在本文中，我们将为您详细介绍Python：从负Y值开始的Matplotlib条的相关知识，并且为您解答关于python%负数的疑问，此外，我们还会提供一些关于(3)python--matplotlib
在本文中，我们将为您详细介绍Python：从负 Y 值开始的 Matplotlib 条的相关知识，并且为您解答关于python%负数的疑问，此外，我们还会提供一些关于(3) python--matplotlib、4.1Python数据处理篇之Matplotlib系列(一)---初识Matplotlib、Cpp调用Python3，使用matplotlib画（二维）图----1.配置（Clion，mingW64, python, matplotlib）、java版matplotlib，matplotlib4j使用，java中调用matplotlib或者其他python脚本的有用信息。
本文目录一览：- Python：从负 Y 值开始的 Matplotlib 条（python%负数）
- (3) python--matplotlib
- 4.1Python数据处理篇之Matplotlib系列(一)---初识Matplotlib
- Cpp调用Python3，使用matplotlib画（二维）图----1.配置（Clion，mingW64, python, matplotlib）
- java版matplotlib，matplotlib4j使用，java中调用matplotlib或者其他python脚本
Python：从负 Y 值开始的 Matplotlib 条（python%负数）
您的 y 值为负，因此条形向负方向移动。您需要反转数据的符号。此外，您仍然希望 y 轴从较低的值变为较大的值，因此您不希望它倒置。
plt.bar(f.x,-f.y,bottom= -60)
#plt.gca().invert_yaxis() -> do not invert yaxis - you still want it to go in the same direction
您似乎想要从 -60 开始并在给定的 y 值处停止的条形。但是，plt.bar() 的第二个参数是条形高度，而不是它的终点。
您可以通过从所需的 y 值中减去底部来计算高度：f.y - (-60)。
import matplotlib.pyplot as plt
import pandas as pd
f = pd.DataFrame({"x": range(1,10),"y": [-21,-24,-27,-30,-33,-36,-39,-42,-45]})
plt.bar(f.x,f.y + 60,bottom=-60,color='darkorange')
plt.ylim(-60,0)
plt.margins(x=0.02) # reduce the x margins a bit
plt.grid(axis='y',color='grey',lw=0.5)
ax = plt.gca()
ax.set_axisbelow(True)
for s in ['left','right','top']:
ax.spines[s].set_visible(False)
plt.xticks(range(1,10))
plt.show()
(3) python--matplotlib
(一)1.如何绘制散点图
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import
numpy as np
import
matplotlib.pyplot as plt
# 如何绘制散点图
# 先随机生成数据
x
=
np.array(
range
(
100
))
y
=
np.sin(x)
# 直接输入x和y便可绘制相应的散点图
plt.scatter(x,y)
# 不要忘了这句话，表示让图像显示
plt.show()
|
可以看到类似于正弦曲线一样的点
(一)2.如何给散点图加上样式
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.array(
range
(
0
,
100
,
5
))
y
=
3
*
x
+
2
# scatter里面的参数有很多，不过我们主要使用四种
# 1：s，表示点的面积，注意是面积。
# 2：c，颜色,不指定默认为蓝色
# 3：marker：点的形状，不指定默认为点
# 4：alpha：透明度，不指定默认为1，表示透明度为0
plt.scatter(x,y,s
=
100
,c
=
"green"
,marker
=
"<"
,alpha
=
0.1
)
plt.show()
|
(二)1.如何绘制折线图
|
1
2
3
4
5
6
7
8
9
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.linspace(
-
1
,
1
,
100
)
y
=
x
*
*
2
plt.plot(x,y)
# 此外还有一个plt.plot_date()函数，专门用来绘制有一个轴是日期格式的数据
plt.show()
|
(二)2.如何给折线图加上样式
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.linspace(
-
10
,
10
,
20
)
y
=
x
*
*
2
z
=
x
*
2
+
1
# 关于样式的参数有很多
# linestyle:表示线段的样式
# color：表示颜色
# marker：表示点的样式
plt.plot(x,linestyle
=
"-"
,color
=
"green"
,marker
=
"o"
)
plt.plot(x,z,linestyle
=
"--"
,color
=
"red"
,marker
=
"<"
)
plt.show()
|
(三)1.如何绘制条形图
|
1
2
3
4
5
6
7
8
9
10
11
|
import
numpy as np
import
matplotlib.pyplot as plt
# 还记得每一个图对应的每一个函数吗？
# 散点图：scatter
# 折线图：plot
# 条形图：bar
# 这个函数可以只接收两个参数，分别是条形图中每一条的索引和高度
plt.bar(x
=
[
0
,
2
,
3
,
4
,
5
],height
=
[
11
,
22
,
33
,
44
,
55
,
66
])
plt.show()
|
(三)2.如何给条形图加上样式
|
1
2
3
4
5
6
7
8
9
10
|
import
matplotlib.pyplot as plt
# color：颜色
# width：线条宽度
plt.bar(x
=
[
0
,
height
=
[
11
,
66
],
color
=
"green"
,
width
=
0.2
)
plt.show()
|
(三)3.如何绘制横向的条形图
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import
matplotlib.pyplot as plt
# 如果绘制横向的条形图
# 那么bottom相当于之前的x，width相当于之前的height
plt.bar(x
=
0
,
bottom
=
[
0
,
width
=
[
11
,
color
=
"green"
,
height
=
0.2
,
orientation
=
"horizontal"
)
# 还有一个plt.barh(),表示花水平的条形图，不用显示的指定orientation="horizontal"，但其他的参数还是要有的
plt.show()
|
(四)1.如何绘制直方图
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import
numpy as np
import
matplotlib.pyplot as plt
mu
=
100
sigma
=
20
x
=
mu
+
sigma
*
np.random.randn(
2000
)
# 设置直方图
# bins:表示要分成多少个区间
# normed:表示是否进行标准化,标准化之后，那么纵坐标不在是个数，而是频率。
plt.hist(x,bins
=
30
,density
=
True
)
plt.show()
|
(四)2.如何绘制双变量直方图
|
1
2
3
4
5
6
7
8
9
10
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.random.randn(
1000
)
+
2
y
=
np.random.randn(
1000
)
+
3
plt.hist2d(x,bins
=
40
)
plt.show()
|
(五)1.如何绘制饼图
|
1
2
3
4
5
6
7
8
9
10
|
import
matplotlib.pyplot as plt
labels
=
[
"satori"
,
"mashiro"
,
"nagisa"
]
fracs
=
[
40
,
30
,
30
]
# 最重要的两个参数
# x：所占的份额
# labels：对应的标签
plt.pie(x
=
fracs,labels
=
labels)
plt.show()
|
细心地哲学♂家可能回好奇，为什么是一个椭圆，这是因为我们这里少了一句话
而且每一块上面光秃秃的，每个部分都贴在了一块，也不好看，我们也可以设置一些参数，让其变得好看一些
|
1
2
3
4
5
6
7
8
9
10
|
import
matplotlib.pyplot as plt
labels
=
[
"satori"
,
30
]
# 加上这句话表示x和y轴的比例是一比一
# 因此图形就变成了圆形
plt.axes(aspect
=
1
)
# autopct：表示每一块的比例
# explode：突出显示，每个部分不会贴在一块<br><br># shadow：表示加上一层阴影，指定为True即可
|
|
1
|
plt.pie(x
=
fracs,labels
=
labels,autopct
=
"%.0f%%"
,explode
=
[
0.01
,
0.02
,
0
]) plt.show()
|
(六)1.如何绘制箱形图
|
1
2
3
4
5
6
7
8
9
10
|
import
matplotlib.pyplot as plt
import
numpy as np
np.random.seed(
100
)
data
=
np.random.normal(
0
,size
=
1000
)
# sym：形状，表示异常值的形状
# whis：表示虚线的长度，可以控制异常值显示的多少，越大虚线越长
plt.Boxplot(data,sym
=
"<"
,whis
=
1.5
)
plt.show()
|
(七)颜色和样式
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
蓝色
-
‘b‘
绿色
-
‘g‘
红色
-
‘r‘
青色
-
‘c‘
品红
-
‘m‘
黄色
-
‘y‘
黑色
-
‘k‘
白色
-
‘w‘
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
‘.‘
point marker
‘,‘
pixel marker
‘o‘
circle marker
‘v‘
triangle_down marker
‘^‘
triangle_up marker
‘<‘
triangle_left marker
‘>‘
triangle_right marker
‘1‘
tri_down marker
‘2‘
tri_up marker
‘3‘
tri_left marker
‘4‘
tri_right marker
‘s‘
square marker
‘p‘
pentagon marker
‘*‘
star marker
‘h‘
hexagon1 marker
‘H‘
hexagon2 marker
‘+‘
plus marker
‘x‘
x marker
‘D‘
diamond marker
‘d‘
thin_diamond marker
‘|‘
vline marker
‘_‘
hline marker
|
|
1
2
3
4
|
‘-‘
solid line style
‘--‘
dashed line style
‘-.‘
dash
-
dot line style
‘:‘
dotted line style
|
输入样式的时候还有一个简便的方法，cx--,c是青色，x是点的样式，--是线的样式
(八)1.如何绘制子图
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.arange(
0
,
5
)
# 生成一个画布
fig
=
plt.figure()
# 往画布上添加对象
# 这里的221表示，生成一个2X2的画布，并处于第一个位置
s1
=
fig.add_subplot(
221
)
s2
=
fig.add_subplot(
222
)
s3
=
fig.add_subplot(
223
)
s4
=
fig.add_subplot(
224
)
y1
=
np.exp(x)
y2
=
np.sin(x)
y3
=
np.cos(x)
y4
=
x
*
*
2
s1.plot(x,y1,
"cx--"
)
s2.plot(x,y2,
"bo-."
)
s3.plot(x,y3,
"g<--"
)
s4.plot(x,y4,
"y>-."
)
# 最后显示要用fig，因为它是我们创建出来的画布，必须要让它显示
fig.show()
|
(八)2.如何绘制子图
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.arange(
0
,
5
)
plt.subplot(
221
)
plt.plot(x,np.exp(x))
plt.subplot(
222
)
plt.plot(x,np.sin(x))
plt.subplot(
223
)
plt.plot(x,np.cos(x))
plt.subplot(
224
)
plt.plot(x,x
*
*
2
)
plt.show()
|
(九)如何绘制网格
|
1
2
3
4
5
6
7
8
9
10
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.arange(
0
,
5
)
# 绘制出格子
plt.grid(x,color
=
"green"
)
# 绘制线段
plt.plot(x,x,
"cx--"
)
plt.show()
|
(十)如何给图像带上标记
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1,1,100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
# 加上需要的标签label
plt.plot(x,label="np.sin")
plt.plot(x,label="np.cos")
plt.plot(x,label="np.tan")
# 必须加上这句话，否则标签不显示
# legend里面还有一个location参数，可以指定位置
# 以及ncol可以指定要标签分几列显示
plt.legend()
plt.show()
(十一)调整坐标轴范围
|
1
2
3
4
5
6
7
8
9
10
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.arange(
-
100
,
100
)
y
=
3
*
x
+
1
plt.plot(x,y)
# 表示x轴从-10到10，y轴-100到100<br># 也可以通过plt.xlim([,])和plt.ylim([,])只调x轴或y轴<br># 如果只想调整一边的话，就直接指定最大或者最小,xlim(xmin=,xmax=),ylim(ymin=,ymax=)
plt.axis([
-
10
,
-
100
,
100
])
plt.show()
|
(十二)调整坐标轴刻度
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.arange(
1
,
10
)
plt.plot(x,x)
# 获取坐标轴属性,get current axis
ax
=
plt.gca()
# nbins表示有多少间隔，可以看到分成了20份
ax.locator_params(nbins
=
20
)
# 如果我只想调整某一个轴的话
# 指定ax.locator_params("x",nbins=20)
plt.show()
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
import
numpy as np
import
matplotlib.pyplot as plt
import
matplotlib as mpl
import
datetime
start
=
datetime.date(
2016
,
1
)
end
=
datetime.date(
2017
,
1
)
timedelta
=
datetime.timedelta(days
=
1
)
date
=
mpl.dates.drange(start,end,timedelta)
y
=
np.random.rand(
len
(date))
ax
=
plt.gca()
plt.plot_date(date,y)
# 设置时间格式
date_format
=
mpl.dates.DateFormatter(
"%Y-%m-%d"
)
# 将格式应用到x轴上
ax.xaxis.set_major_formatter(date_format)
plt.show()
|
(十三)如何添加坐标轴
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.arange(
2
,
20
,
1
)
y1
=
x
y2
=
np.log(x)
fig
=
plt.figure()
ax1
=
fig.add_subplot(
111
)
ax1.plot(x,y1)
ax1.set_ylabel(
"mashiro"
)
# 表示生成一个双胞胎y轴，twinx，表示生成一个y轴
ax2
=
ax1.twinx()
ax2.plot(x,y2)
ax2.set_ylabel(
"satori"
)
fig.show()
|
@H_775_3301@
(十四)添加注释
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.arange(
-
10
,
11
)
y
=
x
*
*
2
plt.plot(x,y)
plt.annotate(
"my name is satori"
,
xy
=
(
0
,
5
),
# 箭头坐标
xytext
=
(
0
,
20
),
# 文本坐标
arrowprops
=
{
"facecolor"
:
"r"
,
# 颜色
"headlength"
:
10
,
# 箭头的长度
"headwidth"
:
30
,
# 箭头的头的宽度
"width"
:
20
# 箭头的身体的宽度
}
)
plt.show()
|
(十五)如何绘制3D图形
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
import
matplotlib.pyplot as plt
import
numpy as np
from
mpl_toolkits.mplot3d
import
Axes3D as A3
fig
=
plt.figure()
ax
=
A3(fig)
x
=
np.arange(
-
4
,
0.2
)
y
=
np.arange(
-
4
,
0.2
)
x,y
=
np.meshgrid(x,y)
z
=
np.power(x,
2
)
+
np.power(y,
2
)
plt.title(
"satori"
)
# rstride,cstride表示行列每隔多少个点建一个面，cmap表示颜色
ax.plot_surface(x,rstride
=
1
,
cstride
=
1
,
cmap
=
plt.cm.CMRmap,
alpha
=
0.4
)
ax.set_xlabel(
‘x_label‘
,color
=
‘r‘
)
ax.set_ylabel(
‘y_label‘
,color
=
‘g‘
)
ax.set_zlabel(
‘z_label‘
,color
=
‘b‘
)
plt.show()
|
如何解决中文乱码问题
|
1
2
3
4
|
import
matplotlib.pyplot as plt
plt.rcParams[
‘font.sans-serif‘
]
=
[
‘SimHei‘
]
# 步骤一（替换sans-serif字体）
plt.rcParams[
‘axes.unicode_minus‘
]
=
False
# 步骤二（解决坐标轴负数的负号显示问题）
|
解决子图重合问题
plt.tight_layout()
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import
numpy as np
import
matplotlib.pyplot as plt
x
=
np.arange(
1
,
100
)
y
=
2
*
x
plt.plot(x,y)
# 调整x，y轴的取值范围
plt.xlim(
10
,
30
)
plt.ylim(
20
,
60
)
# 调整x或y轴的间隔
ax
=
plt.gca()
ax.locator_params(
"x"
,nbins
=
40
)
# 调整x或y轴坐标的倾斜程度
plt.xticks(rotation
=
60
)
plt.show()
|
4.1Python数据处理篇之Matplotlib系列(一)---初识Matplotlib
目录
[TOC]
前言
对于数据可视化的python库，对于Matplotlib早有耳闻，今天就来正式学习一下。
（一）matplotlib的介绍
matplotlib是python优秀的2D绘图库，可以完成大部分的绘图需求，同时其可定制性也很强，可内嵌在tkinter等各种GUI框架里。
官方网站：https://matplotlib.org/users/index.html
官方教程：https://matplotlib.org/tutorials/index.html
官方例子：https://matplotlib.org/gallery/index.html
（二）画一个简单的画布
==1.源代码==
import matplotlib.pyplot as plt
import numpy as np
# 在-1~1之间建立50个点
x = np.linspace(-1, 1, 50)
# y = 2*x + 1
y = x**2
# 创建画布
plt.plot(x, y)
# 展现画布
plt.show()
==2.展示效果==
（三）画布按键的功能介绍
==1.对于画布功能键的排序==
==（1）主页==
不管图片被你整成什么样，只要你按一下主页按钮，就会恢复到刚开始的样子。
==（2）上一个视图==
就是你改变了图片的位置，这个键就是跳到上一个键的图片位置。
==（3）下一个视图==
就是你改变了图片的位置，这个键就是跳到下一个键的图片位置。
==（4）移动查看==
我们可以以拖动的方式，来查看未显示的部分。
==（5）放大查看==
我们还可以用放大的方式，来细致的观察微小的部分。
==（6）窗体设置==
我们可以调整显示区域在窗体的显示位置。
==（7）保存图片==
我们可以把视图保存为图片。
作者：Mark
日期：2019/01/30 周三
Cpp调用Python3，使用matplotlib画（二维）图----1.配置（Clion，mingW64, python, matplotlib）
To my knowledge so far, Cpp画图是真滴捉急, 那就调用python帮帮忙吧。
百度了好久，试了好几次，终于走完了配置的过程。我要记录一下。
1.0 配置：（操作系统）64位Win7， （Cpp的IDE是）Clion。
1.1 安装Clion
官网下载就可以了，地址 https://www.jetbrains.com/clion/
1.2 安装，配置mingW64
1.2.1：Clion需要我们安装Toolchain，我用的是mingW64（因为我用的是64位系统）,附上百度网盘地址。
地址：https://pan.baidu.com/s/14FkN0Ul9cvcRxCOcylmoxw，密码：qu5l
1.2.2：然后我一股脑把路径全部添加到环境变量path了
（
D:\ProgramFile\mingw64;
D:\ProgramFile\mingw64\bin;
D:\ProgramFile\mingw64\lib;
D:\ProgramFile\mingw64\include
）
1.2.3：让Clion找到mingw64
如果其中的Make， C Complier，C++ Complier没找到，就手动帮Clion添加。
！！！注意mingw的版本（指的是64位还是32位），一定要和pyhton的匹配。否则会出现如下错误：
载入Python.h：没问题 ； 读取其中函数：unreferenced...
1.3 安装python
1.3.1 安装python3.7
我的安装目录是 D:\ProgramFile\Python37 ，没有用Anaconda，事实上（可能是由于环境变量path中争抢调用关系的问题），我把原来装好的anaconda卸载了。
安装的版本是官网下载的。
同时，添加了 D:\ProgramFile\Python37到环境变量path。
1.3.2 用pip安装matplotlib
a. python3.7中的pip是自带的
b. 将python安装目录下的scripts添加到环境变量bin
c. （可选）查看python是否安装成功：在cmd界面，输入：python --version
d. （可选）查看pip是否安装成功：在cmd界面，输入：pip --version
e. （可选）升级pip：在cmd界面，输入：python -m pip install -U pip setuptools
f. 用pip安装matplotlib：在cmd界面，输入：python -m pip install matplotlib
1.4 Clion联结Cpp和python
1.4.1：CMakeLists.txt的配置：
用clion新建cpp的project，在CMakeLists.txt中添加以下两句话
# 添加python.h头文件路径
include_directories(D:/ProgramFile/Python37/include)
# 添加python动态链接库文件
link_libraries(D:/ProgramFile/Python37/libs/python37.lib)
如下图：
1.4.2：main.cpp的配置
我直接上图吧，如果这个cpp可以运行，那么说明配置成功了。
java版matplotlib，matplotlib4j使用，java中调用matplotlib或者其他python脚本
写在前面，最近需要在java中调用matplotlib，其他一些画图包都没这个好，毕竟python在科学计算有优势。找到了matplotlib4j，大概看了下github上的https://github.com/sh0nk/matplotlib4j，maven repository：
<dependency>
<groupId>com.github.sh0nk</groupId>
<artifactId>matplotlib4j</artifactId>
<version>0.5.0</version>
</dependency>
简单贴个测试类，更多的用法在test报下有个MainTest.class。
@Test
public void testPlot() throws IOException, PythonExecutionException, ClassNotFoundException, NoSuchMethodException, illegalaccessexception, InvocationTargetException, InstantiationException {
Plot plot = Plot.create(PythonConfig.pythonBinPathConfig("D:\\python3.6\\python.exe"));
plt.plot()
.add(Arrays.asList(1.3, 2))
.label("label")
.linestyle("--");
plt.xlabel("xlabel");
plt.ylabel("ylabel");
plt.text(0.5, 0.2, "text");
plt.title("Title!");
plt.legend();
plt.show();
}
下面问题来了，这个对matplotlib的封装不是很全面，源码里也有很多todo，有很多函数简单用用还行，很多重载用不了，比如plt.plot(xdata,ydata)可以，但是无法在其中指定字体plt.plot(xdata,ydata，fontsize=30);
所以想要更全面的用法还得自己动手，几种办法：
- 大部分还是用matplotlib4j中的，个别的自己需要的但里头没有的函数，实现他的builder接口，重写build方法，返回一个py文件中命令行的字符串形式，然后反射取到PlotImpl中的成员变量registeredBuilders，往后追加命令行，感觉适用于只有极个别命令找不到的情况，挺麻烦的，而且要是传nd.array(…)这种参数还得额外拼字符串。
//拿到plotImpl中用于组装python脚本语句的的registeredBuilders，需要加什么直接添加新的builder就行了
Field registeredBuildersField = plt.getClass().getDeclaredField("registeredBuilders");
registeredBuildersField.setAccessible(true);
List<Builder> registeredBuilders = (List<Builder>) registeredBuildersField.get(plt);
TicksBuilder ticksBuilder = new TicksBuilder(yList, "yticks", fontSize);
registeredBuilders.add(ticksBuilder);
- 这种比较直接，参照matplotlib4j底层，直接写py.exe文件，执行命令行，比较推荐这种，一行一行脚本自己写，数据拼装方便，看起来直观。比如写如下的脚本并执行，搞两组数据，画个散点图
import numpy as np
import matplotlib.pyplot as plt
plt.plot(np.array(自己的x数据), np.array(自己的y数据), 'k.', markersize=4)
plt.xlim(0,6000)
plt.ylim(0,24)
plt.yticks(np.arange(0, 25, 1), fontsize=10)
plt.title("waterfall")
plt.show()
像下面这么写就行了
//1. 准备自己的数据 不用管
List<Float> y_secondList_formatByHours = y_secondList.stream().map(second -> (float)second / 3600).collect(Collectors.toList());
//2.准备命令行list，逐行命令添加
List<String> scriptLines = new ArrayList<>();
scriptLines.add("import numpy as np");
scriptLines.add("import matplotlib.pyplot as plt");
scriptLines.add("plt.plot("+"np.array("+x_positionList+"),"+"np.array(" +y_secondList_formatByHours+"),\"k.\",label=\"waterfall\",lw=1.0,markersize=4)");
scriptLines.add("plt.xlim(0,6000)");
scriptLines.add("plt.ylim(0,24)");
scriptLines.add("plt.yticks(np.arange(0, 25, 1), fontsize=10)");
scriptLines.add("plt.title(\"waterfall\")");
scriptLines.add("plt.show()");
//3. 调用matplotlib4j 里面的pycommond对象，传入自己电脑的python路径
pycommand command = new pycommand(PythonConfig.pythonBinPathConfig("D:\\python3.6\\python.exe"));
//4. 执行，每次执行会生成临时文件 如C:\Users\ADMINI~1\AppData\Local\Temp\1623292234356-0\exec.py，这个带的日志输出能看到，搞定
command.execute(Joiner.on('\n').join(scriptLines));
关于Python：从负 Y 值开始的 Matplotlib 条和python%负数的介绍现已完结，谢谢您的耐心阅读，如果想了解更多关于(3) python--matplotlib、4.1Python数据处理篇之Matplotlib系列(一)---初识Matplotlib、Cpp调用Python3，使用matplotlib画（二维）图----1.配置（Clion，mingW64, python, matplotlib）、java版matplotlib，matplotlib4j使用，java中调用matplotlib或者其他python脚本的相关知识，请在本站寻找。
本文标签：
