第二，我试过并成功地给文本加下划线。以下是对我有用的代码片段：import numpy as np
import matplotlib.pyplot as plt
plt.rc('text', usetex=True)
x = np.arange(0, 2*np.pi, 0.1)
plt.plot(x, np.sin(x))
plt.text(x[len(x)//2], .5, r'$\underline{sin(x)}$')
plt.show()
最后，如果以上这些都不起作用，我建议您看看您的python发行版。用LaTeX呈现文本需要一个正常运行的LaTeX安装，如matplotlib文档http://matplotlib.org/users/usetex.html中所述，因此这可能是您遇到的一个潜在问题。在
另外，我建议您在系统中添加更多的信息&一段工作代码。这将有助于缩小对您问题的建议/解决方案。在
第二，我试过并成功地给文本加下划线。以下是对我有用的代码片段：import numpy as npimport matplotlib.pyplot as pltplt.rc('text', usetex=True)x = np.arange(0, 2*np.pi, 0.1)plt.plot(x, np.sin(x))plt.text(x[len(x)//2], .5, r'$\underline{...
下划线
的含义一级目录二级目录1.单前导
下划线
_var2. 单末尾
下划线
var_3. 双前导
下划线
__var4. 双前导和末尾
下划线
__var__5. 单
下划线
_
在
Python
中单
下划线
和双
下划线
有着不同的含义和命名约定，影响着程序执行的结果。下面介绍五种不同的
下划线
：
单前导
下划线
单末尾
下划线
双前导
下划线
双前导和末尾
下划线
单
下划线
1.单前导
下划线
_var
以单
下划线
开始的成员变量相当于私有变量，也叫做保护变量，也就是只有类实例和子类实例能访问到这些变量，需通过类提供的接口
刚开始学
Python
的时候会发现，
Python
里会出现各种各样的
下划线
“_”，而且位置都不相同，有时候在名称后面，有时候在前面，有时候还会在数字中间......这些
下划线
都分别代表了什么意思？
这里我们将介绍的五种不同情况：
一.单
下划线
（_）
单
下划线
通常在3种情况下使用：
1.在解析程序中
按照习惯，有时候单个独立
下划线
是用作一个名字，来表示某个变量是临时的或无关紧要的。
_名称指向交互式解释器会话中，最后执行的语句结果。这首先是由标准C
Python
解释器完成的，其他解析器也紧随其后。
目录1 \_\_name__2 \_\_file__2.1 延伸用法-返回脚本绝对位置
1 __name__
一个
python
的文件有两种使用的方法，第一是直接作为脚本执行，第二是import到其他的
python
脚本中被调用（模块重用）执行。因此if __name__ == 'main': 的作用就是控制这两种情况执行代码的过程，在if __name__ == 'main':下的代码只有在第一种情况下（即文件作为脚本直接执行）才会被执行（if里面的代码），而 import 到其他脚本中是不会被执行的。
cycler-0.10.0-py2.py3-none-any.whl
numpy-1.11.2+mkl-cp34-cp34m-win32.whl
pyparsing-2.1.9-py2.py3-none-any.whl
pyparsing-2.1.10-py2.py3-none-any.whl
python
_dateutil-2.6.0-py2.py3-none-any.whl
pytz-2016.7-py2.py3-none-any.whl
setuptools-28.7.1-py2.py3-none-any.whl
======================
x,y：表示标签添
加
的位置，默认是根据坐标轴的数据来度量的，是绝对值，也就是说图中点所在位置的对应的值，特别的，如果你要变换坐标系的话，要用到transform=ax.transAxes参数。
s：表示标签的符号，字符串格式，比如你想
加
个“我爱三行科创”，更多的是你标注跟数据有关的主体，你如实写便是。
fontsize：顾名思
deprecationwarning: `set_
matplotlib
_formats` is deprecated since i
python
7.23, directly use `
matplotlib
_inline.backend_inline.set_
matplotlib
_formats()` display.set_
matplotlib
_formats('svg')
### 回答1：
警告：`set_
matplotlib
_formats`自i
python
7.23版本起已被弃用，请直接使用`
matplotlib
_inline.backend_inline.set_
matplotlib
_formats()`，并使用`display.set_
matplotlib
_formats('svg')`来设置SVG格式。
### 回答2：
首先，对于
Python
程序员来说，我们常常会使用
matplotlib
这个图像库来进行数据可视化。但是，在使用过程中，可能会遇到如下的问题：
deprecationwarning: `set_
matplotlib
_formats` is deprecated since i
python
7.23， directly use `
matplotlib
_inline.backend_inline.set_
matplotlib
_formats()` display.set_
matplotlib
_formats('svg')。
这个问题的意思是提示我们使用set_
matplotlib
_formats()这个函数时会出现警告，因为i
python
的版本已经更新到了7.23，而set_
matplotlib
_formats()这个函数已经被弃用了。
知道了这个问题，我们怎么去解决呢？
其实，在新版本的i
python
中，我们可以直接使用
matplotlib
_inline.backend_inline.set_
matplotlib
_formats()这个函数来代替set_
matplotlib
_formats()，并且实现的效果是一样的。
除此之外，还可以使用display.set_
matplotlib
_formats('svg')来设置输出格式，这个函数也能够输出图片，只不过它只支持SVG格式的输出。
这些函数的使用方式比较简单，我们只需要在代码中进行相应的修改，即可顺利运行我们的程序。当然，这个问题的解决也提示我们要随时关注我们所使用的库的版本，以确保我们的程序能够正常运行。
### 回答3：
简单来说，这个DeprecationWarning是
Python
在告诉我们现在的设置方法已经过时了，应该使用新的方法来设置。具体来说，这个警告是针对在使用I
Python
7.23及以上版本时调用set_
matplotlib
_formats()函数的用户发出的。
set_
matplotlib
_formats()函数是一种设置图形格式的方法，旧的I
Python
版本中经常用到它来为
matplotlib
生成的图形设置格式，比如说png或者svg格式。但在新的I
Python
版本中，这个函数被认为是过时的了，因此旧版本中使用的代码需要进行修改。
替代set_
matplotlib
_formats()函数的新方法是调用
matplotlib
_inline.backend_inline.set_
matplotlib
_formats()和display.set_
matplotlib
_formats('svg')。这些新方法提供了更好的API，并且更符合
Python
代码风格的规范。
总的来说，如果你正在使用较新版本的I
Python
，想修改
matplotlib
图形的格式，那么建议使用新的设置方法。这不仅能避免警告产生，而且能够更好地提高您
Python
代码编写的效率。
