Настройка графического изображения

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import mplcyberpunk
from scipy.stats import chi2_contingency
from sklearn.linear_model import LinearRegression
from PIL import Image
 
plt.style.use("cyberpunk")
 
data = pd.read_csv("Експериментальні дані.txt", sep="\s+", header=None)
data = pd.DataFrame(data)
 
x = data[0]
y = data[1]
 
fig, ax = plt.subplots()
fig.set_figheight(6)
fig.set_figwidth(12)
 
z = np.polyfit(x, y, 1)
p = np.poly1d(z)  # Преобразовать z в полином
print(p)
y0 = p(x)  # Распечатать установленное значение
 
x = np.array(x).reshape(5, 1)
m = LinearRegression()  # Постройм модель
z1 = m.fit(x, y)
z1.score(x, y)  # Показывать примерный эффект
z1.predict([[10]])
p = z1.coef_  # Отображение коэффициента
q = z1.intercept_  # Отображение наклона
w = np.append(p, q)
p1 = np.poly1d(w)  # Преобразовать w в полином
print(p1)
 
df = chi2_contingency(data)
print('chisq-statistic=%.3f, p-value=%.3f, df=%i expected_frep=%s' % df)
 
plt.title('Результати експерименту та розраховане значення радiуса кривизни лiнзи R', fontsize=12, fontname='Times New Roman', color="white")
plt.ylabel(r'$r^2,$' r'$мм^2$', fontsize=14, fontname='Times New Roman', color='white')
plt.xlabel('m', fontsize=14, fontname='Times New Roman', color='white')
# f = plt.plot(x, y, "ro", x, y1, "g^", x, y2, 'b*')
plt.plot(x, y, marker="o", linestyle='-.', color='Red')
plt.text(4.4, 0.53, r'$\lambda_{Red} = 706 мм$', fontsize=10, bbox={'facecolor': 'white', 'alpha': 0.2})
plt.text(4.4, 0.5, r'$R_{Red} = 23.960 см$', fontsize=10, bbox={'facecolor': 'white', 'alpha': 0.2})
plt.text(4.4, 0.47, r'$\lambda_{Yellow} = 586 мм$', fontsize=10, bbox={'facecolor': 'white', 'alpha': 0.2})
plt.text(4.4, 0.44, r'$R_{Yellow} = 26.556 см$', fontsize=10, bbox={'facecolor': 'white', 'alpha': 0.2})
plt.text(4.4, 0.41, r'$\lambda_{DarkBlue} = 434 мм$', fontsize=10, bbox={'facecolor': 'white', 'alpha': 0.2})
plt.text(4.4, 0.38, r'$R_{DarkBlue} = 33.803 см$', fontsize=10, bbox={'facecolor': 'white', 'alpha': 0.2})
plt.text(3.5, 0.4, r'$\chi^2 = 0.092$', fontsize=10, bbox={'facecolor': 'white', 'alpha': 0.2})
plt.text(2.9, 0.4, r'$y = a*m+b$', fontsize=10, bbox={'facecolor': 'white', 'alpha': 0.2})
plt.legend(["Червоний\n0.096*m + 0.229-лінійна апроксимація"], fontsize=10)
mplcyberpunk.add_gradient_fill(alpha_gradientglow=0.5)
mplcyberpunk.add_glow_effects()
# mplcyberpunk.add_glow_effects(gradient_fill=True)
plt.savefig("test.png")
im = Image.open("test.png")
print(im.size)
plt.show()