matplotlib.pyplot.show#
- matplotlib.pyplot.show(*, block=None)[Quelle]#
Zeigt alle geöffneten Plots an.
- Parameter:
- blockbool, optional
Ob auf das Schließen aller Figuren gewartet werden soll, bevor zurückgekehrt wird.
Wenn
True, dann blockiert und die GUI-Hauptschleife ausgeführt, bis alle Figurenfenster geschlossen sind.Wenn
False, dann stellen Sie sicher, dass alle Figurenfenster angezeigt werden und kehren Sie sofort zurück. In diesem Fall sind Sie dafür verantwortlich, dass die Ereignisschleife ausgeführt wird, um reaktionsschnelle Figuren zu erhalten.Standardmäßig True im nicht-interaktiven Modus und False im interaktiven Modus (siehe
pyplot.isinteractive).
Siehe auch
Anmerkungen
Figuren gleichzeitig in eine Datei speichern und ein Fenster anzeigen
Wenn Sie sowohl eine Bilddatei als auch ein Benutzeroberflächenfenster wünschen, verwenden Sie
pyplot.savefigvorpyplot.show. Am Ende eines (blockierenden)show()wird die Figur geschlossen und somit aus pyplot abgemeldet. Das Aufrufen vonpyplot.savefigdanach würde eine neue und somit leere Figur speichern. Diese Einschränkung der Befehlsreihenfolge gilt nicht, wenn `show` nicht blockiert oder wenn Sie eine Referenz auf die Figur behalten undFigure.savefigverwenden.Auto-Anzeige in Jupyter Notebooks
Die Jupyter-Backends (aktiviert über
%matplotlib inline,%matplotlib notebookoder%matplotlib widget) rufen standardmäßigshow()am Ende jeder Zelle auf. Daher müssen Sie es dort normalerweise nicht explizit aufrufen.
Beispiele mit matplotlib.pyplot.show#
Animiertes Bild mit einer vorkompilierten Bildliste
Position und Größe einer Farbleiste mit Inset Axes steuern
Platz für Y-Achsenbeschriftung mit axes_grid schaffen
Histogramm an Streudiagramm ausrichten mit locatable Axes
Einfache Achsen-Tick-Beschriftung und Tick-Richtungen
Eine Farbskala aus einer Liste von Farben erstellen
Möglichkeiten, den Alpha-Wert einer Farbe einzustellen
Diskrete Verteilung als horizontales Balkendiagramm
Abbildung von Markereigenschaften auf multivariate Daten
Histogramme mit Rechtecken und PolyCollections erstellen
2D-Balkendiagramme in verschiedenen Ebenen erstellen
Kontur- (Level-) Kurven in 3D mit der Option extend3d darstellen
Benutzerdefinierte Hillshading in einem 3D-Oberflächendiagramm
3D-Voxel / Volumetrisches Diagramm mit zylindrischen Koordinaten
Linien-, Poly- und RegularPoly-Sammlung mit Autoskalierung
Mehrere Linien mit einer LineCollection darstellen
Beschattierte & Leistungsnormalisierte Darstellung
Radardiagramm (auch Spinnen- oder Sternendiagramm genannt)
SkewT-LogP-Diagramm: Verwendung von Transformationen und benutzerdefinierten Projektionen
Darstellung einer Konfidenzellipse eines zweidimensionalen Datensatzes
Einbeziehung von Ober- und Untergrenzen in Fehlerbalken
Erstellung von Boxen aus Fehlerbalken mit PatchCollection
Demo der verschiedenen histtype-Einstellungen der Histogrammfunktion
Die Histogrammfunktion (hist) mit mehreren Datensätzen
Ansichtsgrenzen mit Rändern und sticky_edges steuern
Figuren-Beschriftungen: suptitle, supxlabel, supylabel
Zwei Subplots mit subplots und GridSpec kombinieren
Gridspec für Subplot-Layouts mit mehreren Spalten/Zeilen
Textobjekte mit unterschiedlichen Eigenschaften verketten
Stil von Text und Beschriftungen mit einem Wörterbuch steuern
Platzierung von Datums-Ticks nach Wiederholungsregeln
Benutzerdefinierter Tick-Formatierer für Zeitreihen
SI-präfixierte Offsets und natürliche Größenordnungen
Standard-Y-Achsen-Tick-Beschriftungen rechts einstellen
Tick-Beschriftungen aus einer Werteliste einstellen
X-Achsen-Tick-Beschriftungen nach oben verschieben
Indizes aus einer Sammlung mit Polygon-Selektor auswählen
Matplotlib mit Style-Sheets und `rcParams` anpassen