### 如何在 Jupyter Notebook 中用 Matplotlib 绘制模型图 要在 Jupyter Notebook 中使用 Matplotlib 绘制模型图，首先需要导入必要的库并配置环境以便支持图形渲染。以下是详细的说明： #### 配置绘图环境 为了确保图形能够正常显示，在脚本开头需加入 `%matplotlib` 的魔法命令之一。这可以通过以下几种方式进行设置[^2]： - 使用 `%matplotlib inline` 可以让图像嵌入到笔记本中，适合静态展示。 - 如果希望获得交互式体验，则可以选择 `%matplotlib notebook`。 #### 导入库文件 绘制模型图之前，必须加载所需的 Python 库。基本的代码片段如下所示： ```python import matplotlib.pyplot as plt import numpy as np ``` #### 处理中文字符与特殊符号 为了避免中文乱码或者负号显示异常的情况发生，应调整 `rcParams` 参数来指定合适的字体以及关闭 Unicode 减号处理机制[^1]: ```python plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False ``` #### 创建基础图表 下面是一个简单的例子演示如何利用 Matplotlib 来制作包含两条曲线的基础图表[^4]: ```python x = range(60) y_shanghai = [np.random.uniform(15, 18) for _ in x] y_beijing = [np.random.uniform(1, 3) for _ in x] plt.figure(figsize=(10, 6)) plt.plot(x, y_shanghai, label='Shanghai') plt.plot(x, y_beijing, color='green', linestyle='--', label='Beijing') # 自定义X,Y轴标签 labels_x = ["{} min".format(i*5) for i in range(len(x)//5)] positions_x = list(range(0,len(x),5)) plt.xticks(positions_x, labels=labels_x) plt.yticks(np.arange(-5,20,step=5)) # 添加其他细节 plt.grid(True, linestyle='-.', alpha=.7) plt.xlabel('Time (minutes)') plt.ylabel('Temperature (°C)') plt.title('City Temperature Comparison Over Time') plt.legend() plt.show() ``` 此段程序生成了一张比较两地气温随时间变化趋势的线状图，并设置了相应的坐标标注、网格线条以及其他辅助信息。 #### 进一步定制化您的模型图 如果目标是构建更复杂的统计学或机器学习相关的可视化成果，比如散点分布图，则可以参考以下实例[^3]: ```python from sklearn.datasets import make_blobs data,_ = make_blobs(n_samples=500, centers=3, n_features=2) colors=['blue','orange','green'] fig, ax = plt.subplots() for idx,color in enumerate(colors): subset=data[data[:,2]==idx] ax.scatter(subset[:,0],subset[:,1],c=color,label=f'Cluster {idx}') ax.set_title('Model Clusters Visualization') ax.set_xlabel('Feature X') ax.set_ylabel('Feature Y') ax.legend(title="Clusters") plt.tight_layout() plt.show() ``` 注意这里假设数据集中已经包含了类别标记作为第三维特征用于区分不同簇群的颜色编码。