PLT制作方法

详解⽤Python为直⽅图绘制拟合曲线的两种⽅法直⽅图是⽤于展⽰数据的分组分布状态的⼀种图形，⽤矩形的宽度和⾼度表⽰频数分布，通过直⽅图，⽤户可以很直观的看出数据分布的形状、中⼼位置以及数据的离散程度等。

在python中⼀般采⽤matplotlib库的hist来绘制直⽅图，⾄于如何给直⽅图添加拟合曲线（密度函数曲线），⼀般来说有以下两种⽅法。

⽅法⼀：采⽤matplotlib中的mlab模块mlab模块是Python中强⼤的3D作图⼯具，⽴体感效果极佳。

在这⾥使⽤mlab可以跳出直⽅图⼆维平⾯图形的限制，在此基础上再添加⼀条曲线。

在这⾥，我们以鸢尾花iris中的数据为例，来举例说明。

import numpy as npimport matplotlib.mlab as mlabimport matplotlib.pyplot as pltimport pandas# Load dataseturl ="https:///ml/machine-learning-databases/iris/iris.data"names = ['sepal-length', 'sepal-width','petal-length', 'petal-width', 'class']dataset = pandas.read_csv(url, names=names)print(dataset.head(10))# descriptionsprint(dataset.describe())x = dataset.iloc[:,0] #提取第⼀列的sepal-length变量mu =np.mean(x) #计算均值sigma =np.std(x)mu,sigma以上为通过python导⼊鸢尾花iris数据，然后提取第⼀列的sepal-length变量为研究对象，计算出其均值、标准差，接下来就绘制带拟合曲线的直⽅图。

OceTDS400 plt 文件制做
一、 添加打印机驱动。

打开CAD 软件选中“文件”下拉菜单中的“打印机管理器”或“绘图仪管理器”如图：
二、 打开打印机管理器介面后，双击“添加打印机
向导”打开“添加打印机向导”对话框。

如图：
三、 点击“下一步”
四、 选中:生产商“oce ”、型号“Oce TDS400 1.x ”点击“下一步”
五、 点击“下一步”
六、 点击“下一步”
七、 点击“下一步”
八、 点击“完成”
九、打印时选中“OceTDS400”,点击“打印到文件”即可生成PLT 文件。

十、打印中如需要自定义纸张可先选中打印机点击打印机的“特性” 如下图：
十一、选“自定义图纸尺寸”点击“添加”
十二、出现新建图纸对话框点击下一步：
十三、输入要设定的图纸尺寸点击“下一步”：
十四、设定图纸留边，一般设为1mm —5mm 即可。

点击“下一步”如图：
十五、确订尺寸名，点下一步：
十六、点击完成，完成纸张大小设定。

如图：
十七、如果要设置打印样式请点击“打印”，选择打印样式表，编辑线宽。

如图：
十八、选中要设定的颜色设定颜色、线宽、灰度点击
保存关闭。

如何使用Python进行数据趋势分析随着数据量的爆炸式增长和互联网的飞速发展，数据分析的重要性日益凸显。

数据的统计和分析，有助于我们更好地了解数据的特征和趋势，从中发现规律，发掘价值。

在这方面，Python成为了越来越多人的选择。

Python作为一种底层编程语言，具有灵活性和代码可读性高的特点，同时具有丰富的数据分析工具包，可以方便地进行数据分析和处理。

近年来，“人工智能+大数据”已成为新经济领域的重要发展趋势，数据分析和挖掘技术也愈发重要。

数据趋势分析作为其中的重要一环，有着广泛的应用场景。

比如金融领域的股票分析，交通领域的拥堵分析，医疗领域的疾病趋势分析，甚至在政治选举中也可以运用数据趋势分析技术进行选情分析。

本文主要介绍如何用Python进行数据趋势分析，包括数据的获取、预处理和分析、趋势分析和结果可视化等过程。

同时，本文也会详细介绍利用Python进行数据趋势分析的步骤以及常用的工具包和技术，供读者参考和学习。

一、数据的获取和预处理在进行数据分析的过程中，我们首先需要获取数据。

Python中有很多数据获取的方式，比如直接读取本地文件、连接数据库、网络爬虫等等。

这里以获取本地文件为例。

获取本地文件的方式有很多种，本文介绍两种常见的方法。

第一种是使用Python自带的open方法读取本地csv文件。

csv文件是一种常见的数据格式，使用Python读取和处理csv文件非常方便。

首先我们需要获取csv文件的路径信息，然后使用open方法打开文件。

```pythonimport csvfilename = 'data.csv'with open(filename) as f:reader = csv.reader(f)header_row = next(reader)#处理头部信息print(header_row)```这里使用了with语句进行文件的打开和关闭，这样可以确保代码的安全和简洁。

TECPLOT 使用示例1 绘制XY曲线Tecplot 中的所有XY曲线都是由一个或者多个XY对构成的。

XY对之间的关系以及曲线绘制方式，在Tecplot被统称为XY绘图。

XY 绘图有三种方式：1. 直线式（Lines）: 用线段连接所有的数据点。

2. 符号式（Symbols）:每个数据点由一个符号代表，例如圆、三角形、方形等。

3. 柱状式（Bars）:每一个数据点由一个水平或垂直柱代表。

下面我们结合tecplot自带的rain.plt文件进行实例讲解XY曲线的绘制。

1．首先打开rain.plt文件1）点击菜单File，选择New Layout。

2）顺次点击File/Load Datafile,在Tecplot 的安装目录TEC90 下顺序选择Demo/plt/rain.plt。

2．然后调整绘图选项3）在XY菜单中，选择定义XY绘图（Define XY Mappings）项。

选中Map 2和3，然后点击Map Show 项会出现一个选择窗口，选择激活（Activate）。

如图1所示。

图 1 显示XY曲线4）在XY-Mappings窗口中有许多选项，可以方便的用来改变曲线形式，定义XY轴变量，改变柱状图形式等等功能，由于其操作过程非常简单，这里不作一一赘述。

图2为做好的一个示例图。

图 2 XY曲线绘制示例2 绘制矢量图1．首先打开示例文件，velocity.plt1)点击菜单File，选择New Layout。

2)顺次点击File/Load Datafile,在Tecplot的安装目录TEC90下顺序选择Demo/plt/velocity.plt。

2.下面对矢量图进行绘制属性设定。

1）在工具栏中，不选Mesh 前的，选择矢量（Vector）前的。

在弹出的Select Variables 对话框中设置U为V4：U/RFC，V为V5：V/RFC，点击OK。

2）由于默认的颜色为红色，不能反映出速度的大小。

Python数据可视化教程之Matplotlib实现各种图表实例前⾔数据分析就是将数据以各种图表的形式展现给领导，供领导做决策⽤，因此熟练掌握饼图、柱状图、线图等图表制作是⼀个数据分析师必备的技能。

Python有两个⽐较出⾊的图表制作框架，分别是Matplotlib和Pyechart。

本⽂主要讲述使⽤Matplotlib制作各种数据图表。

Matplotlib是最流⾏的⽤于绘制2D数据图表的Python库，能够在各种平台上使⽤，可以绘制散点图、柱状图、饼图等。

1、柱状图是⼀种以长⽅形或长⽅体的⾼度为变量的表达图形的统计报告图，由⼀系列⾼度不等的纵向条纹表⽰数据分布的情况，⽤来⽐较两个或以上的价值（不同时间或者不同条件），只有⼀个变量，通常利⽤于较⼩的数据集分析。

柱状图可以⽤来⽐较数据之间的多少，可以⽤来观察某⼀事件的变化趋势，柱状图亦可横向排列，或⽤多维⽅式表达。

实现代码：# 导⼊绘图模块import matplotlib.pyplot as plt# 构建数据sales = [7125,12753,13143,8635]# 中⽂乱码的处理，rcParams也可以⽤于设置图的分辨率，⼤⼩等信息plt.rcParams['font.sans-serif'] =['SimHei']plt.rcParams['axes.unicode_minus'] = False# 绘图,第⼀个参数是x轴的数据，第⼆个参数是y轴的数据，第三个参数是柱⼦的⼤⼩，默认值是1（值在0到1之间），color是柱⼦的颜⾊，alpha是柱⼦的透明度plt.bar(range(4), sales, 0.4,color='r', alpha = 0.8)# 添加轴标签plt.ylabel('销量')# 添加标题plt.title('⽔果2018年度销量')# 添加刻度标签plt.xticks(range(4),['苹果','⾹蕉','梨','猕猴桃'])# 设置Y轴的刻度范围plt.ylim([5000,15000])# 为每个条形图添加数值标签for x,y in enumerate(sales):plt.text(x,y+100,'%s' %y,ha='center')# 显⽰图形plt.show()效果图：只需绘制柱状图的函数bar()改成barh()就可以将柱状图长⽅形或长⽅体从垂直⽅向变为⽔平⽅向。

Python中的数据可视化技术Python是一种高级通用编程语言，它具有简单易学，可扩展性强、可移植性强等优点。

除了数据处理和分析外，它在数据可视化方面也表现出色。

这篇文章将会介绍Python中的数据可视化技术，具体内容包括以下几个方面。

一、MatplotlibMatplotlib是Python中最流行的数据可视化工具，它是一个功能强大而又灵活的绘图库，可以创建各种二维图形，如折线、散点、柱状图等。

色彩、线型、字体大小等都可以自定义，而且它可以集成到Python程序中，并且与NumPy、SciPy等科学计算库很好地协同。

以下是使用Matplotlib绘制line plot的示例代码：```pythonimport matplotlib.pyplot as pltimport numpy as np# 创建数据x = np.linspace(-5,5,100)# 计算函数值y = np.sin(x)# 绘制图形plt.plot(x, y)# 显示图形plt.show()```二、SeabornSeaborn是基于Matplotlib的数据可视化库，它提供了各种高级统计图表，如分布图、分类图、热力图等，同时还支持在Matplotlib图表中使用更好的颜色、标签和标度等。

它的界面更加友好，使用起来更加方便。

以下是使用Seaborn绘制heatmap的示例代码：```pythonimport numpy as npimport seaborn as sns# 创建数据data = np.random.randn(10, 15)# 绘制图形sns.heatmap(data, cmap="RdBu")# 显示图形plt.show()```三、PlotlyPlotly是一款交互式的数据可视化库，可以生成各种静态和动态的图表，并支持在线保存和分享。

它支持Python和其他编程语言，可以制作3D图表、动态散点图、地图等。

PLT文件的制作流程1、打开CAD，然后点“文件”2、文件打开后点击“打印机管理器”（07，08版的是绘图仪管理器），然后双击“添加打印机向导”3、双击完后会出现以下界面。

4、继续下一步，然后默认下一步2次后会出现选择打印机生产商的界面，这时选择HP这个生产商，型号选择DesignJet 650C C2859B这个型号，如图：5、选择完型号后，一直默认点下一步直至完成。

完成后在CAD中打印时就可以选择刚才添加的打印机。

然后点击特性找到“过滤纸张尺寸”这个选项点选全部不选这个选项并保存（意思是过滤掉系统自带的纸张，系统自带的纸张都是有边距的）。

然后回到上个图片的那个界面，在刚才“过滤图纸尺寸”的位置上面有个“自定义图纸尺寸”我们可以通过这个自己添加纸张大小并保存。

需要注意的是在选择页边距的时候，上、下、左右的边距都要设为零。

如下图：纸张大小的设置建议比标准图纸大一点（但不要大太多），这样在打印预览的时候可以看到边框。

6、纸张设置完后就可以回到打印页面，打印的时候需要注意的几个方面：A 纸张大小B 线型的设置（注：我们店里的打印机淡显的设置是图块的淡显是30%，线条的淡显是60%。

打印机不同淡显的比例不同建议您按以上比例淡显）C 图纸的比例D 打印到文件要勾选这样才能做成PLT文件文件名和路径是自己保存的位置。

7、然后点击确定就能生成一个PLT文件了。

8、备注：墙体淡显25%-30% 线型50%-60%感谢您的浏览学习，做PLT文件可以避免因为线型、字体、版本不同等问题带来的诸多不便。

可以大大的提高工作效率，可以避免因为上述问题带来的图纸无效，重复打印等。

一，打开CAD
二，(准备工作，若原来已经有打印机驱动了，就直接跳到第三步)
选择：文件－打印机管理器，
如图：
选择添加打印机向导，如下图：
点击：下一步，如下图：
继续点击：下一步，如下图：
生产商选择：hp 型号选择: DesignJet 750c plus c4709B 或者750c C3196A 等，点击下一步，如下图：
点击：继续，如下图：
点击：下一步，如下图：
端口选择：COM1 点击：下一步，如下图：
点击下一步，如下图：
点击完成，如下图：
至此，打印机添加成功
同时按下：ctrl+p，进行打印机设置
在“打印设备”里选择打印机，打印样式表根据客户自己的线性，字体形成，如下图：
点击：特性，改纸张大小
选择：自定义图纸尺寸－添加－创建新图纸－点击下一步
尺寸根据图纸大小设置，现以A0 尺寸举例(该图纸尺寸是用于对图纸的对照，并非打印出来的图纸
大小，如果有A0+的图纸，图纸尺寸就应该设置更长，方便一会儿与实际打印尺寸进行预览，参照，对照用)，点击下一步，如下图：
四周边距设为0，点击下一步，如下图：
连续点击下一步，直至完成，浮现修改打印机配置对话框，选择：将修改保存到下列文件，如下图：
点击打印设备－图纸尺寸选择刚才设置的－输入正确的比例，如下图：
点击：窗口，选择要打印的文件
点击局部预览，判断有效区域尺寸是否与正确打印尺寸相符，是否小于可打印区域，点确定，如下图：可判断要打印图纸尺寸为A1
点击彻底预览，检查字体，线性有没有问题，右键选择退出。

选择：打印设备，点击：打印到文件，选择你要保存文件的路径和文件名，如下图：
点击确定，至此，plt 文件制作成功。

前一段时间，我tecplot导入（Import）Fluent Data后，tec中一直只有一种颜色，本来设置的对称面上也是，无法显示出等值线图。

在这里看到有朋友也遇到相同的问题，拿出来讨论一下！原因可能是这样的：由于所有的表面都设置成了边界，所以如果显示的边界都是active的，tec中就只看到了边界的情况，而边界又是设置的一个固定条件，所以只有一个值，也就显示一种颜色！可能的解决办法：在去掉mesh显示以后，只显示fluid，即是在zone style 种选中fluid，然后show Selected only。

试试看!不知道有多少人遇到的情况与次类似！班门弄斧了！哦，谢谢了。

我现在已经知道怎么做了，但是我想把所得的剖面显示成二维的，例如想得到xz面的云图，但是采用二维后总是显示xy面的云图，怎么改一下坐标显示，才能得到想要的平面呢？我找了大半天也没找到。

现在这里说声谢谢了view-rotate-...问题是这样的，我用fluent6.1.22的版本，做水力空化的模拟，用的是multiphase 模型中的mixture 模型，cavitation 子模型，数据后处理时，想在等高线图上标注数值，需要把数据导出tecplot 数据文件，在导出过程中出现错误，tecplot10在读该数据文件时报错，而且原本四边形网格在导出后却变成了三角形格式。

但是，当我用fluent6.0用同样模型模拟，然后导出tecplot 文件，却可以被tecplot10识别，然而两种版本计算所得的相体积分数却相差几个数量级，估计是两个版本的cavitation 模型不同所导致。

因此，我想知道fluent6.1.22版本同fluent6.0版本在cavitation 模型计算上的差异，以及fluent6.1.22不能正确导出tecplot 数据文件的原因？有没有用过fluent6.1.22版本的朋友，能否正确输出*.plt 文件？2006/08/20 10:22amIP: 已设置保密[本文共694字节]bihailantian职衔:威望: 0现金: 1193 华元存款: 没开户来自: 保密发帖: 9篇精华: 0篇在线: 05 时 50 分 13秒注册: 2006/07/12消息查看搜索好友复制引用回复[第2楼]希望各位fluent专家能指点一下？问题急需解决！2006/08/20 10:26am IP: 已设置保密[本文共48字节]xce勋章:门派: 清洁能消息查看搜索好友复制引用回复[第3楼]源翰林院职衔:资料:威望: +1现金: 3189.5 华元存款: 没开户来自: 陕西发帖: 116篇精华: 1篇在线: 37 时 09分 04 秒注册:2006/03/27可以的，你的模型是三维的好事二维的，二维的导出是完全可以用的，我就试过，不过可能结果会有点失真的。

matplotlibx轴和y轴原点重合-概述说明以及解释1.引言1.1 概述matplotlib是一个功能强大的绘图库，可以用来创建各种类型的图形，包括折线图、散点图、直方图等。

在matplotlib中，x轴和y轴是图形中的重要组成部分，它们用来表示数据的水平和垂直位置，对于数据可视化起着至关重要的作用。

本文将探讨x轴和y轴原点重合的概念及其意义，介绍实现这一效果的方法，并分析在数据可视化中将x轴和y轴原点重合的优势和应用场景，展望未来发展的趋势。

通过深入研究和讨论，希望读者能够更深入了解matplotlib库的功能和应用，提升数据可视化的效果和质量。

1.2 文章结构本文将按照以下结构展开：首先，将介绍matplotlib库的基本概念和功能，为读者提供对本文后续内容的背景了解。

然后，将深入探讨x轴和y轴原点重合的意义，分析其在数据可视化中的重要性和优势。

接着，将详细介绍实现x轴和y轴原点重合的方法，并举例说明如何在matplotlib中实现这一效果。

最后，将总结x轴和y轴原点重合的优势，并探讨其在实际应用场景中的潜在价值和意义。

通过以上结构，读者将全面了解x轴和y轴原点重合的概念与实现方法，以及其在数据可视化中的重要作用和应用前景。

1.3 目的：本文的目的旨在介绍如何利用matplotlib库实现x轴和y轴原点重合的方法，探讨这种操作的意义和优势，并探讨其在实际应用场景中的作用。

同时，希望通过本文的介绍和分析，读者能够更深入地了解matplotlib 库的使用方法，从而提高数据可视化的效果和效率。

最终目的是为了帮助读者更好地利用matplotlib库进行数据可视化工作。

章1.3 目的部分的内容2.正文2.1 matplotlib库介绍matplotlib是一个用于绘制各种静态、动态、交互式数据可视化的Python库。

它提供了一种类似于Matlab的绘图接口，使用户能够轻松地创建各种类型的图形，包括折线图、散点图、柱状图、饼图等。

python⽤matplotlib制作条形图参数详解plt.barh（）1、加载库import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt2、逐步添加 barh() 参数，绘制条形图def title_table(ax):ax.set_title(label=f'No.{i+1}',loc='center',pad=None,fontdict={'color': 'b'})ax.table(loc='upper right', # 表格在图表区的位置colLabels=[f'{i+2} args'], # 表格每列的列名称colColours=['g'], # 表格每列列名称所在单元格的填充颜⾊colLoc='left', # 表格中每列列名称的对齐位置colWidths=[0.15], # 表格每列的宽度cellText=args, # 表格中的数值, 每⾏数据的列表的列表cellColours=[['cornsilk']]*len(args), # 表格中数据所在单元格的填充颜⾊cellLoc='left', # 表格中数据的对齐位置fontsize=8)# 定义数据x = [1, 2, 3, 4, 5]y = [6, 10, 4, 5, 1]labels = list('abcde'.upper())# 配置字体，显⽰中⽂mpl.rcParams['font.sans-serif'] = ['SimHei']# 配置坐标轴刻度值模式，显⽰负号mpl.rcParams['axes.unicode_minus'] = True# 设置⼦区布局和图表区属性fig, axes = plt.subplots(nrows=3, # ⼦区⾏数ncols=3, # ⼦区列数figsize=(18, 14), # 图表区的⼤⼩facecolor='cornsilk', # 图表区的背景⾊)# 将⼆维⼦区数组扁平化axes = axes.ravel() # 返回⼦区坐标系的⼀维视图# 选择⼦区 1i = 0ax = axes[i]## 设置⼦区背景⾊ax.set_facecolor('oldlace') # 浅⽶⾊，⽼⽩⾊## 在第 1 ⼦区中绘制条形图ax.barh(y=x, # 条形对应的 y 轴坐标width=y, # 条形的长度)args = [[e] for e in ['y', 'width']]## 向图表⼦区添加标题和数据表title_table(ax)# 选择⼦区 2i = 1ax = axes[i]## 设置⼦区背景⾊ax.set_facecolor('lemonchiffon') # 柠檬绸⾊## 在第 2 ⼦区中绘制条形图ax.barh(y=x, # 条形对应的 y 轴坐标width=y, # 条形的长度height=0.4, # 条形的宽度)args = [[e] for e in ['y', 'width', 'height']]## 向图表⼦区添加标题和数据表title_table(ax)# 选择⼦区 3i = 2ax = axes[i]## 设置⼦区背景⾊ax.set_facecolor('moccasin') # ⿅⽪⾊## 在第 3 ⼦区中绘制条形图ax.barh(y=x, # 条形对应的 y 轴坐标width=y, # 条形的长度height=0.7, # 条形的宽度align='edge', # 条形与 y 轴刻度线对齐的位置 )args = [[e] for e in ['y', 'width', 'heigth', 'align']]## 向图表⼦区添加标题和数据表title_table(ax)# 选择⼦区 4i = 3ax = axes[i]## 设置⼦区背景⾊ax.set_facecolor('palegoldenrod') # 淡菊黄⾊## 在第 4 ⼦区中绘制条形图ax.barh(y=x, # 条形对应的 y 轴坐标width=y, # 条形的长度height=0.7, # 条形的宽度align='edge', # 条形与 y 轴刻度线对齐的位置 color='darkgrey'# 条形的填充颜⾊)args = [[e] for e in ['y', 'width', 'heigth', 'align', 'color']] ## 向图表⼦区添加标题和数据表title_table(ax)# 选择⼦区 5i = 4ax = axes[i]## 设置⼦区背景⾊ax.set_facecolor('orange') # 橘黄⾊## 设置⼦区背景⾊ax.set_facecolor('palegoldenrod') # 淡菊黄⾊## 在第 5 ⼦区中绘制条形图ax.barh(y=x, # 条形对应的 y 轴坐标width=y, # 条形的长度height=0.7, # 条形的宽度align='edge', # 条形与 y 轴刻度线对齐的位置color='darkgrey', # 条形的填充颜⾊alpha=0.4, # 条形填充颜⾊的透明度)args = [[e] for e in ['y', 'width', 'heigth', 'align', 'color', 'alpha']]## 向图表⼦区添加标题和数据表title_table(ax)# 选择⼦区 6i = 5ax = axes[i]## 设置⼦区背景⾊ax.set_facecolor('gold') # ⾦黄⾊## 在第 6 ⼦区中绘制条形图ax.barh(y=x, # 条形对应的 y 轴坐标width=y, # 条形的长度height=0.7, # 条形的宽度align='edge', # 条形与 y 轴刻度线对齐的位置color='khaki', # 条形的填充颜⾊alpha=1, # 条形填充颜⾊的透明度left=0.7, # 条形左侧边线对应的 x 轴坐标)args = [[e] for e in ['y', 'width', 'heigth', 'align', 'color', 'alpha', 'left']]## 向图表⼦区添加标题和数据表title_table(ax)## 设置刻度范围ax.set_xlim(0, 11)# 选择⼦区 7i = 6ax = axes[i]## 设置⼦区背景⾊ax.set_facecolor('darkgoldenrod') # 暗⾦黄⾊，深菊黄## 在第 7 ⼦区中绘制条形图ax.barh(y=x, # 条形对应的 y 轴坐标width=y, # 条形的长度height=0.7, # 条形的宽度align='edge', # 条形与 y 轴刻度线对齐的位置color='khaki', # 条形的填充颜⾊alpha=1, # 条形填充颜⾊的透明度left=0.2, # 条形左侧边线对应的 x 轴坐标edgecolor='g'# 条形的边框颜⾊)args = [[e] for e in ['y', 'width', 'heigth', 'align', 'color', 'alpha', 'left', 'edgecolor']] ## 向图表⼦区添加标题和数据表title_table(ax)## 设置刻度范围ax.set_xlim(0, 11)# 选择⼦区 8i = 7ax = axes[i]## 设置⼦区背景⾊ax.set_facecolor('goldenrod') # 菊花黄，⾦麒麟⾊## 在第 8 ⼦区中绘制条形图ax.barh(y=x, # 条形对应的 y 轴坐标width=y, # 条形的长度height=0.7, # 条形的宽度align='edge', # 条形与 y 轴刻度线对齐的位置color='khaki', # 条形的填充颜⾊alpha=1, # 条形填充颜⾊的透明度left=0.2, # 条形左侧边线对应的 x 轴坐标edgecolor='g', # 条形的边框颜⾊linewidth=2, # 条形边框线的宽度)args = [[e] for e in ['y', 'width', 'heigth', 'align', 'color', 'alpha', 'left', 'edgecolor', 'linewidht']]## 向图表⼦区添加标题和数据表title_table(ax)## 设置刻度范围ax.set_xlim(0, 11)# 选择⼦区 9i = 8ax = axes[i]## 设置⼦区背景⾊ax.set_facecolor('lightgoldenrodyellow') # 浅⾦黄⾊## 在第 9 ⼦区中绘制条形图ax.barh(y=x, # 条形对应的 y 轴坐标width=y, # 条形的长度height=0.7, # 条形的宽度align='edge', # 条形与 y 轴刻度线对齐的位置color='khaki', # 条形的填充颜⾊alpha=1, # 条形填充颜⾊的透明度left=0.2, # 条形左侧边线对应的 x 轴坐标edgecolor='g', # 条形的边框颜⾊linewidth=2, # 条形边框线的宽度tick_label=labels # 条形的标签名称)args = [[e] for e in ['y', 'width', 'heigth', 'align', 'color', 'alpha', 'left', 'edgecolor', 'linewidht', 'tick_label']]## 向图表⼦区添加标题和数据表title_table(ax)## 设置刻度范围ax.set_xlim(0, 11);图表。