У меня есть другая перспектива ответить на это.
При работе на разных уровнях, например, в приложении MVC, контроллеру нужны службы для вызова бизнес-операций. В таких сценариях контейнер инжекции зависимостей может использоваться для инициализации служб, чтобы исключить исключение NullReferenceException. Это означает, что вам не нужно беспокоиться о проверке нулевого значения и просто вызвать службы с контроллера, как будто они всегда будут доступны (и инициализированы) как одиночный или прототип.
public class MyController
{
private ServiceA serviceA;
private ServiceB serviceB;
public MyController(ServiceA serviceA, ServiceB serviceB)
{
this.serviceA = serviceA;
this.serviceB = serviceB;
}
public void MyMethod()
{
// We don't need to check null because the dependency injection container
// injects it, provided you took care of bootstrapping it.
var someObject = serviceA.DoThis();
}
}
Что-то вроде этого может сделать трюк:
import matplotlib.pyplot as plt
from itertools import cycle
lines = ["-","--","-.",":"]
linecycler = cycle(lines)
plt.figure()
for i in range(10):
x = range(i,i+10)
plt.plot(range(10),x,next(linecycler))
plt.show()
Результат: [/g2]
Изменить для более новой версии (v2.22)
import matplotlib.pyplot as plt
from cycler import cycler
#
plt.figure()
for i in range(5):
x = range(i,i+5)
linestyle_cycler = cycler('linestyle',['-','--',':','-.'])
plt.rc('axes', prop_cycle=linestyle_cycler)
plt.plot(range(5),x)
plt.legend(['first','second','third','fourth','fifth'], loc='upper left', fancybox=True, shadow=True)
plt.show()
Для получения более подробной информации обратитесь к учебному пособию matplotlib «Styling with cycler» . Чтобы увидеть выход, нажмите « показать рисунок »
Предстоящий matplotlib v1.5 будет обесценивать color_cycle для новой функции prop_cycler: http://matplotlib.org/devdocs/users/whats_new.html?highlight=prop_cycle#added-axes-prop-cycle-key -to-rcparams
plt.rcParams['axes.prop_cycle'] = ("cycler('color', 'rgb') +"
"cycler('lw', [1, 2, 3])")
Затем вперед и создавайте свои оси и сюжеты!
Подобно графикам Авариса, но различным ....
import matplotlib.pyplot as plt
import numpy as np
#set linestyles (for-loop method)
colors=('k','y','m','c','b','g','r','#aaaaaa')
linestyles=('-','--','-.',':')
styles=[(color,linestyle) for linestyle in linestyles for color in colors]
#-- sample data
numLines=30
dataXaxis=np.arange(0,10)
dataYaxis=dataXaxis+np.array([np.arange(numLines)]).T
plt.figure(1)
#-----------
# -- array oriented method but I cannot set the line color and styles
# -- without changing Matplotlib code
plt.plot(datax[:,np.newaxis],datay.T)
plt.title('Default linestyles - array oriented programming')
#-----------
#-----------
# -- 'for loop' based approach to enable colors and linestyles to be specified
plt.figure(2)
for num in range(datay.sh![enter image description here][1]ape[0]):
plt.plot(datax,datay[num,:],color=styles[num][0],ls=styles[num][1])
plt.title('User defined linestyles using for-loop programming')
#-----------
plt.show()
Я использую код, подобный этому, для циклического перехода через различные стилистилы. По умолчанию цвета повторяются после 7 графиков.
idx = 0
for ds in datasets:
if idx < 7:
plot(ds)
elif idx < 14:
plot(ds, linestyle='--')
else:
plot(ds, linestyle=':')
idx += 1
Если вы хотите, чтобы изменения были автоматическими, вы можете добавить эти две строки в файл axes.py matplotlib: Посмотрите на эту строку:
self.color_cycle = itertools.cycle(clist)
и добавьте следующую строку внизу:
self.line_cycle = itertools.cycle(["-",":","--","-.",])
И найдите строку:
kw['color'] = self.color_cycle.next()
и добавьте строку:
kw['linestyle'] = self.line_cycle.next()
Думаю, вы можете сделать то же самое для маркера.
Я обычно использую комбинацию основных цветов и linestyles для представления разных наборов данных. Предположим, что у нас есть 16 наборов данных, каждый из четырех наборов данных, принадлежащих какой-то группе (с некоторым общим свойством), тогда легко представить, когда мы представляем каждую группу с общим цветом, но с ее членами с разными стилями линий.
import numpy as np
import matplotlib.pyplot as plt
models=['00','01', '02', '03', '04', '05', '06', '07', '08', '09', '10',\
'11', '12', '13', '14', '15', '16']
fig = plt.figure()
ax = fig.add_subplot(111)
x = np.linspace(-1,1,100)
y = np.sin(x)
clrs_list=['k','b','g','r'] # list of basic colors
styl_list=['-','--','-.',':'] # list of basic linestyles
for i in range(0,16):
clrr=clrs_list[i // 4]
styl=styl_list[i % 4]
modl=models[i+1]
frac=(i+1)/10.0
ax.plot(x,y+frac,label=modl,color=clrr,ls=styl)
plt.legend()
plt.show()
вот несколько примеров использования велосипедистов для разработки наборов стилей
могут быть добавлены велосипедисты для создания композиций (красный с «-», синий с «-», ...)
plt.rc('axes', prop_cycle=(cycler('color', list('rbgk')) +
cycler('linestyle', ['-', '--', ':', '-.'])))
прямое использование по осям:
ax1.set_prop_cycle(cycler('color', ['c', 'm', 'y', 'k']) +
cycler('lw', [1, 2, 3, 4]))
велосипедисты могут быть умножены ( http://matplotlib.org/cycler/ ), чтобы дать более широкий диапазон уникальных стилей
for ax in axarr:
ax.set_prop_cycle(cycler('color', list('rbgykcm')) *
cycler('linestyle', ['-', '--']))
см. также: http://matplotlib.org/examples/color/color_cycle_demo.html