python画图时设置分辨率和画布大小的实现(plt.figure())

本文介绍了python画图时设置分辨率和画布大小的实现，主要使用plt.figure()，下面就一起来了解一下

plt.figure()

示例：

import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings('ignore')
import matplotlib.pyplot as plt
import seaborn as sns

#读取示例数据
df = pd.read_csv(  'https://labfile.oss.aliyuncs.com/courses/1283/telecom_churn.csv')
#sns.countplot(x='State', hue='Churn', data=df)

#画分布图
sns.countplot(x=df['State'], hue=df['Churn'])

调整后：

# 分辨率参数-dpi，画布大小参数-figsize
plt.figure(dpi=300,figsize=(24,8))
# 改变文字大小参数-fontsize
plt.xticks(fontsize=10)

#画分布图
sns.countplot(x=df['State'], hue=df['Churn'])

到此这篇关于python画图时设置分辨率和画布大小的实现(plt.figure())的文章就介绍到这了,更多相关python 设置分辨率和画布内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • Python批量修改图片分辨率的实例代码

    前言:处理图片需要,需把图片都转换成1920*1280的大小, python实现很方便,需要导入图片处理的Image包和匹配的glob包,很简单,代码如下: img_path = glob.glob("D:/chosed/*.jpg") path_save = "D:/closedd" for file in img_path: name = os.path.join(path_save, file) im = Image.open(file) im.thumbna

  • python获取网页中所有图片并筛选指定分辨率的方法

    压测时,图片太少,想着下载网页中的图片,然后过滤指定分辨率,但网页中指定分辨率的图片太少了(见下) 后使用格式工厂转换图片 import urllib.request # 导入urllib模块 import re # 导入re模块 import os from PIL import Image htmlurl = 'http://www.win4000.com/wallpaper_detail_134824_3.html' downloadpath = 'C:\\Users\\yaowanjun

  • python opencv设置摄像头分辨率以及各个参数的方法

    1,为了获取视频,你应该创建一个 VideoCapture 对象.他的参数可以是设备的索引号,或者是一个视频文件.设备索引号就是在指定要使用的摄像头.一般的笔记本电脑都有内置摄像头.所以参数就是 0.你可以通过设置成 1 或者其他的来选择别的摄像头.之后,你就可以一帧一帧的捕获视频了.但是最后,别忘了停止捕获视频.使用 ls /dev/video*命令可以查看摄像头设备 2,cap.read() 返回一个布尔值(True/False).如果帧读取的是正确的,就是 True.所以最后你可以通过检查

  • python3 使用Opencv打开USB摄像头,配置1080P分辨率的操作

    我就废话不多说了,直接上代码吧! import cv2 import time cap = cv2.VideoCapture(0) cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1920) cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 1080) cap.set(cv2.CAP_PROP_FOURCC, cv2.VideoWriter.fourcc('M', 'J', 'P', 'G')) while True:     ret, frame = c

  • 30行Python代码实现高分辨率图像导航的方法

    在项目开发的过程中,经常会遇到要查看图像细节的问题,这时候我们通常会,滚动滑轮将图像放大,或者使用电脑内置的放大器功能进行查看,如下图所示,是我使用Altium Designer软件的高清晰图像导航功能查看PCB细节的效果: 那么作为一位程序员,是否可以做到这点呢? 当然可以,Python在手,天下我有~ 1.导入图像功能 导入图像功能是基于Windows命令窗口实现的,用户在命令窗口调用Python文件即可导入图像信息,输入指令及效果如下所示: 实现代码如下所示: if len(sys.arg

  • 使用Python读取安卓手机的屏幕分辨率方法

    直接代码吧: import os import sys import json import re def _get_screen_size(): '获取手机屏幕大小' size_str = os.popen('adb shell wm size').read() if not size_str: print('请安装 ADB 及驱动并配置环境变量') sys.exit() m = re.search(r'(\d+)x(\d+)', size_str) if m: return "{height

  • python 获取图片分辨率的方法

    pil版: from PIL import Image filename = r'E:\data\yangben\0.jpg' img = Image.open(filename) imgSize = img.size #图片的长和宽 print (imgSize) maxSize = max(imgSize) #图片的长边 minSize = min(imgSize) #图片的短边 print(maxSize, minSize) opencv版: img = cv2.imread(F1) sp

  • 使用python matplotlib 画图导入到word中如何保证分辨率

    在写论文时,如果是菜鸟级别,可能不会花太多时间去学latex,直接用word去写,但是这有一个问题,当我们用其他工具画完实验彩色图时,放到word中会有比较模糊,这有两个原因导致的. 原因一:图片导入word中,word会对图片进行压缩,导致图片分辨率变小.可以在word中指定word的属性.过程如下: 选中图片 选择格式菜单栏 点击压缩图片按钮(上面圈出来的地方),在弹出来的对话框选择(220ppi),如下图所示: 原因二:用matplotlib产生的图片太大,如果在word中显示就需要缩小,

  • python画图时设置分辨率和画布大小的实现(plt.figure())

    python画图时设置分辨率和画布大小的实现(plt.figure())

    本文介绍了python画图时设置分辨率和画布大小的实现,主要使用plt.figure(),下面就一起来了解一下 plt.figure() 示例: import numpy as np import pandas as pd import warnings warnings.filterwarnings('ignore') import matplotlib.pyplot as plt import seaborn as sns #读取示例数据 df = pd.read_csv( 'https:/

  • python画图时linestyle,color和loc参数的设置方式

    python画图时linestyle,color和loc参数的设置方式

    目录 python画图时linestyle,color和loc参数的设置 颜色字符(color) 风格字符(linestyle) loc 参数(以matplotlib添加图例为例说明位置) python画图基础 1.matplotlib 1.1绘制基本图像 1.2实现一些其他功能 1.3 在一个坐标系中画出多个图像 1.4多坐标作图 1.5 绘图应用 python画图时linestyle,color和loc参数的设置 本人没有看过专门介绍matplotlib的书籍,所以一直以来对一些画图的风格不

  • python画图时给图中的点加标签和plt.text的使用

    python画图时给图中的点加标签和plt.text的使用

    背景: 今天在用matplotlib模块画各城市2019-nCoV疫情确诊人数和节前流入人口数的图的时候遇到了要给图中的点加上标签示意,原本图长这个样子 现在要给各散点标注是哪个哪个城市,即下面这种图: matplotlib模块加标签主要有matplotlib.pyplot.text()和matplotlib.pyplot.annotate()两个关键函数,后者适用范围更广,今天主要谈一下前者matplotlib.pyplot.text(),简写成plt.text() . 准备知识: 在此重点讲

  • python画图常规设置方式

    python绘图的包大家应该不会陌生,但是,对图的常规设置不一定会知道(其实自己也是才知道的),比如:坐标轴的字体大小.颜色设置:标题的字体颜色大小设置:线的粗细.颜色:图片风格的设置等.了解这些常规设置必定会让图片更加美观. 下面就具体来说说matplotlib中有哪些常规设置. 我主要总结了这几个函数: plt.style.use()函数:可以对图片的整体风格进行设置.可以通过plt.style.availabel知道一共有多少种主题. import matplotlib.pyplot as

  • Python画图时如何调用本地字体

    Python画图时如何调用本地字体

    matplotlib中的字体文件被封装在font_manager这个子模块中,fontManager.ttflist这个列表涵盖了所有Matplotlib支持的字体. >>> import matplotlib.pyplot as plt >>> from matplotlib.font_manager import fontManager >>> print(fontManager.ttflist[0]) #此为字体文件 <Font 'cmmi

  • python用plt画图时,cmp设置方法

    在python,有时候是需要画图的,比如把一个矩阵用图像的形式显示,之前用的好好的,每次用plt.imshow(),都是彩色图,不知为啥,突然全是黑白图了,于是需要设置cmap的值,如下: plt.imshow(confusion_matrix_percent,cmap='gray') plt.colorbar() plt.show() 在上面的代码中,设置cmap='gray',表示绘制灰度图,若需要绘制彩色图,可设置其它值,个人比较喜欢用 PRGn或者PRGn_r cmap的候选值有 'Ac

  • Python matplotlib画图时图例说明(legend)放到图像外侧详解

    用python的matplotlib画图时,往往需要加图例说明.如果不设置任何参数,默认是加到图像的内侧的最佳位置. import matplotlib.pyplot as plt import numpy as np x = np.arange(10) fig = plt.figure() ax = plt.subplot(111) for i in xrange(5): ax.plot(x, i * x, label='$y = %ix$' % i) plt.legend() plt.sho

  • 使用Python matplotlib作图时,设置横纵坐标轴数值以百分比(%)显示

    一.当我们用Python matplot时作图时,一些数据需要以百分比显示,以更方便地对比模型的性能提升百分比. 二.借助matplotlib.ticker.FuncFormatter(),将坐标轴格式化. 例子: # encoding=utf-8 import matplotlib.pyplot as plt from matplotlib.ticker import FuncFormatter plt.rcParams['font.family'] = ['Times New Roman']

  • Python在画图时使用特殊符号的方法总结

    Python在画图时使用特殊符号的方法总结

    目录 一.问题背景 二.注意事项 三.常见特殊符号及对应代码 四.引入特殊符号的万能方法 本文总结了python画图中使用各种特殊符号方式 一.问题背景 在论文中,如何使用特殊符号进行表示?这里给出效果图和代码 完整代码: from matplotlib import pyplot import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties from matplotlib.ticker im

  • python matplotlib画图时坐标轴重叠显示不全和图片保存时不完整的问题解决

    python matplotlib画图时坐标轴重叠显示不全和图片保存时不完整的问题解决

    目录 问题 解决方案 保存时图片不完整的问题 补充:使用matplotlib时如何让坐标轴完整显示所有的标签刻度 总结 问题 在使用matplotlib作图的时候,有的时候会遇到画图时坐标轴重叠,显示不全和图片保存时不完整的问题.如下: 解决方案 画图时重叠或者显示不全的问题 画图时加上参数设置tight_layout=True 画完所有子图后,设置plt.tight_layout() # 加上tight_layout=True 参数设置 fig, axes = plt.subplots(nro

随机推荐