plt.figure(figsize=(16,16),dpi=80) plt.subplot(121) temp = df[df.avg_salary<10].groupby('address').avg_salary.count() plt.pie(temp,labels=temp.index,autopct='% .2f%%') plt.legend() plt.title('薪资小于6K各城市占比') plt.subplot(122) temp = df[df.avg_salary>10].groupby('address').avg_salary.count() plt.pie(temp,labels=temp.index,autopct='% .2f%%') plt.title('薪资大于6K各城市占比') plt.legend()生成图的颜色是怎么弄的

这段代码中并没有指定饼图的颜色，所以图表的颜色是默认的。通常情况下，Matplotlib 会自动从当前默认的颜色循环列表中选择颜色。如果需要自定义颜色，可以通过使用 `colors` 参数来指定颜色列表，例如：

colors = ['red', 'green', 'blue', 'yellow']
plt.pie(temp, labels=temp.index, autopct='% .2f%%', colors=colors)

这将使用 `colors` 列表中的颜色来绘制饼图。您可以根据需要自定义颜色列表。

相关问题

请举例利用plt.figure(figsize=(8,6))与plt. figure(figsize =(10,6))绘制子图，第一个是散点图，第二个为虚线形图，不同框，不同颜色.

在Python的matplotlib库中，你可以通过创建多个`Figure`对象并在其中添加`Axes`来制作子图。`figsize`参数用于设定图形的尺寸。下面是一个例子，展示如何使用`plt.figure(figsize=...)`创建两个不同大小的子图，一个用于散点图，另一个用于虚线图，并调整他们的样式。

首先，导入所需的库：

import matplotlib.pyplot as plt
import numpy as np

然后创建两个不同的`Figure`对象：

fig1 = plt.figure(figsize=(8, 6))  # 创建第一个子图，宽8英寸，高6英寸
fig2 = plt.figure(figsize=(10, 6))  # 创建第二个稍大的子图，宽10英寸，高6英寸

接下来，为每个子图添加不同的内容：

# 散点图
ax1 = fig1.add_subplot(1, 2, 1)  # 第一行，第二个子图（共两部分）
x = np.linspace(0, 10, 100)
y = x ** 2
ax1.scatter(x, y, c='blue')  # 创建散点图，蓝色表示
ax1.set_title('Scatter plot in Figure 1')

# 虚线图
ax2 = fig2.add_subplot(1, 2, 2)  # 同样在第一行，第二个子图
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax2.plot(x, y, linestyle='--', color='red')  # 虚线图，红色表示
ax2.set_title('Dashed line plot in Figure 2')

# 显示图形
plt.tight_layout()  # 确保子图之间的间距适当
plt.show()

在这个例子中，我们首先在每个`figure`里创建了一个子图，然后在子图上分别绘制了散点图和虚线图，设置了不同的颜色和线条样式。`tight_layout()`函数有助于保持子图之间的美观间距。

修改以下代码，使得x轴文字标签不重叠: import pandas as pd import matplotlib.pyplot as plt df=pd.read_csv('movies_revenue_starring_1950_2010.txt',sep=',') df.sort_values('Title',ascending=False,inplace=True) df_new=df[['Title','Revenue']].reset_index(drop=True) df_new=df_new.iloc[::65,:] #（进行位置索引）对title进行抽样 df_renew=df[['Title','Starring Actors Popularity']].reset_index(drop=True) df_renew=df_renew.iloc[::65,:] #可视化电影的revenue的值 plt.figure(figsize=(18,14)) plt.plot(df_new['Title'],df_new['Revenue'],color='red') plt.xticks(rotation=45,fontsize=7) #x轴旋转45° plt.title('movies Revenue 1950-2010',fontsize=16) plt.xlabel('title') plt.ylabel('Revenue') plt.savefig('movies_revenue_1950_2010.png',dpi=400) plt.show() #可视化电影的Starring Actors Popularity值 plt.figure(figsize=(18,14)) plt.plot(df_renew['Title'],df_renew['Starring Actors Popularity'],color='green') plt.xticks(rotation=45,fontsize=7) plt.title('Starring Actors Popularity 1950-2010',fontsize=16) plt.xlabel('title') plt.ylabel('Starring Actors Popularity

') plt.subplots_adjust(bottom=0.3) #调整子图间距 plt.savefig('Starring_Actors_Popularity_1950_2010.png',dpi=400) plt.show()

修改后的代码如下：

import pandas as pd 
import matplotlib.pyplot as plt 

df=pd.read_csv('movies_revenue_starring_1950_2010.txt',sep=',') 
df.sort_values('Title',ascending=False,inplace=True) 
df_new=df[['Title','Revenue']].reset_index(drop=True) 
df_new=df_new.iloc[::65,:]    #（进行位置索引）对title进行抽样 

df_renew=df[['Title','Starring Actors Popularity']].reset_index(drop=True) 
df_renew=df_renew.iloc[::65,:]   

#可视化电影的revenue的值 
plt.figure(figsize=(18,14)) 
plt.plot(df_new['Title'],df_new['Revenue'],color='red') 
plt.xticks(rotation=45,fontsize=7, ha='right') #x轴旋转45°，右对齐
plt.title('movies Revenue 1950-2010',fontsize=16) 
plt.xlabel('title') 
plt.ylabel('Revenue') 
plt.subplots_adjust(bottom=0.3) #调整子图间距
plt.savefig('movies_revenue_1950_2010.png',dpi=400) 
plt.show() 

#可视化电影的Starring Actors Popularity值 
plt.figure(figsize=(18,14)) 
plt.plot(df_renew['Title'],df_renew['Starring Actors Popularity'],color='green') 
plt.xticks(rotation=45,fontsize=7, ha='right') #x轴旋转45°，右对齐
plt.title('Starring Actors Popularity 1950-2010',fontsize=16) 
plt.xlabel('title') 
plt.ylabel('Starring Actors Popularity') 
plt.subplots_adjust(bottom=0.3) #调整子图间距
plt.savefig('Starring_Actors_Popularity_1950_2010.png',dpi=400) 
plt.show()

修改的内容包括：
1. 在xticks中添加ha='right'参数，使得x轴标签右对齐。
2. 在可视化图形中添加plt.subplots_adjust(bottom=0.3)调整子图间距，防止标签重叠。