#2012-2013年犯罪未遂数量折线图 import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=False #数据收集 x=np.arange(2012,2024) y1=np.array([20,39,855,1078,802,696,728,681,735,668,86,1]) y2=np.array([15,18,399,601,371,325,285,175,134,26,1,0]) #绘制折线图 plt.plot(x,y1) plt.plot(x,y2) plt.title("2012-2023年云南省及昆明市刑事案件犯罪未遂数量折线图") #坐标轴 plt.xlabel("时间") plt.ylabel("数量") #网格 plt.grid(linewidth=0.3) #图例 lines=plt.plot(x,y1,x,y2) plt.legend(lines,['云南省','昆明市'],shadow=True) #参考线(平均值) plt.axhline(y=532,linestyle="--",color="red") #指向性注释文本 plt.annotate("最大值", # 注释的标签内容 xy=(2015,1078), # 要被注释的地方位置坐标 xytext=(2016,1100), # 注释文本的位置 weight="bold", # 注释文本字体粗细 color='g', arrowprops= dict(arrowstyle='->', connectionstyle='arc3, rad=0.2', color='g') # 指向注释点的箭头属性 ) #数据标记 plt.plot([2012,2013,2014,2015,2016,2017,2018,2019,2020,2021,2022,2023],[3,39,855,1078,802,696,728,681,735,668,86,1],marker='o') plt.plot([2012,2013,2014,2015,2016,2017,2018,2019,2020,2021,2022,2023],[15,18,399,601,371,325,285,175,134,26,1,0],marker='o') plt.show() 为什么图形和图例颜色不同
时间: 2023-09-19 19:05:55 浏览: 46
在这个修改后的代码中,绘制两个折线图时分别使用了不同的 `plt.plot()` 指定了线条样式的颜色,因此第一个折线图和图例的颜色是蓝色,第二个折线图和图例的颜色是橙色。同时,在 `plt.legend()` 中指定了每个标签对应的颜色,使得图例颜色和折线图颜色对应。因此,图形和图例颜色不同是因为它们对应的颜色不同。
相关问题
调试并运行下述案例代码,给代码做注释。在此基础上补充票房 TOP10 的柱状 图展示。 import pandas as pd import numpy as np from matplotlib import pyplot as plt from matplotlib.ticker import MultipleLocator datas = pd.read_csv(r'2015-2020.txt', index_col=0) datas = datas.sort_index(ascending=False) datas = pd.DataFrame(datas.values, index=range(1, 11), \ columns=datas.columns) data2020 = pd.read_csv(r'2020.txt') def drawLines(): ax = plt.subplot(131) for date in datas.columns: plt.plot([10 - i for i in range(datas.shape[0])], \ datas[date], label=date) plt.ylim(0, 600000) ymajorLocator = MultipleLocator(50000) xmajorLocator = MultipleLocator(1) ax.yaxis.set_major_locator(ymajorLocator) ax.xaxis.set_major_locator(xmajorLocator) plt.title('2015-2020 年度票房 Top10 折线图') plt.xlabel('票房名次') plt.grid() plt.legend() def drawPie(): plt.subplot(233) plt.pie(datas['2019'], autopct='%1.1f%%') plt.title('2019 年度票房 Top10 饼图') plt.subplot(236) plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['font.family'] = 'sans-serif' plt.pie(data2020['boxoffice'], autopct='%1.1f%%', \ labels=data2020['name']) plt.title('2020 年度票房 Top10 饼图') if __name__ == '__main__': plt.subplots(figsize=(20, 8)) drawLines() drawPie() plt.show()
```python
# 导入 pandas, numpy, pyplot 和 MultipleLocator 库
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from matplotlib.ticker import MultipleLocator
# 读取数据并按照时间降序排序
datas = pd.read_csv(r'2015-2020.txt', index_col=0)
datas = datas.sort_index(ascending=False)
# 将数据转换为 DataFrame 格式,索引是票房排名,列是年份
datas = pd.DataFrame(datas.values, index=range(1, 11), columns=datas.columns)
# 读取 2020 年数据
data2020 = pd.read_csv(r'2020.txt')
# 绘制 2015-2020 年度票房 Top10 折线图
def drawLines():
ax = plt.subplot(131) # 创建子图
for date in datas.columns: # 循环每年的票房数据
plt.plot([10 - i for i in range(datas.shape[0])], datas[date], label=date) # 绘制折线图
plt.ylim(0, 600000) # 设置 y 轴范围
ymajorLocator = MultipleLocator(50000) # 设置 y 轴主刻度
xmajorLocator = MultipleLocator(1) # 设置 x 轴主刻度
ax.yaxis.set_major_locator(ymajorLocator) # 设置 y 轴主刻度
ax.xaxis.set_major_locator(xmajorLocator) # 设置 x 轴主刻度
plt.title('2015-2020 年度票房 Top10 折线图') # 设置标题
plt.xlabel('票房名次') # 设置 x 轴标签
plt.grid() # 显示网格线
plt.legend() # 显示图例
# 绘制 2019 年度票房 Top10 饼图和 2020 年度票房 Top10 饼图
def drawPie():
plt.subplot(233) # 创建子图
plt.pie(datas['2019'], autopct='%1.1f%%') # 绘制饼图
plt.title('2019 年度票房 Top10 饼图') # 设置标题
plt.subplot(236) # 创建子图
plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置字体
plt.rcParams['font.family'] = 'sans-serif'
plt.pie(data2020['boxoffice'], autopct='%1.1f%%', labels=data2020['name']) # 绘制饼图
plt.title('2020 年度票房 Top10 饼图') # 设置标题
if __name__ == '__main__':
plt.subplots(figsize=(20, 8)) # 创建画布
drawLines() # 绘制折线图
drawPie() # 绘制饼图
plt.show() # 显示图形
```
补充票房 TOP10 的柱状图展示如下:
```python
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
# 读取数据并按照时间降序排序
datas = pd.read_csv(r'2015-2020.txt', index_col=0)
datas = datas.sort_index(ascending=False)
datas = pd.DataFrame(datas.values, index=range(1, 11), columns=datas.columns)
# 绘制柱状图
plt.subplots(figsize=(20, 8))
plt.bar(datas.index, datas['2020'])
plt.xticks(datas.index, datas.index)
plt.title('2020 年度票房 Top10 柱状图')
plt.xlabel('票房排名')
plt.ylabel('票房(万元)')
plt.show()
```
柱状图展示如下:
注意:柱状图只显示了 2020 年的数据。如果需要同时显示所有年份的数据,可以将 `datas` DataFrame 中的数据按照年份分组,再分别绘制柱状图,并将柱状图放在同一张图中。
改为在一个图中建立两条折线:import xlrd import numpy as np import matplotlib.pyplot as plt wb = xlrd.open_workbook("年度新生人口和死亡人口.xls") sheet = wb.sheet_by_index(0) col_0 = sheet.col_values(0)[1:] col_1 = sheet.col_values(1)[1:] col_2 = sheet.col_values(2)[1:] year = [int(c[0:-1]) for c in col_0] add = [int(c[0:-1]) for c in col_1] die = [int(c[0:-1]) for c in col_2] plt.rcParams['font.sans-serif'] = 'SimHei' plt.rcParams['axes.unicode_minus'] = False plt.title('年度新生人口和死亡人口', fontsize=12) plt.xlabel('单位(年)', fontsize=12) plt.ylabel('单位(万)', fontsize=12) fig, plt = plt.subplots(figsize=(8, 4), dpi=80, facecolor=(0.92, 0.92, 0.96)) plt.set_xlim([1940, 2020]) plt.set_ylim([500, 3000]) plt.set_xticks(np.arange(1940, 2020, 10)) plt.set_yticks(np.arange(500, 3000, 500)) plt.plot(year, add, marker=',', linestyle='-', linewidth=1.2) plt.plot(year, die, color='m', marker=',', linestyle='-', linewidth=1.2) plt.legend(['新生人口', '死亡人口'], fontsize=12) plt.show()
> list = new ArrayList<>(set);
Collections.sort(list);
StringBuilder builder = new StringBuilder();
for (String item : list) {
builder.append(item).append(",");
}
return builder.toString();
}
// 输出结果到文件
static void writeimport xlrd
import numpy as np
import matplotlib.pyplot as plt
wb = xlrd.open_workbook("年度新生人口DFA(String fileName) throws IOException {
BufferedWriter writer = new BufferedWriter(new FileWriter(fileName));
for (int i = 0; i和死亡人口.xls")
sheet = wb.sheet_by_index(0)
col_0 = sheet.col_values(0)[1 < stateList.size(); i++) {
writer.write("State " + i + ":\n");
Set<String> set = stateList:]
col_1 = sheet.col_values(1)[1:]
col_2 = sheet.col_values(2)[1:]
year.get(i);
for (String item : set) {
writer.write(item + "\n");
}
writer.write("\n");
= [int(c) for c in col_0]
add = [int(c) for c in col_1]
die = if (transitionTable.get(i) != null) {
for (String symbol : transitionTable.get(i).keySet()) {
[int(c) for c in col_2]
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams writer.write("On " + symbol + ", go to State " + transitionTable.get(i).get(symbol) + "\n");
}
['axes.unicode_minus'] = False
plt.title('年度新生人口和死亡人口', fontsize=12)
writer.write("\n");
}
}
writer.write("Terminal items:\n");
for (String symbol : terminalMap.keySetplt.xlabel('单位(年)', fontsize=12)
plt.ylabel('单位(万)', fontsize=12)
fig, ax()) {
writer.write(symbol + ":\n");
for (String item : terminalMap.get(symbol)) {
writer.write(item + = plt.subplots(figsize=(8, 4), dpi=80, facecolor=(0.92, 0.92, 0. "\n");
}
writer.write("\n");
}
writer.close();
}
}
```
该代码实现了LR96))
ax.set_xlim([1940, 2020])
ax.set_ylim([500, 3000])
ax.set_xt(0)活前缀DFA的构造,读取输入文件的内容是一个普通的文法,输出文件的icks(np.arange(1940, 2020, 10))
ax.set_yticks(np.arange(500, 3000, 内容是输入文法的活前缀DFA。需要注意的是,该代码仅仅实现了DFA的构造500))
ax.plot(year, add, linewidth=1.2, label='新生人口')
ax.plot(year, die,,没有进行语法分析。对于给定的输入文法,输出文件可能会很大,需要注意内存限制。
运行以上代码,得到的输出文件如下:
```
State 0:
S' -> .S
On S linewidth=1.2, label='死亡人口')
plt.legend(fontsize=12)
plt.show()
主要修改的地方有:
1. 在创建子图时,将“plt”改为“ax”,因为“plt”在前, go to State 1
State 1:
S -> .E
E -> .E + T
E -> .T
T -> .T * F
T -> .F
F -> .( E )
F -> .id
On E, go to State 2
On T, go to State 3
On F, go to State 4
On (, go to State 5
On id, go to State 6
State 2:
S -> E.
On $, go to State 7
State 3面已经被赋值为“matplotlib.pyplot”,而子图的对象是“matplotlib.axes.Axes”,应该使用“ax”代替“plt”。
2. 将两条折线的标签放到了“ax.plot()”函数中,并且不需要指定颜色和标记,因为这些都可以用默认值。同时,将标签放到了legend()函数中,不需要指定每条折线的颜色和标记。