精华内容
下载资源
问答
  • matplot

    2019-09-02 15:32:25
    1.折线图 import pandas as pd data=pd.read_csv('/home/he_hui/桌面/shu.csv') print(data.head(12)) 读取.csv文件的前12个数据import matplotlib.pyplot as plt first=data[0:12] plt.plot(first['1940'],first['...

    1.折线图

    import pandas as pd
    data=pd.read_csv('/home/he_hui/桌面/shu.csv')
    print(data.head(12))               读取.csv文件的前12个数据
    import matplotlib.pyplot as plt
    first=data[0:12]
    plt.plot(first['1940'],first['124'])   横纵轴    ax1.plot(np.arange(10)*3,np.arange(10),c='red') 可更改线的颜色。
    plt.xticks(rotation=45)               横轴标签转换45°

    plt.xlabel('years')                       x轴名称

    plt.ylabel('data')                         y轴名称

    plt.title('aaaa')                           该图的名称
    plt.show()

    2.子图操作

    import matplotlib.pyplot as plt
    fig=plt.figure()
            // fig=plt.figure(figsize=(a,b))  可指定所画图的长和宽


    ax1=fig.add_subplot(2,2,1)

     


    ax2=fig.add_subplot(2,2,4)

     


    plt.show()

    3.条形图和散点图

     

     

    展开全文
  • Matplot

    2017-06-22 10:45:09
    多个具有相似刻度的数据集,可以通过单一的y轴绘制图像 但是如果数据集刻度相差很大,同一y轴的图像会丢失一些可视化信息 解决这个问题有三个方法 1.使用两个y轴 2.使用两个子图 3.数据归一化
     多个具有相似刻度的数据集,可以通过单一的y轴绘制图像
     但是如果数据集刻度相差很大,同一y轴的图像会丢失一些可视化信息
     解决这个问题有三个方法
     1.使用两个y轴
     2.使用两个子图
     3.数据归一化
    import numpy as np
    import matplotlib as mpl
    import matplotlib.pyplot as plt
    %matplotlib inline
    
    y = np.random.standard_normal((30,2))
    # 对第一列数据放大30倍
    y[:, 0] = y[:, 0] * 30
    plt.figure(figsize=(9,5))
    plt.plot(y[:,0], lw =1.5, label='1')
    plt.plot(y[:,1], lw =1.5, label='2')
    plt.plot(y, 'rh')
    plt.grid(True)
    plt.legend(loc=0)
    

    png这里写图片描述

    # 使用两个Y轴
    fig, ax1 = plt.subplots(figsize=(9,5))
    plt.plot(y[:,0], 'b',lw =1.5, label='1')
    plt.plot(y[:,0],'ro')
    plt.grid(True)
    plt.legend(loc=2)
    plt.axis('tight')
    plt.ylabel('y 1')
    plt.title('simple plot')
    # 共享x轴的第二个子图
    ax2 = ax1.twinx()
    plt.plot(y[:,1], 'g',lw =1.5, label='2')
    plt.plot(y[:,1], 'ro')
    plt.grid(True)
    plt.legend(loc=0)
    plt.ylabel('y 2')
    <matplotlib.text.Text at 0x7fc58b458490>
    

    png这里写图片描述

    # 两个子图,子图的位置有三个一个参数来指定
    # plt.subplot(211) 表示上下连个子图的,上面那个子图的
    # 三个数字分别表示,共有几行图表,11表示1列,1子图编号
    plt.figure(figsize=(7,5))
    plt.subplot(211)
    plt.plot(y[:,0], label='y 1')
    plt.plot(y[:,0], 'ro')
    plt.grid(True)
    plt.legend(loc=0)
    plt.ylabel('y 1')
    plt.title('simplt plot')
    plt.subplot(212)
    plt.plot(y[:,1], label='y 2')
    plt.plot(y[:,1], 'ro')
    plt.grid(True)
    plt.legend(loc=0)
    plt.xlabel('index')
    plt.ylabel('y 2')
    <matplotlib.text.Text at 0x7fc58b243b90>
    

    png这里写图片描述

    # 归一化数据,归一化方式不固定
    # 计算出y每列数据的均值,每列数据最大,最小值
    y_mean = y.mean(axis=0)
    y_max = y.max(axis=0)
    y_min = y.min(axis=0)
    norm_y = (y - y_mean)/(y_max - y_min)
    #-------------------------------------
    plt.figure(figsize=(9,5))
    plt.plot(norm_y[:,0],'b', lw=1.5, label='Y 1')
    plt.plot(norm_y,'ro')
    plt.plot(norm_y[:,1],'g', lw=1.5, label='Y 2')
    plt.grid(True)
    plt.legend(loc=0)
    <matplotlib.legend.Legend at 0x7fc58b0ac950>
    

    png这里写图片描述

    # z- score规范化
    norm2_y = (y - y_mean)/y.std(axis=0)
    plt.figure(figsize=(9,5))
    plt.plot(norm2_y[:,0],'b', lw=1.5, label='Y 1')
    plt.plot(norm2_y,'ro')
    plt.plot(norm2_y[:,1],'g', lw=1.5, label='Y 2')
    plt.grid(True)
    plt.legend(loc=0)
    <matplotlib.legend.Legend at 0x7fc58b022e10>
    

    png这里写图片描述

    展开全文
  • matplot-源码

    2021-03-15 12:52:11
    matplot
  • matplot下载

    2018-01-18 16:11:28
    这是我在tensorflow中安装所使用的matplot包,使用的是Python3.5,具体安装方法在我的博客中写出
  • MatPlot-开源

    2021-04-27 22:04:20
    MatPlot是一个Win32程序,其主要目的是绘制数据,即渲染一组数字数组的交互式二维图形表示,它可以简化工程的典型任务:查看和分析一组收集的数据。价值观。
  • MatPlot工具包C++

    2018-12-16 11:00:00
    C++ 画图库 MatPlot; 别人的工具包,免费下载地址为:http://littleshi.cn/blog/MatPlot_Install/MatPlotTest.zip 使用说明地址:http://littleshi.cn/blog/MatPlot_Install/ CSDN里面选不了免金币下载。故不得不收1...
  • Matplot 情节示例
  • matplot 绘图

    2018-12-31 21:19:12
    matplot 绘图 #!/usr/bin/python # -*- coding:utf-8 -*- from matplotlib import pyplot as plt import matplotlib import random def mymatplotlib(): x=range(2,26,2) print(list(x)) y=[15,13,14....

    matplot 绘图

    #!/usr/bin/python
    # -*- coding:utf-8 -*-
    from matplotlib import  pyplot as plt
    import matplotlib
    import random
    
    def mymatplotlib():
        x=range(2,26,2)
        print(list(x))
        y=[15,13,14.5,17,20,25,26,26,27,22,18,15]
        plt.plot(x,y)
        plt.show()
    
    def mymatplotlib2():
        plt.figure(figsize=(20,8),dpi=80)
        x=range(2,26,2)
        print(list(x))
        y=[15,13,14.5,17,20,25,26,26,27,22,18,15]
        plt.plot(x,y)
        plt.savefig("./pic1.png")
        plt.show()
    
    def mymatplotlib3():
        plt.figure(figsize=(20,8),dpi=80)
        x=range(2,26,2)
        print(list(x))
        y=[15,13,14.5,17,20,25,26,26,27,22,18,15]
        plt.plot(x,y)
        plt.xticks(x)
        plt.savefig("./pic2.png")
        plt.show()
    
    def mymatplotlib4():
        # print(matplotlib.matplotlib_fname())
        x=range(120)
        y=[random.randint(20,35) for i in range(120)]
        print(len(x))
        print(len(y))
        plt.figure(figsize=(20,8),dpi=80)
        plt.plot(x,y)
        x_=x[::5]
        x_tick=["10点{}分".format(i) for i in range(60)]
        x_tick+=["11点{}分".format(i) for i in range(60)]
        plt.xticks(x_,x_tick[::5],rotation=45)
        plt.yticks(range(min(y),max(y)+1))
        plt.xlabel("时间")
        plt.ylabel("温度")
        plt.title("10点到12点的每分钟的温度变化")
        plt.show()
        pass
    
    def mymatplotlib5():
        x=range(11,31)
        y = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1]
        print(len(x))
        print(len(y))
        plt.plot(x,y)
        x_tick=["{}岁".format(i) for i in range(11,31)]
        plt.xticks(x,x_tick,rotation=45)
        plt.yticks(range(min(y),max(y)+1))
        plt.xlabel("年龄")
        plt.ylabel("异性朋友个数")
        plt.title("随年龄增长每年结交异性朋友的个数")
        plt.show()
        pass
    
    def mymatplotlib6():
        x=range(11,31)
        y = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1]
        y_2 = [1, 0, 3, 1, 2, 2, 3, 3, 2, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1]
        print(len(x))
        print(len(y))
        plt.plot(x,y,label="自己")
        plt.plot(x, y_2,label="同桌",linestyle="--",color="g")
        x_tick=["{}岁".format(i) for i in range(11,31)]
        plt.xticks(x,x_tick,rotation=45)
        plt.yticks(range(min(y),max(y)+1))
        plt.xlabel("年龄")
        plt.ylabel("异性朋友个数")
        plt.title("随年龄增长每年结交异性朋友的个数")
        plt.legend(loc="upper left")
        plt.grid(alpha=0.4,linestyle=":")
        plt.show()
        pass
    
    
    
    if __name__ == '__main__':
        print("hello")
        # mymatplotlib()
        print("=================")
        # mymatplotlib2()
        print("=================")
        # mymatplotlib3()
        print("=================")
        # mymatplotlib4()
        print("=================")
        # mymatplotlib5()
        print("==================")
        mymatplotlib6()
    

     

    展开全文
  • Matplot学习整理

    2019-05-17 11:10:59
    Matplot学习整理 plot_straight line line tick line annotation kind of plot subplot 1 plot_straight line 等基本操作 #!/usr/bin/env python # -*- coding:utf-8 -*- import matplotlib.pyplot as plt import...

    Matplot学习整理

    1. plot_straight line
    2. line tick
    3. line annotation
    4. kind of plot
    5. subplot

    1 plot_straight line 等基本操作

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    
    import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.linspace(-1, 1, 50)
    y1 = 2 * x +1
    y2 = x**2
    
    # #分两个显示,可写两个 plt.figure()
    # plt.figure()
    # plt.plot(x, y1)
    
    plt.figure()
    plt.plot(x, y2, label='one')  #每一个后面加上label 方便最后 legend 做标注
    plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='two')  #红色、宽为1、虚线、类别2
    
    #取值范围
    plt.xlim((-1, 2))
    plt.ylim((-2, 3))
    #定义坐标轴名称
    plt.xlabel('I am X')
    plt.ylabel('I am Y')
    #改变坐标轴上的点范围,或取不同的名称
    new_ticks = np.linspace(-1, 2, 5)
    plt.xticks(new_ticks)   # ‘\’ 称为转字符   $表示好看的字体
    plt.yticks([-2, -1.8, 0, 2.2, 3], ['$really\ bad$', '$bad$', '$normal$', r'$good\alpha$', r'$really\ good$'])
    
    #移动x,y轴到想去的地方
    #gca = 'get current axis'
    ax = plt.gca()
    ax.spines['right'].set_color('none') #右边的轴去掉
    ax.spines['top'].set_color('none')  #上边也去掉
    ax.xaxis.set_ticks_position('bottom')  #用下面的轴作为x轴
    ax.yaxis.set_ticks_position('left')
    ax.spines['bottom'].set_position(('data', 0)) #将x轴移到 y=0 的位置
    ax.spines['left'].set_position(('data', 0))  #将y轴移到 x=0 的位置
    
    #给图像加上标注
    #法1:使用默认参数
    plt.legend()
    # #法2:使用新的参数
    # l1, = plt.plot(x, y2, label='one')   #要使用handels参数,就要将数据存成object形式,并且必须加上 ,
    # l2, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='two')
    # plt.legend(handels=[l1,l2,], labels=['aaa', 'bbb'], loc='upper right')
    # plt.legend(handels=[l1,], labels=['aaa',], loc='upper right')  #也可以只打印出其中一条线的标注
    plt.show()
    

    最终结果:
    在这里插入图片描述
    2 line ticks

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    
    import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.linspace(-3, 3, 50)
    y = 0.1*x
    
    plt.figure()
    # 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序
    plt.plot(x, y, linewidth=10, zorder=1)
    plt.ylim(-2, 2)
    # 移动坐标轴,具体含义见上面代码
    ax = plt.gca()
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')
    ax.spines['top'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')
    ax.spines['bottom'].set_position(('data', 0))
    ax.yaxis.set_ticks_position('left')
    ax.spines['left'].set_position(('data', 0))
    
    #为每一个标注设置背景,透明度等
    for label in ax.get_xticklabels() + ax.get_yticklabels():
        label.set_fontsize(12)
        label.set_bbox(dict(facecolor='w', edgecolor='None', alpha=0.4, zorder=2))
    plt.show()
    

    结果如图:
    在这里插入图片描述
    3 line annotation 图像添加注释

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    
    import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.linspace(-3, 3, 50)
    y = 2*x + 1
    plt.figure(num=1, figsize=(8, 5),)
    plt.plot(x, y)  #画的是直线图
    # plt.scatter(x, y) #画的是散点图
    
    
    #移动坐标
    ax = plt.gca()
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')
    ax.spines['bottom'].set_position(('data', 0))
    ax.yaxis.set_ticks_position('left')
    ax.spines['left'].set_position(('data', 0))
    
    #添加标注
    x0 = 1
    y0 = 2*x0 +1  #定义要添加标注的点
    plt.scatter(x0, y0, s=50, color='r')
    #连接点(x0,0),点(x0,y0)生成一条直线  参数简写:color = b, linestyle = --
    plt.plot([x0,x0], [0,y0], 'k--',lw=2.5)  #linewidth 线宽也可以简写成 lw
    
    #method 1
    # xycoords='data'表示基于上面数据的    xytext表示在这个点 x+30,y-30的地方写标注
    #offset points指的是待标记的点   arrowprops指将标记指向改点  '->'用箭头  'arc3,rad=.2'带弧度
    plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
                 textcoords='offset points', fontsize=16,
                 arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
    #其中-3.7, 3,是选取text的位置, 空格需要用到转字符\ ,fontdict设置文本字体
    plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
             fontdict={'size': 16, 'color': 'r'})
    plt.show()
    

    结果如下:
    在这里插入图片描述

    **4 kind of plot **

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    
    import numpy as np
    import matplotlib.pyplot as plt
    
    # # scatter 散点图
    # n = 1024
    # X = np.random.normal(0, 1, n)  #mean:0  Std:1
    # Y = np.random.normal(0, 1, n)
    # T = np.arctan2(Y, X) #for color valence
    #
    # plt.scatter(X, Y, s=75, c=T, alpha=0.5)
    # # plt.scatter(np.arange(5), np.arange(5))
    # plt.xlim((-1.5, 1.5))
    # plt.ylim((-1.5, 1.5))
    #
    # plt.xticks(())  #cancel X,Y ticks
    # plt.yticks(())
    #
    # plt.show()
    
    # #bar 柱状图
    # n = 12
    # 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):
    #     #ha: horizontal alignment  水平对齐方式
    #     plt.text(x, y+0.05, '%.2f'%y, ha='center', va='bottom')
    #
    # for x,y in zip(X, Y2):
    #     #ha: horizontal alignment
    #     plt.text(x, -y-0.05, '%.2f'%y, ha='center', va='top')
    #
    # plt.xlim(-.5, n)
    # plt.xticks(())
    # plt.ylim(-1.25, 1.25)
    # plt.yticks(())
    # plt.show()
    
    
    # #Contours 等高线图
    # def f(x, y):
    #     #the height function
    #     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)
    #
    # #对应颜色   cmap:自行对应   8:分成8段(可以定义)
    # plt.contourf(X, Y, f(X,Y), 8, alpha=0.75, cmap=plt.cm.hot)
    # #画等高线的线
    # C = plt.contour(X, Y, f(X,Y), 8, colors='black', lw=.5)
    # #adding label
    # plt.clabel(C, inline='True', fontsize=10)
    #
    # plt.xticks()
    # plt.yticks()
    # plt.show()
    
    # #Image图片
    # a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
    #               0.365348418405, 0.439599930621, 0.525083754405,
    #               0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)
    #
    # '''
    # for the value of "interpolation", check this:
    # https://matplotlib.org/examples/images_contours_and_fields/interpolation_methods.html
    # '''
    # #之前选cmap的参数时用的是:cmap=plt.cmap.bone,而现在,我们可以直接用单引号传入参数。
    # #  origin='lower'代表的就是选择的原点的位置  也可选为'upper'
    # plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')
    # plt.colorbar(shrink=0.9) #压缩为原来的0.9,也可不填参数
    #
    # plt.xticks()
    # plt.yticks()
    # plt.show()
    
    
    #3D data
    from mpl_toolkits.mplot3d import Axes3D
    
    fig = plt.figure()
    ax = Axes3D(fig)
    #X,Y value
    X = np.arange(-4, 4, 0.25)
    Y = np.arange(-4, 4, 0.25)
    X,Y = np.meshgrid(X, Y)
    R = np.sqrt(X**2 + Y**2)
    #height value
    Z = np.sin(R)
    
    # rstride 行跨度,列跨度
    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
    #zdir 压到哪个方向   offset压到哪个数字对应的面
    ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))
    ax.set_zlim(-2,2)
    plt.show()
    

    这里给出3D图,其他的可以自己试:
    (用pycharm画出来是静止的,不可拖动旋转。用cmd命令窗口画出来就是动态的,可以全方位无死角进行旋转查看。)
    在这里插入图片描述

    5 subplot种类
    实现多图共存

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    
    import matplotlib.pyplot as plt
    
    # #一、均匀图中图
    # plt.figure()
    # #标定位置, 2*2方阵中,第n幅图
    # plt.subplot(2, 2, 1)
    # #参数1: 表示x轴的取值范围
    # #参数2: 表示y轴的取值范围
    # plt.plot([0,1], [0,1])
    #
    # plt.subplot(2, 2, 2)
    # plt.plot([0,1], [0,2])
    #
    # plt.subplot(2, 2, 3)
    # plt.plot([0,2], [0,1])
    #
    # plt.subplot(2, 2, 4)
    # plt.plot([0,2], [0,4])
    # plt.show()
    
    
    # #二、不均匀图中图
    # plt.figure()
    # plt.subplot(2, 1, 1)
    # plt.plot([0,1], [0,1])
    #
    # plt.subplot(2, 3, 4)
    # plt.plot([0,2], [0,2])
    #
    # plt.subplot(235)
    # plt.plot([0,2], [0,2])
    #
    # plt.subplot(236)
    # plt.plot([0,2], [0,2])
    # plt.show()
    
    #三、subplot分格显示
    # #method 1: subplot2grid
    # plt.figure()
    # #(3,3)3行3列  (0,0):起点   colspan:所占用的列数  rowspan:所占用的列数
    # ax1 = plt.subplot2grid((3,3), (0,0),colspan=3,rowspan=1)
    # ax1.plot([0,2],[0,2])
    # ax1.set_xlabel('ax1——title') #与plt.xlabel稍有区别
    # #plt.xlim --> ax.set_xlim    plt.title --> ax.set_title
    #
    # ax2 = plt.subplot2grid((3,3),(1,0),colspan=2)
    # ax3 = plt.subplot2grid((3,3),(1,2),colspan=1, rowspan=2)
    # ax4 = plt.subplot2grid((3,3),(2,0))
    # ax5 = plt.subplot2grid((3,3),(2,1))
    # plt.show()
    
    # #method 2: gridspec
    # import matplotlib.gridspec as gridspec
    #
    # plt.figure()
    # gs = gridspec.GridSpec(3,3)  #定义3行3列,索引从0开始
    # ax1 = plt.subplot(gs[0, :]) #占第一行,所有列
    # ax2 = plt.subplot(gs[1,:2]) #占第一行,去掉最后一列
    # ax3 = plt.subplot(gs[1:,2])
    # ax4 = plt.subplot(gs[-1,0]) #占最后一行,第1列
    # ax5 = plt.subplot(gs[-1,-2]) #占最后一行,倒数第二列
    # plt.show()
    
    # #method 3:easy to define structure
    # #sharex :共享x轴  sharey: 共享y轴
    # f,((ax11,ax12),(ax21,ax22))= plt.subplots(2,2,sharex=True,sharey=True)
    # ax11.scatter([1,2],[1,2])
    # plt.tight_layout()
    # plt.show()
    
    
    # #四、图中图
    # fig = plt.figure()
    # x = [1,2,3,4,5,6,7]
    # y = [1,3,4,2,8,6,7]
    #
    # #从整体的左边10%,下边10%开始,宽度、高度为整个框的80%
    # left,bottom,width,height = 0.1, 0.1, 0.8, 0.8
    # ax1 = fig.add_axes([left,bottom,width,height])
    # ax1.plot(x,y,'r')
    # ax1.set_xlabel('x')
    # ax1.set_ylabel('y')
    # ax1.set_title('title')
    #
    # left,bottom,width,height = 0.2, 0.6, 0.25, 0.25
    # ax2 = fig.add_axes([left,bottom,width,height])
    # ax2.plot(y,x,'b')
    # ax2.set_xlabel('x')
    # ax2.set_ylabel('y')
    # ax2.set_title('title inside 1')
    #
    # #与上面不同的实现方法
    # plt.axes([.6,.2,.25,.25])
    # plt.plot(y[::-1],x,'g')   #y[::-1] 将y逆序
    # plt.xlabel('x')
    # plt.ylabel('y')
    # plt.title('title inside 2')
    #
    # plt.show()
    
    
    # #五、主次坐标轴
    # import numpy as np
    #
    # x = np.arange(0, 10, 0.1)
    # y1 = 0.05 * x**2
    # y2 = -1 * y1
    #
    # fig,ax1 = plt.subplots()
    # ax2 = ax1.twinx()   #ax2为ax1 反向镜像一下
    # ax1.plot(x,y1,'g-')
    # ax2.plot(x,y2,'b--')
    #
    # ax1.set_xlabel('x data')
    # ax1.set_ylabel('Y1 data', color='g')
    # ax2.set_ylabel('Y2 data', color='b')
    #
    # plt.show()
    
    
    #六、animation 动画图
    from matplotlib import animation
    import numpy as np
    
    fig,ax = plt.subplots()
    
    x = np.arange(0, 2*np.pi, 0.01)
    line, = ax.plot(x, np.sin(x))
    
    def animate(i):
        line.set_ydata(np.sin(x+i/100))
        return line,
    
    def init():
        line.set_ydata(np.sin(x))
        return line,
    
    ani = animation.FuncAnimation(fig=fig,func=animate,frames=100,init_func=init,interval=20,blit=True)
    plt.show()
    

    贴一个图六动画图:(用pycharm画出来是静态的,它没有时间轴,用cmd命令窗口画出来就是动态的,自带时间轴。)
    在这里插入图片描述

    展开全文
  • Matplot3D for Java Matplot3D for JAVA是一个基于JAVA SE 1.5环境开发的三维图形图表组件。以jar包的方式存在。超轻量级设计实现,jar文件大小不超过200KB。内含自主研发的三维几何造型、绘制算法,不依托图形硬件...
  • 机器学习中,比较热门的语言Python。其中以Numpy、Pandas、Matplotlib为常用。... Anacoda正确的使用姿势 Notebook基本使用 matplot之基本框绘制 matplot之折线图优化 matplot之区域画多图 matplot之其他操作
  • matplot绘图基础

    2021-04-17 12:47:00
    matplot绘图基础 import matplotlib.pyplot as plt ''' https://www.jianshu.com/p/da385a35f68d 在绘图结构中,figure创建窗口,subplot创建子图。所有的绘画只能在子图上进行。plt表示当前子图,若没有就创建一个...
  • 主要介绍了Python Matplot中文显示完美解决方案,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  • python matplot模块

    2018-06-26 16:05:54
    先将matplot模块导入,并缩写:import matplotlib as mpl有时候只需要其中的一部分:import matplotlib.pyplot as plt二维图:折线图plt.plot()散点图plt.scatter():绘制一个y=sin(x)的图形,假设取101个点,以x为...
  • matplot的图形窗口的工具条添加按钮,避免按钮图形出现在图形中。 使用matplot交互,不影响主题图形。
  • matplot lib 教程

    2019-01-18 14:38:23
    文章目录1.matplot1.1基本情况1.2基本代码2.条形图3.绘制交错的bar4.饼图4.1饼图参数解读4.2饼图源码分析5.pylab5.1源码分析正弦函数和余弦函数5.2 参数说明5.43D图 1.matplot 1.1基本情况 Matplotlib的设计理念是...
  • Matplot 常用函数总结

    2017-07-03 09:16:20
    python Matplot 常用函数总结
  • 今天小编就为大家分享一篇Mac 使用python3的matplot画图不显示的解决,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • matplot的安装文件,64位系统下python2.7版本
  • matla、gamp、matplot

    2020-01-02 14:08:10
    ![图片说明](https://img-ask.csdn.net/upload/202001/02/1577943776_170816.png) 在matlab2015b中想要实现GAMP的matplot,出现该问题怎么解决呢?
  • Matplot嵌入Python的GUI中

    千次阅读 2018-07-27 10:14:46
    matplot嵌入wx matplot嵌入PyQt5 matplot嵌入tkinter
  • matlab和matplot绘图对比

    千次阅读 2019-10-24 18:09:39
    matplot的图和matlab的短时傅里叶的图,数据和算法的参数都一样,是算法给的结果有差异还是绘图有差异?matlab看的细节明显多了,是用法不对还是matlab画图真的好这么多? matlab: spectrogram(d3,1024,900,1024,...
  • matplot配置中文格式

    2020-01-19 12:57:38
    matplot配置中文格式 背景: 在python中因为没有配置中文字体库,所以不能进行文字的正确显示。本文的目的是一方面解决中文正确显示问题,另一方面,提供更多的中文字体作为对照。 解决方案: 最简单的办法是在使用...
  • python:matplot常见样式

    2021-04-12 11:01:39
    matplot常见样式 官方文档直达 https://matplotlib.org/stable/api/pyplot_summary.html 目录matplot常见样式颜色点线总结 颜色 十六进制的RGB字符串如 color='#900302' ============= =======================...
  • 使用matplot画柱状图

    千次阅读 2017-07-19 09:10:45
    matplot csv bar
  • Python Matplot中文显示完美解决方案

    万次阅读 2017-05-05 16:09:16
    原因与现象Matplot是一个功能强大的Python图表绘制库,很遗憾目前版本自带的字体库中并不支持中文字体。所以如果在绘制内容中需要显示中文,那么就会显示为方格字符。解决办法有一个较为完美的解决方案,通过扫描...
  • 机器学习中,比较热门的语言Python。其中以Numpy、Pandas、Matplotlib为常用。 本套课程就给大家讲解下Matplotlib的相关用法. Anacoda正确的使用姿势 Notebook基本使用 ...matplot之其他操作...
  • tensorflow中安装matplot

    2018-01-18 16:13:39
    我选择安装tensorflow的方法是使用anaconda安装,具体安装方法网上有很都,安装后,需要使用到Python的一个画图的库,名字为matplot,但是由于我安装的是Python3.6,但是tensorflow只能使用Python3.5,所示当时创建...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 6,479
精华内容 2,591
关键字:

matplot