Matplotlib–更改滑块颜色
原文:https://www.geesforgeks.org/matplotlib-change-slider-color/
在本文中,我们将看到如何在 Matplotlib 中更改绘图的滑块颜色。首先,让我们了解什么是滑块小部件。 matplotlib 中的滑块小部件用于创建滚动滑块,我们可以在 python 程序中使用滚动滑块的值进行更改。默认情况下,滑块的颜色是蓝色,因此,我们将学习更改滑块的颜色。
语法:滑块(尺寸、名称、最小值、最大值、初始值、颜色;
参数:
- 尺寸:该参数取 plt.axes()对象来确定滑块的尺寸
- 名称:滑块名称
- 最小值:滑块的最小可能值
- 最大值:滑块的最大可能值
- 初始值:滑块的初始值
- 颜色:滑块填充的颜色
安装
Windows、Linux 和 macOS 发行版都将 matplotlib 及其大部分依赖项作为轮包。运行以下命令安装 matplotlib 包:
python -mpip install -U matplotlib
注: Slider 有很多参数。我们对颜色的争论感兴趣。
例 1:
使用颜色名称,我们修改滑块的颜色。有‘红’、‘蓝’、‘绿’、‘黄’、‘棕’等……颜色名称可选。
计算机编程语言
# import libraries
import matplotlib.pyplot as plt
from matplotlib.widgets import Slider
# define dimensions
width = 0.8
height = 0.25
minValue = 1
maxValue = 20
# Create dimensions of slider
dimentions_of_slider = plt.axes([0, 0, width, height])
# Create slider
mySlider = Slider(dimentions_of_slider, 'My Slider',
minValue, maxValue, valinit=10,
color='green')
# Show Graph
plt.show()
输出:
例 2:
这个例子类似于上面的例子,但是我们使用十六进制代码来定义颜色。当我们需要我们想要的准确颜色时,我们使用十六进制颜色代码。
计算机编程语言
# import libraries
import matplotlib.pyplot as plt
from matplotlib.widgets import Slider
# define dimensions
width = 0.8
height = 0.25
minValue = 1
maxValue = 20
# Create dimensions of slider
dimentions_of_slider = plt.axes([0, 0, width, height])
# Create slider
# Notice the HEX color code below
mySlider = Slider(dimentions_of_slider, 'My Slider',
minValue, maxValue, valinit=10,
color='#000000')
# Show Graph
plt.show()
输出:
例 3:
在这个例子中,我们使用不同的格式创建了多个不同颜色的滑块来提及颜色。
计算机编程语言
# import libraries
import matplotlib.pyplot as plt
from matplotlib.widgets import Slider
# define dimensions
width = 0.8
height = 0.25
minValue = 1
maxValue = 20
# define sliders
dimentions_of_slider1 = plt.axes([0, 0.3, width, height])
dimentions_of_slider2 = plt.axes([0, 0, width, height])
# Using name of Color
mySlider1 = Slider(dimentions_of_slider1, 'My Slider1',
minValue, maxValue, valinit=10,
color='brown')
# Using HEX Code of Color
mySlider2 = Slider(dimentions_of_slider2, 'My Slider2',
minValue, maxValue, valinit=10,
color='#123456')
# show the plot
plt.show()
输出: