- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我注意到两个相邻的区域重叠,所以中间出现了一条烦人的线。我尝试使用“capstyle = 'butt'”来避免行之间的重叠,但在这里它不起作用。
这是一个最小的例子:
import matplotlib.pylab as plt
ax = plt.subplot(111)
ax.axvspan(0, 0.5, color = 'red', alpha = 0.13, capstyle = 'butt')
ax.axvspan(0.5, 1, color = 'blue', alpha = 0.13, capstyle = 'butt')
plt.show()
最佳答案
您遇到的问题不是线帽引起的,因为 axvspan 绘制了一个多边形。问题在于,默认情况下,此多边形的边框具有给定的线宽(我想是一个像素)。
因此,要获得没有“边界”的区域,请将线宽 (lw
) 设置为零:
import matplotlib.pylab as plt
ax = plt.subplot(111)
ax.axvspan(0, 0.5, color = 'red', alpha = 0.13, lw=0)
ax.axvspan(0.5, 1, color = 'blue', alpha = 0.13, lw=0)
plt.show()
关于python - 在 Matplotlib 中,如何避免 axvspan 重叠?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41898094/
我有这样一个数据框 from datetime import date import random start_date = date.today().replace(day=1, month=1).
我正在尝试在范围为 [-0.2,1.4] 和 [-0.2,1.4] 的图上绘制四个彩色象限。问题是我在尝试使用 plt.axvspan 排列象限的 y 轴坐标时遇到问题: roc_t = 0.4365
我使用这行代码通过 matplotlib 在图形上创建垂直跨度。 matplotlib.pyplot.axvspan(datetime.datetime.strptime("09-10-2015",
我使用这行代码通过 matplotlib 在图形上创建垂直跨度。 matplotlib.pyplot.axvspan(datetime.datetime.strptime("09-10-2015",
我想“模拟”图中两个对象的位置。我想用 axvspan 来做到这一点。我想用 slider 移动一个 axvspan。我想做这样的事情: import matplotlib.pyplot as plt
我正在为海岸工程应用程序编写一个Pythonic脚本,该脚本应该输出一个带有两个子图的图形。 问题是我想使用 plt.axvspan() 对两个子图的一部分进行着色,但由于某种原因它只对其中一个子图进
我尝试在不同的子图中着色。 我的代码: f, (ax) = plt.subplots(1, 7 , sharey=True, figsize=(14,2)) color=['g','c','m','y
我想绘制一些随季节变化的时间序列,并使用 axvspan 将图中冬季部分的阴影与夏季部分的阴影不同。我正在使用 pyplot.plot_date .我的 y 值是一个 np float 数组,我的 x
我正试图在带有子图的 Pandas 图中遮蔽 Spring 月份。但它只是对最后一个子图进行着色。我如何让它遮蔽所有地 block ? 我使用 axvspan 在每年的 4 月 1 日到 6 月 30
我试图在我的绘图中将一个数据集表示为颜色 block (而不是显示为可变宽度条形图,我想将其显示为具有背景颜色的可变宽度 block 。) 我可以这样做: import numpy import ma
我注意到两个相邻的区域重叠,所以中间出现了一条烦人的线。我尝试使用“capstyle = 'butt'”来避免行之间的重叠,但在这里它不起作用。 这是一个最小的例子: import matplotli
我正在尝试使用多种颜色突出显示 x 轴上的区域。我设法通过沿 x 轴剖切区域来找到解决方案,如下图所示: 但是,我想要一个在 y 轴上进行切片的解决方案。以图中的6362为例。有没有什么方法可以创建类
遮蔽 pandas 最优雅的方式是什么?基于 DataFrame 中的列之一的子图? 一个简单的例子: In [8]: from random import * import pandas as pd
我是一名优秀的程序员,十分优秀!