简介
本实验提供了一份关于如何使用 Matplotlib 并采用“bmh”样式表创建直方图的分步指南。
虚拟机使用提示
虚拟机启动完成后,点击左上角切换到笔记本标签页,以访问 Jupyter Notebook 进行练习。
有时,你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制,操作验证无法自动化。
如果你在学习过程中遇到问题,随时向 Labby 提问。课程结束后提供反馈,我们会及时为你解决问题。
This tutorial is from open-source community. Access the source code
本实验提供了一份关于如何使用 Matplotlib 并采用“bmh”样式表创建直方图的分步指南。
虚拟机启动完成后,点击左上角切换到笔记本标签页,以访问 Jupyter Notebook 进行练习。
有时,你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制,操作验证无法自动化。
如果你在学习过程中遇到问题,随时向 Labby 提问。课程结束后提供反馈,我们会及时为你解决问题。
在这一步中,我们导入创建直方图所需的模块。
import matplotlib.pyplot as plt
import numpy as np
## Fixing random state for reproducibility
np.random.seed(19680801)
plt.style.use('bmh')
在这一步中,我们定义绘制贝塔分布的函数。
def plot_beta_hist(ax, a, b):
ax.hist(np.random.beta(a, b, size=10000),
histtype="stepfilled", bins=25, alpha=0.8, density=True)
在这一步中,我们通过调用 plot_beta_hist() 函数并传入参数来创建图表。
fig, ax = plt.subplots()
plot_beta_hist(ax, 10, 10)
plot_beta_hist(ax, 4, 12)
plot_beta_hist(ax, 50, 12)
plot_beta_hist(ax, 6, 55)
ax.set_title("'bmh' style sheet")
plt.show()
在本实验中,我们学习了如何使用 Matplotlib 并采用“bmh”样式表来创建直方图。我们导入了必要的模块,定义了绘制贝塔分布的函数,并通过调用该函数并传入参数来创建了图表。