip)

plt.show()

2.4 自定义绘图标题和坐标轴标签

可以使用ax.set()方法中的title、xlabel、ylabel参数为轴添加绘图标题和标签，从而自定义和添加更多信息到绘图中

ax.set(title = "Plot title here",
       xlabel = "X axis label here", 
       ylabel = "Y axis label here")

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.plot(months, 
        boulder_monthly_precip)

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation in Boulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation (inches)")

plt.show()

2.5 自定义多行绘图标题和坐标轴标签

使用两个单词之间的新行字符**\n**创建具有多行文本的标题和轴标签

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.plot(months, 
        boulder_monthly_precip)

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation\nBoulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

2.6 标签旋转

使用plt.setp函数设置整个绘图空间的参数，如自定义刻度标签

在下面的例子中，ax.get_xticklabels()函数控制x轴的刻度标签，rotation

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.plot(months, 
        boulder_monthly_precip)

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation\nBoulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.setp(ax.get_xticklabels(),rotation=45)

plt.show()

2.7 自定义折线、点标记形状

可以通过marker=参数对线段、点的形状标识进行修改

Marker symbol	Marker description
.	point
,	pixel
o	circle
v	triangle_down
^	triangle_up
<	triangle_left
>	triangle_right

访问Matplotlib文档可以获取更多标记类型列表

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.scatter(months, 
        boulder_monthly_precip,
        marker = ',') # pixel

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation\nBoulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.plot(months, 
        boulder_monthly_precip,
        marker = 'o') # point

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation\nBoulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

2.8 自定义绘图颜色

可以使用color参数自定义绘图颜色，在matplotlib中提供的一些基本颜色选项列表如下:

    b: blue
    g: green
    r: red
    c: cyan
    m: magenta
    y: yellow
    k: black
    w: white

对于这些基本颜色，可以将color参数设置为等于全名(例如cyan)或者仅仅是如上表所示的键字母(例如c)

要获得更多的颜色，请访问关于颜色的matplotlib文档

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.plot(months, 
        boulder_monthly_precip,
        marker = 'o',
        color = 'cyan') # color=c

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation\nBoulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.scatter(months, 
        boulder_monthly_precip,
        marker = ',',
        color = 'k') # color=black

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation\nBoulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.bar(months, 
        boulder_monthly_precip,
        color = 'darkblue')

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation\nBoulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

2.8 设置颜色透明度

使用alpha =参数调整颜色的透明度，其值接近0.0表示更高的透明度

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.bar(months, 
       boulder_monthly_precip,
       color = 'darkblue', 
       alpha = 0.3) # 透明度设置

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation\nBoulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

2.9 自定义条形图的颜色

通过使用参数edgeccolor=将每个条的轮廓颜色更改为蓝色，并从前面讨论过的matplotlib颜色选项中指定一种颜色，可以进一步自定义条形图

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.bar(months, 
       boulder_monthly_precip,
       color = 'cyan',
       edgecolor = 'darkblue') # 轮廓颜色设置

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation\nBoulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

2.10 自定义散点图的颜色

在使用散点图时，还可以使用c和cmap参数根据每个点的数据值为其分配一种颜色

c参数允许指定将被颜色映射的值序列(例如boulder _ monthly _ precip) ，而cmap允许指定用于该序列的颜色映射

下面的例子使用了YlGnBu颜色图，其中较低的值用黄色到绿色色调填充，而较高的值用越来越深的蓝色色调填充

要查看彩色地图选项列表，请访问的matplotlib cmpas文档

# Define plot space
fig, ax = plt.subplots(figsize=(10, 6))

# Define x and y axes
ax.scatter(months, 
        boulder_monthly_precip,
        c = boulder_monthly_precip,
        cmap = 'YlGnBu')

# Set plot title and axes labels
ax.set(title = "Average Monthly Precipitation\nBoulder, CO",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

2.11 将数据绘制为多图

回想matplotlib的面向对象方法，通过创建额外的axis对象，可以很容易地在一个图形中包含多个图形:

fig, (ax1, ax2) = plt.subplots(num_rows, num_columns)

一旦定义了fig和两个axis对象，就可以向每个轴添加数据并定义具有独特特征的图形

在下面的示例中，ax1.bar在第一个绘图中创建一个定制的条形图，而ax2.scatter在第二个绘图中创建一个定制的散点图

# Define plot space
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12)) # 两行一列

# Define x and y axes
ax1.bar(months, 
       boulder_monthly_precip,
       color = 'cyan', 
       edgecolor = 'darkblue')

# Define x and y axes
ax2.scatter(months, 
        boulder_monthly_precip,
        c = boulder_monthly_precip,
        cmap = 'YlGnBu')

plt.show()

2.12 为多个子图添加标题和轴标签

可以继续添加ax1和ax2，例如为每个单独的绘图添加标题和轴标签，就像您以前只有一个绘图时所做的那样

可以使用ax1.set()为第一个绘图(柱状图)定义元素，使用ax2.set()为第二个绘图(散点图)定义元素

# Define plot space
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12))

# Define x and y axes
ax1.bar(months, 
       boulder_monthly_precip,
       color = 'cyan', 
       edgecolor = 'darkblue')

# Set plot title and axes labels
ax1.set(title = "Bar Plot of Average Monthly Precipitation",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)");

# Define x and y axes
ax2.scatter(months, 
        boulder_monthly_precip,
        c = boulder_monthly_precip,
        cmap = 'YlGnBu')

# Set plot title and axes labels
ax2.set(title = "Scatter Plot of Average Monthly Precipitation",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

现在已经有了多个图形(每个图形都有自己的标签) ，还可以为整个图形添加一个总体标题(使用指定的字体大小) ，使用:

fig.suptitle("Title text", fontsize = 16)

# Define plot space
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12))

fig.suptitle("Average Monthly Precipitation for Boulder, CO", fontsize = 16)

# Define x and y axes
ax1.bar(months, 
       boulder_monthly_precip,
       color = 'cyan', 
       edgecolor = 'darkblue')

# Set plot title and axes labels
ax1.set(title = "Bar Plot",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)");

# Define x and y axes
ax2.scatter(months, 
        boulder_monthly_precip,
        c = boulder_monthly_precip,
        cmap = 'YlGnBu')

# Set plot title and axes labels
ax2.set(title = "Scatter Plot",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.show()

2.13 将 Matplotlib 图形保存为图像文件

可以使用以下命令轻松地将图形保存到图像文件中，例如 .png：

plt.savefig ("path/name-of-file.png")

可以保存最新的数据，如果没有为文件指定一个路径，文件将会在你当前的工作目录文件夹中创建

查看Matplotlib文档以查看用于保存图形的其他文件格式的列表

# Define plot space
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12))

fig.suptitle("Average Monthly Precipitation for Boulder, CO", fontsize = 16)

# Define x and y axes
ax1.bar(months, 
       boulder_monthly_precip,
       color = 'cyan', 
       edgecolor = 'darkblue')

# Set plot title and axes labels
ax1.set(title = "Bar Plot",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)");

# Define x and y axes
ax2.scatter(months, 
        boulder_monthly_precip,
        c = boulder_monthly_precip,
        cmap = 'YlGnBu')

# Set plot title and axes labels
ax2.set(title = "Scatter Plot",
       xlabel = "Month",
       ylabel = "Precipitation\n(inches)")

plt.savefig("output/average-monthly-precip-boulder-co.png")

plt.show()

2.14 额外资源

关于颜色条的更多信息color bars
深入介绍matplotlib

3.1 自定义x轴日期刻度

# Import required python packages
import os
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.dates import DateFormatter
import matplotlib.dates as mdates
import seaborn as sns
import earthpy as et

# Date time conversion registration
from pandas.plotting import register_matplotlib_converters
register_matplotlib_converters()

# Get the data
# data = et.data.get_data('colorado-flood')

# Set working directory
os.chdir(os.path.join(et.io.HOME, 'learning','python_data_plot'))

# Prettier plotting with seaborn
sns.set(font_scale=1.5)
sns.set_style("whitegrid")

在本节中，将学习如何在Python中使用matplotlib绘制时间序列

# Read in the data
data_path = "data/precipitation/805325-precip-dailysum-2003-2013.csv"
boulder_daily_precip = pd.read_csv(data_path,
                                   parse_dates=['DATE'], # 将csv中的时间字符串转换成日期格式
                                   na_values=['999.99'],
                                   index_col=['DATE'])

boulder_daily_precip.head()

<div> <style scoped> .dataframe tbody tr th:only-of-type { vertical-align: middle; }

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style> <table border="1" class="dataframe"> <thead> <tr style="text-align: right;"> <th></th> <th>DAILY_PRECIP</th> <th>STATION</th> <th>STATION_NAME</th> <th>ELEVATION</th> <th>LATITUDE</th> <th>LONGITUDE</th> <th>YEAR</th> <th>JULIAN</th> </tr> <tr> <th>DATE</th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> </tr> </thead> <tbody> <tr> <th>2003-01-01</th> <td>0.0</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.03389</td> <td>-105.28111</td> <td>2003</td> <td>1</td> </tr> <tr> <th>2003-01-05</th> <td>NaN</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.03389</td> <td>-105.28111</td> <td>2003</td> <td>5</td> </tr> <tr> <th>2003-02-01</th> <td>0.0</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.03389</td> <td>-105.28111</td> <td>2003</td> <td>32</td> </tr> <tr> <th>2003-02-02</th> <td>NaN</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.03389</td> <td>-105.28111</td> <td>2003</td> <td>33</td> </tr> <tr> <th>2003-02-03</th> <td>0.4</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.03389</td> <td>-105.28111</td> <td>2003</td> <td>34</td> </tr> </tbody> </table> </div>

# Subset the data 
# 提取8月15至10月15之间的数据
precip_boulder_AugOct = boulder_daily_precip["2013-08-15":"2013-10-15"]


# View first few rows of data
precip_boulder_AugOct.head()

<div> <style scoped> .dataframe tbody tr th:only-of-type { vertical-align: middle; }

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style> <table border="1" class="dataframe"> <thead> <tr style="text-align: right;"> <th></th> <th>DAILY_PRECIP</th> <th>STATION</th> <th>STATION_NAME</th> <th>ELEVATION</th> <th>LATITUDE</th> <th>LONGITUDE</th> <th>YEAR</th> <th>JULIAN</th> </tr> <tr> <th>DATE</th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> <th></th> </tr> </thead> <tbody> <tr> <th>2013-08-21</th> <td>0.1</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.0338</td> <td>-105.2811</td> <td>2013</td> <td>233</td> </tr> <tr> <th>2013-08-26</th> <td>0.1</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.0338</td> <td>-105.2811</td> <td>2013</td> <td>238</td> </tr> <tr> <th>2013-08-27</th> <td>0.1</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.0338</td> <td>-105.2811</td> <td>2013</td> <td>239</td> </tr> <tr> <th>2013-09-01</th> <td>0.0</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.0338</td> <td>-105.2811</td> <td>2013</td> <td>244</td> </tr> <tr> <th>2013-09-09</th> <td>0.1</td> <td>COOP:050843</td> <td>BOULDER 2 CO US</td> <td>1650.5</td> <td>40.0338</td> <td>-105.2811</td> <td>2013</td> <td>252</td> </tr> </tbody> </table> </div>

fig, ax = plt.subplots(figsize=(12, 8))
ax.plot(precip_boulder_AugOct.index.values,
        precip_boulder_AugOct['DAILY_PRECIP'].values,
        '-o',
        color='purple')
ax.set(xlabel="Date", ylabel="Precipitation (Inches)",
       title="Daily Precipitation \nBoulder, Colorado 2013")

# Format the x axis
# 对x轴进行日期格式化
ax.xaxis.set_major_locator(mdates.WeekdayLocator(interval=2))
ax.xaxis.set_major_formatter(DateFormatter("%m-%d"))

plt.show()

3.2 对Matplotlib进行日期格式化

在 matplotlib 中，也可以使用 DateFormatter 模块更改绘图轴上的日期格式

需要从 matplotlib 导入 DateFormatter，然后使用以下语法指定日期 DateFormatter 要使用的格式:

%Y-4位数年份 %y-2位数年份 %m-月份 %d-天

实现自定义日期的步骤：

定义日期格式: myFmt = DateFormatter("%m/%d")，这个日期格式是月/日，所以它看起来像这样: 10/05，代表10月5日
调用set_major_formatter()方法：

ax.xaxis.set_major_formatter(myFmt)

将上面定义的日期格式应用于绘图空间中

# Plot the data
fig, ax = plt.subplots(figsize=(10,6))
ax.scatter(precip_boulder_AugOct.index.values,
           precip_boulder_AugOct['DAILY_PRECIP'].values,
           color='purple')
ax.set(xlabel="Date", ylabel="Precipitation (Inches)",
       title="Daily Precipitation (inches)\nBoulder, Colorado 2013")

# Define the date format
date_form = DateFormatter("%m/%d")
ax.xaxis.set_major_formatter(date_form)

3.3 X轴的日期刻度

特定的时间刻度可以沿着x轴添加，例如：大的刻度可以表示每个新的工作周的开始，小的刻度可以表示每个工作日

函数xaxis.set_major_locator()控制大刻度的位置，函数xaxis.set_minor_locator控制小刻度

# Plot the data
fig, ax = plt.subplots(figsize=(10,6))
ax.scatter(precip_boulder_AugOct.index.values,
           precip_boulder_AugOct['DAILY_PRECIP'].values,
           color='purple')
ax.set(xlabel="Date", ylabel="Precipitation (Inches)",
       title="Daily Precipitation (inches)\nBoulder, Colorado 2013")

# 定义日期格式
date_form = DateFormatter("%m/%d")
ax.xaxis.set_major_formatter(date_form)
# 确保每隔一周刻度减小一次
ax.xaxis.set_major_locator(mdates.WeekdayLocator(interval=1))
# ax.xaxis.set_minor_locator(mdates.DayLocator(1))

参考资料：

https://www.earthdatascience.org/courses/scientists-guide-to-plotting-data-in-python-textbook/

微信关注我们

原文链接：https://my.oschina.net/jiangroubao/blog/4546527

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

一篇文章带你了解JavaScript函数定义

点击上方“ 前端进阶学习交流 ”，进行关注回复“前端”即可获赠前端相关学习资料今日鸡汤福如东海，寿比南山。 JavaScript 函数使用 function 关键字来定义，可以使用一个函数声明或者一个函数表达式。一、函数声明示例：声明一个函数不会立即执行。它们被“保存以供稍后使用”，稍后将被执行，当它们被调用（call）。 <!DOCTYPE html><html lang="en"> <head> <meta charset="UTF-8"> <title>项目</title> </head> <body style="background-color: aqua;"> <h1>JavaScript 函数</h1> <p>此示例调用一个函数，该函数执行计算并返回结果</p> <p id="demo"></p> <script> function myfan(a, b) { return ...

2020-09-04

569

使用 Docker 搭建 Redis Cluster，最重要的环节就是容器通信的问题，这一块我们在之前的文章中已经给大家解决了《Docker 网络模式详解及容器间网络通信》，本篇文章主要练习使用多个容器完成 Redis Cluster 集群环境的搭建，顺便为学习 Docker Compose 铺铺路。俗话说没有对比就没有伤害，通过对比才能感受到 Docker Compose 的好处 😄。关于 Redis Cluster 集群更多的内容请阅读《最通俗易懂的 Redis 架构模式详解》。按照 Redis 官网：https://redis.io/topics/cluster-tutorial 的提示，为了使 Docker 与 Redis Cluster 兼容，您需要使用 Docker 的 host 网络模式。 host 网络模式需要在创建容器时通过参数 --net host 或者 --network host 指定，host 网络模式可以让容器共享宿主机网络栈，容器将不会虚拟出自己的网卡，配置自己的 IP 等，而是使用宿主机的 IP 和端口。环境为了让环境更加真实，本文使用多机...

2020-09-05

482

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。