Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

Matplotlib में semilogx और semilogy प्लॉट कैसे बनाएं?


semilogx और semilogy प्लॉट बनाने के लिए, हम निम्नलिखित चरण ले सकते हैं:

  • फिगर साइज सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग एडजस्ट करें।
  • नया फिगर बनाएं या मौजूदा फिगर एक्टिवेट करें।
  • x और y डेटा पॉइंट्स स्कैटर और प्लॉट करें।
  • X अक्ष पर लॉग स्केलिंग के साथ प्लॉट बनाएं।
  • Y अक्ष पर लॉग स्केलिंग के साथ प्लॉट बनाएं।
  • फिगर प्रदर्शित करने के लिए, show() मेथड का उपयोग करें।

उदाहरण

import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True x = [10, 100, 1000, 10000, 100000] y = [2, 4, 8, 16, 32] fig = plt.figure() plt.scatter(x, y) plt.plot(x, y) plt.semilogx() plt.semilogy(basey=2) plt.show()

आउटपुट

Matplotlib में semilogx और semilogy प्लॉट कैसे बनाएं?


  1. Matplotlib में Parula कलरमैप कैसे बनाएं? Matplotlib में Parula कलरमैप कैसे बनाएं?

    Matplotlib में Parula कलरमैप बनाने के लिए निम्नलिखित चरणों का पालन करें: चरण फिगर का आकार सेट करें और सबप्लॉट्स के बीच पैडिंग एडजस्ट करें। NumPy का उपयोग करके कलरमैप डेटा बनाएं। रंगों की लिस्ट से LinearSegmentedColormap बनाएं। Viscum कलरमैप्स विश्लेषण करने और नए कलरमैप्स बनाने का एक छोटा टूल है। ड

  1. Matplotlib फिगर लीजेंड को कैसे पोजीशन और अलाइन करें? Matplotlib फिगर लीजेंड को कैसे पोजीशन और अलाइन करें?

    Matplotlib फिगर लीजेंड को पोजीशन और अलाइन करने के लिए, हम निम्नलिखित चरण अपना सकते हैं: plot() मेथड का उपयोग करके line1 और line2 प्लॉट करें। फिगर पर लीजेंड रखें। पोजीशन सेट करने के लिए bbox_to_anchor का उपयोग करें और लीजेंड एलिमेंट्स का हॉरिजॉन्टल अलाइनमेंट बनाएं। फिगर डिस्प्ले करने के लिए sh

  1. Python में matplotlib का उपयोग करके एक पेज पर कई प्लॉट कैसे बनाएं? Python में matplotlib का उपयोग करके एक पेज पर कई प्लॉट कैसे बनाएं?

    Pandas का उपयोग करके, हम एक डेटा फ्रेम बना सकते हैं और एक चित्र और अक्ष बना सकते हैं। उसके बाद, हम बिंदु बनाने के लिए scatter मेथड का उपयोग कर सकते हैं। चरण छात्रों, उनके द्वारा प्राप्त अंकों और प्रत्येक स्कोर के लिए रंग कोडिंग की सूचियां बनाएं। चरण 1 के डेटा के साथ Panda के DataFrame का उपयोग करक