pycharm使用matplotlib绘图学习笔记「建议收藏」

pycharm使用matplotlib绘图学习笔记「建议收藏」#encoding=utf-8importnumpyasnpdefmain():importmatplotlib.pyplotasplt##lesson1:画图#x=np.linspace(-1,1,50)#x=np.linspace(-np.pi,np.pi,256,endpoint=True)#c,s=np.cos(x),np.sin(x)#plt.figure(1)#plt.plot(x,.

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

#encoding=utf-8
import numpy as np


def main():
    import matplotlib.pyplot as plt

    ##lesson1:画图
    # x = np.linspace(-1, 1, 50)
    # x=np.linspace(-np.pi,np.pi,256,endpoint=True)
    # c,s=np.cos(x),np.sin(x)
    # plt.figure(1)
    # plt.plot(x,c,color="blue",linewidth=1.0,linestyle="-",label="COS",alpha=0.5)
    # plt.plot(x,s,"r*",label="SIN")
    # plt.title("COS & SIN")
    # ##设置坐标轴
    # ax=plt.gca()
    # ax.spines["right"].set_color("none")
    # ax.spines["top"].set_color("none")
    # ax.spines["left"].set_position(("data",0))
    # ax.spines["bottom"].set_position(("data",0))
    # ax.xaxis.set_ticks_position("bottom")
    # ax.yaxis.set_ticks_position("left")
    # ##网格填充
    # plt.grid()
    # plt.fill_between(x,np.abs(x)<0.5,c,c>0.5,color="green",alpha=0.25)
    # ##注释
    # t=1
    # plt.plot([t,t],[0,np.cos(t)],"y",linewidth=3,linestyle="--")
    # plt.annotate("cos(1)",xy=(t,np.cos(1)),xycoords="data",xytext=(+10,+30),textcoords="offset points",arrowprops=dict(arrowstyle="->",connectionstyle="arc3,rad=.2"))
    #
    # plt.show()

    ##lesson2:数据分析常见图形
    ##散点图scatter
    # fig=plt.figure()
    # ax=fig.add_subplot(3,3,1)
    # n=128
    # X=np.random.normal(0,1,n)#随机数
    # Y=np.random.normal(0,1,n)#随机数
    # T=np.arctan2(Y,X)#上色
    # #plt.axes([0.025,0.025,0.95,0.95])#指定现实范围
    # #plt.scatter(X,Y,s=75,c=T,alpha=0.5)#画散点
    # ax.scatter(X, Y, s=75, c=T, alpha=0.5)  # 画散点
    # plt.xlim(-1.5,1.5),plt.xticks([])#X范围
    # plt.ylim(-1.5,1.5),plt.yticks([])#Y范围
    # plt.axis()
    # plt.title("scatter")
    # plt.xlabel("x")
    # plt.ylabel("y")
    # plt.show()

    # #bar柱状图
    # fig = plt.figure()
    # fig.add_subplot(332)
    # n=10
    # X=np.arange(n)
    # Y1=(1-X/float(n))*np.random.uniform(0.5,1.0,n)
    # Y2=(1-X/float(n))*np.random.uniform(0.5,1.0,n)
    #
    # plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')
    # plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')
    # for x,y in zip(X,Y1):
    #     plt.text(x+0.4,y+0.05,'%.2f'%y,ha='center',va='bottom')
    #
    # for x,y in zip(X,Y2):
    #     plt.text(x+0.4,-y-0.05,'%.2f'%y,ha='center',va='top')
    #
    # plt.show()

    # #pie饼状图
    # fig = plt.figure()
    # fig.add_subplot(333)
    # n=20
    # Z=np.ones(n)
    # Z[-1]*=2
    # plt.pie(Z,explode=Z*.05,colors=['%f'%(i/float(n)) for i in range(n)],
    #         labels=['%.2f'%(i/float(n)) for i in range(n)])
    # plt.gca().set_aspect('equal')
    # plt.xticks([]),plt.yticks([])
    # plt.show()

    # #polar极线图
    # fig = plt.figure()
    # fig.add_subplot(334,polar=True)
    # n=20
    # theta=np.arange(0.0,2*np.pi,2*np.pi/n)
    # radii=10*np.random.rand(n)
    # #plt.plot(theta,radii)
    # plt.polar(theta,radii)
    # plt.show()

    #heatmap热力图
    # fig=plt.figure()
    # fig.add_subplot(335)
    # from matplotlib import cm
    # data=np.random.rand(3,3)
    # cmap=cm.Blues
    # map=plt.imshow(data,interpolation='nearest',cmap=cmap,aspect='auto',vmin=0,vmax=1)
    # plt.show()

    # #3D图
    # fig=plt.figure()
    # ax=fig.add_subplot(336,projection="3d")
    # ax.scatter(1,1,3,s=100)
    # plt.show()

    # #hot map热图
    # fig=plt.figure()
    # fig.add_subplot(313)
    # def f(x,y):
    #     return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
    # n=256
    # x=np.linspace(-3,3,n)
    # y=np.linspace(-3,3,n)
    # X,Y=np.meshgrid(x,y)
    # plt.contourf(X,Y,f(X,Y),8,alpha=.75,cmap=plt.cm.hot)
    # plt.show()
    #
    # ##保存图片
    # plt.savefig("./data/fig.png")

if __name__ == '__main__':
    main()
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/174663.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • 【LDC1314】金属传感器(电感传感器)的调试技巧

    【LDC1314】金属传感器(电感传感器)的调试技巧调试使用的LDC1314传感器板和感应线圈是笔者根据TI官方手册设计的本文允许转载,转载须得到本人授权,并在文章顶部注明本博文地址我所使用的LDC1314传感器板和感应线圈下面开始介绍调试的步骤这次调试的标准是按照2016年江苏省大学生电子设计竞赛的寻铁丝小车的题目要求为准的。要求能够检测出细铁丝接近和硬币靠近产生的数值变化,笔者没有参加比赛,但是听…

  • 实例分割与语义分割_genitive case

    实例分割与语义分割_genitive case摘要本文提出了一个简单的全卷积网络来实现实时的实例分割(from加州大学戴维斯分校)MSCOCO数据集——mAP=29.8%,33fps,在单个TitanXp上实验,比目前任一方法都要快速,并且只使用了单个GPU。为何获得如此好的效果:将实例分割任务分成了两个并行的过程:产生一系列模板mask预测每个实例mask的系数之后将模板mask和实例mask系数进行线性组合来获得实……

  • Keras中创建LSTM模型的步骤[通俗易懂]

    Keras中创建LSTM模型的步骤[通俗易懂]目录写在前面概述环境1、定义网络2、编译网络3、训练网络4、评估网络5、进行预测一个LSTM示例总结写在前面本文是对The5StepLife-CycleforLongShort-TermMemoryModelsinKeras的翻译,新手博主,边学边记,以便后续温习,或者对他人有所帮助概述深度学习神经网络在Python中很容易使用Keras创建和评估,但您必须遵循严格的模型生命周期。在这篇文章中,您将了解创建、训练和评估Keras中长期记忆(LSTM)循环神经网络的分步生

  • 如果你也23岁

    分享一下这篇文章:23岁那年你正处在哪个状态?现在呢? 我,23岁,应届毕业生。生活,工作,爱情都处于人生的低谷,一穷二白,一无所有,一事无成。分享一下成长的建议吧。匿名用户23岁那年…就是去年…… 在22岁的时候我毕业,同时第二年准备考研,结果因为压力太大,期望太高,又失利了,但是我依然满怀信心和憧憬 在我23岁那年四月,当我深爱的女孩(在这之

  • 乘法速算(两位数)

    乘法速算(两位数)法速算(两位数)  此方法可以锻炼孩子的思维速度.思维方向.特别的作用到底是什么?我也不是很清楚.但我觉得学习他总是有好处的.因此介绍给大家.这是我从网站上查到的一部分,从一些书籍中整理而来           还有我自己总结的一点.             闲话少说.进行介绍:(一)十几乘以十几例:           13*12方法:百位是1

  • 程序员 goland激活码 2021 3月最新注册码

    程序员 goland激活码 2021 3月最新注册码,https://javaforall.cn/100143.html。详细ieda激活码不妨到全栈程序员必看教程网一起来了解一下吧!

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号