प्लॉट किए गए लाइन ऑब्जेक्ट से get_xdata() और get_ydata() मेथड्स से डेटा वापस प्राप्त करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। y डेटा से प्लॉट करें और लाइन ऑब्जेक्ट को वेरिएबल में स्टोर करें (curve, = plt.plot(...))। curve.get_xdata() और curve.get_ydata() से डेटा एक्सट्रैक्ट करें। प्रिंट करके वेरि

सबप्लॉट्स में Y-एक्सिस शेयर करते समय डिफ़ॉल्ट रूप से Y टिक लेबल्स विजिबल रहते हैं; sharey पैरामीटर का उपयोग करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। पहला सबप्लॉट ax1 = plt.subplot(1, 2, 1) बनाएं और प्लॉट करें। दूसरा सबप्लॉट ax2 = plt.subplot(1, 2, 2, sharey=ax1) बनाएं और प्लॉट करें। plt.show() से

हिस्टोग्राम बार्स के सेंटर पर टिक लेबल्स रखने के लिए प्रत्येक पैच का मिडपॉइंट कैलकुलेट करके xticks() में पास करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। रैंडम नॉर्मल डेटा और बिन्स काउंट सेट करें। plt.hist() से हिस्टोग्राम बनाएं (n, bins, patches रिटर्न)। प्रत्येक पैच के लिए (patch._x0 + patch._x1)/2

बॉक्सप्लॉट पर रॉ डेटा पॉइंट्स दिखाने के लिए boxplot() के बाद scatter() से जिटर्ड पॉइंट्स जोड़ें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। दो कॉलम (Box1, Box2) वाला DataFrame बनाएं। data.boxplot() से बॉक्सप्लॉट बनाएं। प्रत्येक कॉलम के लिए enumerate() से x पोजीशन (थोड़ा जिटर के साथ) और y वैल्यूज़ लें। pl

कस्टम स्टैटिस्टिक्स (मिन, मैक्स, मीन, एसटीडी) से बॉक्स प्लॉट बनाने के लिए Pandas DataFrame बनाकर df.boxplot() उपयोग करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। रैंडम 5x5 डेटासेट जनरेट करें। प्रत्येक कॉलम के लिए min, max, mean, std कैलकुलेट करें। इन स्टैट्स से DataFrame बनाएं। df.boxplot() से बॉक्स प

लीजेंड में केवल टेक्स्ट दिखाने के लिए legend() में handlelength=0, handletextpad=0, fancybox=False सेट करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। रैंडम डेटा प्लॉट करें और लेबल दें। ax.legend(loc=upper right, handlelength=0, handletextpad=0, fancybox=True) से लीजेंड बनाएं। plt.show() से दिखाएं। उदा

Seaborn क्लस्टरमैप/हीटमैप पर विशिष्ट सेल्स को हाइलाइट करने के लिए ax.add_patch() से Rectangle पैच जोड़ें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। DataFrame बनाएं और sns.clustermap() से हीटमैप प्लॉट करें। g.ax_heatmap से हीटमैप एक्सिस प्राप्त करें। बॉर्डर कलर वेरिएबल सेट करें (उदाहरण: yellow)। ax.add_p

हैच पैटर्न की लाइनविड्थ बदलने के लिए plt.rcParams[hatch.linewidth] सेट करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। x, y = sin(x) डेटा जनरेट करें। plt.rcParams[hatch.linewidth] = 1 सेट करें। plt.scatter() में marker=s, hatch=/, linewidth=0.05 से स्क्वायर मार्कर्स प्लॉट करें। plt.show() से दिखाएं। उद

कस्टम मार्कर टपल (num_sides, style, rotation) का उपयोग करके मार्कर ओरिएंटेशन (रोटेशन) नियंत्रित करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। रैंडम x, y डेटा जनरेट करें। रोटेशन एंगल्स की ऐरे बनाएं। zip(x, y, i) से लूप में plt.plot(x, y, marker=(3, 0, i*45), ...) से त्रिकोण मार्कर प्लॉट करें। plt.show(

सिमेट्रिक मैट्रिक्स (जैसे कोरिलेशन) के लिए केवल ऊपरी या निचला ट्रायंगल दिखाने के लिए NumPy मास्क का उपयोग करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। रैंडम 5x5 डेटा बनाएं। np.tri(data.shape[0], k=-1) से लोअर ट्रायंगल मास्क बनाएं (k=-1 डायगोनल छोड़ता है)। np.ma.array(data, mask=mask) से मास्क्ड ऐरे ब

डिस्क्रीट डेटा के लिए हिस्टोग्राम में bins=len(data) और edgecolor=black सेट करके प्रत्येक वैल्यू के लिए अलग बार पाएं। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। डिस्क्रीट वैल्यूज़ की लिस्ट बनाएं। plt.hist(data, bins=len(data), edgecolor=black) से प्लॉट करें। plt.show() से दिखाएं। उदाहरण कोड from matplot

प्लॉट एरिया के बाहर एनोटेशन रखने के लिए annotate() में xycoords=ax.get_xaxis_transform() का उपयोग करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। रैंडम स्कैटर डेटा जनरेट करें। fig, ax = plt.subplots() और ax.scatter() से प्लॉट करें। ax.annotate() में xy=(0.30, 1.05) और xycoords=ax.get_xaxis_transform() स

फाइनेंशियल टाइम सीरीज़ में वीकेंड्स (शनिवार/रविवार) को स्किप करने के लिए वीकडेक चेक करके केवल वीकडेज़ प्लॉट करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। Pandas date_range से डेट रेंज बनाएं। इंडेक्स और टाइमस्टैम्प को ज़िप करके इन्यूमरेट करें। अगर t.weekday() in (5, 6) (शनिवार/रविवार) तो स्किप करें। अन

Seaborn lineplot() में linestyle=dashed पास करके डैश्ड लाइन बनाएं। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। रैंडम x, y डेटा जनरेट करें। sns.lineplot(x=x, y=y, linestyle=dashed) से प्लॉट करें। plt.show() से दिखाएं। उदाहरण कोड import seaborn as sns import numpy as np from matplotlib import pyplot as plt

टेक्स्ट के पीछे सेमी-ट्रांसपेरेंट बैकग्राउंड बॉक्स के लिए text() के bbox पैरामीटर में alpha सेट करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। डेटा प्लॉट करें। plt.text() में fontdict और bbox=dict(facecolor=red, alpha=0.4, edgecolor=black) पास करें। plt.show() से दिखाएं। उदाहरण कोड import numpy as np

ज़ीरो या नेगेटिव वैल्यूज़ वाले डेटा पर लॉग स्केल के लिए symlog (सिमेट्रिक लॉग) स्केल का उपयोग करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। ज़ीरो वाले डेटा से प्लॉट करें। plt.yscale(symlog) और plt.xscale(symlog) सेट करें। plt.show() से दिखाएं। उदाहरण कोड from matplotlib import pyplot as plt plt.rcPa

सभी सबप्लॉट्स में समान X और Y लिमिट्स के लिए sharex और sharey पैरामीटर्स का उपयोग करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। पहला सबप्लॉट ax1 = plt.subplot(2,2,1) बनाएं और set_xlim(), set_ylim() सेट करें। बाकी सबप्लॉट्स में sharex=ax1, sharey=ax1 पास करें। प्रत्येक पर अलग डेटा प्लॉट करें। plt.show(

दो क्षैतिज रेखाओं के बीच की दूरी दिखाने के लिए annotate() के एरो प्रॉपर्टीज़ का उपयोग करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। plt.axhline() से दो क्षैतिज रेखाएं खींचें (y=3.5, y=2.5)। पहले annotate() से डबल-हेडेड एरो (arrowstyle=) खींचें। दूसरे annotate() से दूरी लेबल ($\it{d=1}$) रखें। plt.show

3D स्कैटर प्लॉट से एक्सिस और ग्रिड हटाने के लिए ax.axis(off) कॉल करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। fig.add_subplot(projection=3d) से 3D एक्सिस बनाएं। रैंडम xs, ys, zs जनरेट करें। ax.scatter(xs, ys, zs, c=xs, cmap=copper) से प्लॉट करें। ax.axis(off) से एक्सिस/ग्रिड छुपाएं। plt.show() से दिख

3D बार चार्ट में लीजेंड जोड़ने के लिए plt.Rectangle प्रॉक्सी आर्टिस्ट्स बनाएं और ax.legend() में पास करें। चरण फिगर साइज़ और ऑटोलेआउट सेट करें। 3D एक्सिस बनाएं और दो सेट्स के 3D बार्स प्लॉट करें (अलग रंग)। प्रत्येक सेट के लिए plt.Rectangle((0,0), 1, 1, fc=color) प्रॉक्सी बनाएं। ax.legend([proxy1, p