Matplotlib.figure.Figure.dpi () в Python
Matplotlib - это библиотека на Python, которая является численно-математическим расширением библиотеки NumPy. Модуль Figure предоставляет Художника верхнего уровня, Figure, который содержит все элементы сюжета. Этот модуль используется для управления интервалом по умолчанию для подзаголовков и контейнера верхнего уровня для всех элементов графика.
matplotlib.figure.Figure.dpi метод
Метод dpi модуля рисунка библиотеки matplotlib - это разрешение в точках на дюйм.
Syntax: fig.dpi
Parameters: This method does not accept any parameters.
Returns: This method returns resolution in dots per inch.
Примеры ниже иллюстрируют функцию matplotlib.figure.Figure.dpi в matplotlib.figure:
Example 1:
# Implementation of matplotlib function import matplotlib.pyplot as pltimport numpy as np fig = plt.figure() nx = int(fig.get_figwidth() * fig.dpi)ny = int(fig.get_figheight() * fig.dpi) data = np.random.random((ny, nx))plt.plot(data) fig.suptitle("matplotlib.figure.Figure.dpi function Example", fontweight ="bold") plt.show() |
Выход:
Example 2:
# Implementation of matplotlib function import matplotlib.pyplot as pltfrom matplotlib import collections, colors, transformsimport numpy as np nverts = 50npts = 100 r = np.arange(nverts)theta = np.linspace(0, 2 * np.pi, nverts) xx = r * np.sin(theta)yy = r * np.cos(theta) spiral = np.column_stack([xx, yy]) rs = np.random.RandomState(19680801) xyo = rs.randn(npts, 2) colors = [colors.to_rgba(c) for c in plt.rcParams["axes.prop_cycle"].by_key()["color"]] fig, ax1 = plt.subplots() col = collections.RegularPolyCollection( 7, sizes = np.abs(xx) * 10.0, offsets = xyo, transOffset = ax1.transData) trans = transforms.Affine2D().scale(fig.dpi / 72.0) col.set_transform(trans) ax1.add_collection(col, autolim = True)col.set_color(colors) fig.suptitle("matplotlib.figure.Figure.dpi() function Example", fontweight ="bold") plt.show() |
Выход:
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.