python的plt.setp的color
plt.setp()
是Matplotlib库中的一个函数,用于设置图形对象的一系列属性。当你想要批量修改某个或某些图形元素的颜色时,可以使用这个函数。例如,如果你有一个Axes
对象的线(lines
)列表,你可以通过plt.setp(lines, color='red')
来将所有线条的颜色设置为红色。
color
参数是你指定的颜色值,它可以是一个字符串(如'blue'、'green'等),也可以是颜色名称(如'red'、'orange')、RGB值(如'(1, 0, 0)'表示红色)、十六进制值(如'#FF0000')或是颜色映射(如'hot'
或自定义的 colormap 名称)。
如果你想修改特定线条的颜色,可以在setp()
里传入线条的标签或者其他唯一标识符,比如:
line1 = ax.plot(x, y, label="Line 1")
line2 = ax.plot(x, y, label="Line 2")
# 修改 line1 的颜色为绿色,line2 保持默认颜色
plt.setp(line1, color='green')
# 或者直接使用索引
plt.setp(lines[1], color='blue')
将下列代码重新定义df_col = df[['title','collection']].sort_values('collection',ascending=False)[2:12] _x = df_col['title'].tolist() _y = df_col['collection'].tolist() fig, ax = plt.subplots(figsize=(8, 8)) wedges, texts, autotexts = ax.pie(_y, labels=_x, autopct='%1.1f%%', startangle=90, colors=color[1:]) ax.set_title('网易云音乐华语歌单收藏 TOP10', loc='left', fontsize=16) plt.setp(autotexts, size=12, weight='bold') plt.setp(texts, size=12) plt.show()
这段代码使用 pandas 和 matplotlib 库对 DataFrame 进行操作,首先选取了 DataFrame 中的 'title' 和 'collection' 两列数据,按照 'collection' 列进行降序排列,选取第3至第11行数据,然后将 'title' 和 'collection' 列的值分别转换为列表类型 _x 和 _y。接着,调用 matplotlib 库的 pie 函数生成一个饼图,并输出结果。
以下是完整的代码:
import pandas as pd
import matplotlib.pyplot as plt
# 读取数据
df = pd.read_csv('music.csv', encoding='utf-8')
# 对数据进行处理
df_col = df[['title','collection']].sort_values('collection',ascending=False)[2:12]
_x = df_col['title'].tolist()
_y = df_col['collection'].tolist()
# 生成图表
fig, ax = plt.subplots(figsize=(8, 8))
wedges, texts, autotexts = ax.pie(_y, labels=_x, autopct='%1.1f%%', startangle=90, colors=color[1:])
ax.set_title('网易云音乐华语歌单收藏 TOP10', loc='left', fontsize=16)
plt.setp(autotexts, size=12, weight='bold')
plt.setp(texts, size=12)
plt.show()
解析#e19.2DrawHollandRadar import numpy as np import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams['font.family']='SimHei' matplotlib.rcParams['font.sans-serif'] = ['SimHei'] radar_labels = np.array(['研究型(I)','艺术型(A)','社会型(S)','企业型(E)','常规型(C)','现实型(R)']) nAttr = 6 data = np.array([[0.40, 0.32, 0.35, 0.30, 0.30, 0.88], [0.85, 0.35, 0.30, 0.40, 0.40, 0.30], [0.43, 0.89, 0.30, 0.28, 0.22, 0.30], [0.30, 0.25, 0.48, 0.85, 0.45, 0.40], [0.20, 0.38, 0.87, 0.45, 0.32, 0.28], [0.34, 0.31, 0.38, 0.40, 0.92, 0.28]]) #数据值 data_labels = ('工程师', '实验员', '艺术家', '推销员', '社会工作者','记事员') angles = np.linspace(0, 2np.pi, nAttr, endpoint=False) data = np.concatenate((data, [data[0]])) angles = np.concatenate((angles, [angles[0]])) fig = plt.figure(facecolor="white") plt.subplot(111, polar=True) #plt.plot(angles,data,'bo-',color ='gray',linewidth=1,alpha=0.2) plt.plot(angles,data,'o-', linewidth=1.5, alpha=0.2) plt.fill(angles,data, alpha=0.25) plt.thetagrids(angles180/np.pi, radar_labels,frac = 1.2) plt.figtext(0.52, 0.95, '霍兰德人格分析', ha='center', size=20) legend = plt.legend(data_labels, loc=(0.94, 0.80), labelspacing=0.1) plt.setp(legend.get_texts(), fontsize='small') plt.grid(True) plt.show()
这段代码实现了一个雷达图(Holland Radar),用于展示不同人格类型在不同职业中的分布情况。
首先,导入必要的库:numpy
和matplotlib.pyplot
,并设置中文显示。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family'] = 'SimHei'
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
接着,定义雷达图的标签和属性数目。
radar_labels = np.array(['研究型(I)', '艺术型(A)', '社会型(S)', '企业型(E)', '常规型(C)', '现实型(R)'])
nAttr = 6
定义数据值和数据标签。
data = np.array([[0.40, 0.32, 0.35, 0.30, 0.30, 0.88],
[0.85, 0.35, 0.30, 0.40, 0.40, 0.30],
[0.43, 0.89, 0.30, 0.28, 0.22, 0.30],
[0.30, 0.25, 0.48, 0.85, 0.45, 0.40],
[0.20, 0.38, 0.87, 0.45, 0.32, 0.28],
[0.34, 0.31, 0.38, 0.40, 0.92, 0.28]])
data_labels = ('工程师', '实验员', '艺术家', '推销员', '社会工作者', '记事员')
计算属性角度和连接首尾点,以便后续绘图。
angles = np.linspace(0, 2*np.pi, nAttr, endpoint=False)
data = np.concatenate((data, [data[0]]))
angles = np.concatenate((angles, [angles[0]]))
创建一个白色的画布,并在极坐标系中创建一个子图。
fig = plt.figure(facecolor="white")
plt.subplot(111, polar=True)
绘制雷达图的背景,即连接所有数据点的多边形,并填充颜色。
plt.plot(angles, data, 'o-', linewidth=1.5, alpha=0.2)
plt.fill(angles, data, alpha=0.25)
设置极角刻度线和标签,并放大标签。
plt.thetagrids(angles*180/np.pi, radar_labels, frac=1.2)
添加标题和图例,并设置图例字体大小。
plt.figtext(0.52, 0.95, '霍兰德人格分析', ha='center', size=20)
legend = plt.legend(data_labels, loc=(0.94, 0.80), labelspacing=0.1)
plt.setp(legend.get_texts(), fontsize='small')
最后,显示雷达图。
plt.grid(True)
plt.show()