精华内容
下载资源
问答
  • python中定义的颜色

    2019-09-29 12:58:44
    平时学习工作,我们经常会接触到一些大佬写的Python实用工具,运行起来总会显示出五颜六色的背景,相关的定义在matplotlib模块,为方便使用,这里给大家展示一下在这个模块中都定义了哪些选颜色。 显示颜色的...

    平时学习工作中,我们经常会接触到一些大佬写的Python实用工具,运行起来总会显示出五颜六色的背景,相关的定义在matplotlib模块中,为方便使用,这里给大家展示一下在这个模块中都定义了哪些选颜色。

    显示颜色的代码如下:

    import matplotlib.pyplot as plt
    import matplotlib.patches as patches
    import matplotlib.colors as colors
    import math
    
    fig = plt.figure()
    ax = fig.add_subplot(111)
    
    ratio = 1.0 / 3.0
    count = math.ceil(math.sqrt(len(colors.cnames)))
    x_count = count * ratio
    y_count = count / ratio
    x = 0
    y = 0
    w = 1 / x_count
    h = 1 / y_count
    
    for c in colors.cnames:
        pos = (x / x_count, y / y_count)
        ax.add_patch(patches.Rectangle(pos, w, h, color=c))
        ax.annotate(c, xy=pos)
        if y >= y_count - 1:
            x += 1
            y = 0
        else:
            y += 1
    
    plt.show()

    显示如图:

    颜色对应的名称:

    'aliceblue':            '#F0F8FF',
    'antiquewhite':         '#FAEBD7',
    'aqua':                 '#00FFFF',
    'aquamarine':           '#7FFFD4',
    'azure':                '#F0FFFF',
    'beige':                '#F5F5DC',
    'bisque':               '#FFE4C4',
    'black':                '#000000',
    'blanchedalmond':       '#FFEBCD',
    'blue':                 '#0000FF',
    'blueviolet':           '#8A2BE2',
    'brown':                '#A52A2A',
    'burlywood':            '#DEB887',
    'cadetblue':            '#5F9EA0',
    'chartreuse':           '#7FFF00',
    'chocolate':            '#D2691E',
    'coral':                '#FF7F50',
    'cornflowerblue':       '#6495ED',
    'cornsilk':             '#FFF8DC',
    'crimson':              '#DC143C',
    'cyan':                 '#00FFFF',
    'darkblue':             '#00008B',
    'darkcyan':             '#008B8B',
    'darkgoldenrod':        '#B8860B',
    'darkgray':             '#A9A9A9',
    'darkgreen':            '#006400',
    'darkkhaki':            '#BDB76B',
    'darkmagenta':          '#8B008B',
    'darkolivegreen':       '#556B2F',
    'darkorange':           '#FF8C00',
    'darkorchid':           '#9932CC',
    'darkred':              '#8B0000',
    'darksalmon':           '#E9967A',
    'darkseagreen':         '#8FBC8F',
    'darkslateblue':        '#483D8B',
    'darkslategray':        '#2F4F4F',
    'darkturquoise':        '#00CED1',
    'darkviolet':           '#9400D3',
    'deeppink':             '#FF1493',
    'deepskyblue':          '#00BFFF',
    'dimgray':              '#696969',
    'dodgerblue':           '#1E90FF',
    'firebrick':            '#B22222',
    'floralwhite':          '#FFFAF0',
    'forestgreen':          '#228B22',
    'fuchsia':              '#FF00FF',
    'gainsboro':            '#DCDCDC',
    'ghostwhite':           '#F8F8FF',
    'gold':                 '#FFD700',
    'goldenrod':            '#DAA520',
    'gray':                 '#808080',
    'green':                '#008000',
    'greenyellow':          '#ADFF2F',
    'honeydew':             '#F0FFF0',
    'hotpink':              '#FF69B4',
    'indianred':            '#CD5C5C',
    'indigo':               '#4B0082',
    'ivory':                '#FFFFF0',
    'khaki':                '#F0E68C',
    'lavender':             '#E6E6FA',
    'lavenderblush':        '#FFF0F5',
    'lawngreen':            '#7CFC00',
    'lemonchiffon':         '#FFFACD',
    'lightblue':            '#ADD8E6',
    'lightcoral':           '#F08080',
    'lightcyan':            '#E0FFFF',
    'lightgoldenrodyellow': '#FAFAD2',
    'lightgreen':           '#90EE90',
    'lightgray':            '#D3D3D3',
    'lightpink':            '#FFB6C1',
    'lightsalmon':          '#FFA07A',
    'lightseagreen':        '#20B2AA',
    'lightskyblue':         '#87CEFA',
    'lightslategray':       '#778899',
    'lightsteelblue':       '#B0C4DE',
    'lightyellow':          '#FFFFE0',
    'lime':                 '#00FF00',
    'limegreen':            '#32CD32',
    'linen':                '#FAF0E6',
    'magenta':              '#FF00FF',
    'maroon':               '#800000',
    'mediumaquamarine':     '#66CDAA',
    'mediumblue':           '#0000CD',
    'mediumorchid':         '#BA55D3',
    'mediumpurple':         '#9370DB',
    'mediumseagreen':       '#3CB371',
    'mediumslateblue':      '#7B68EE',
    'mediumspringgreen':    '#00FA9A',
    'mediumturquoise':      '#48D1CC',
    'mediumvioletred':      '#C71585',
    'midnightblue':         '#191970',
    'mintcream':            '#F5FFFA',
    'mistyrose':            '#FFE4E1',
    'moccasin':             '#FFE4B5',
    'navajowhite':          '#FFDEAD',
    'navy':                 '#000080',
    'oldlace':              '#FDF5E6',
    'olive':                '#808000',
    'olivedrab':            '#6B8E23',
    'orange':               '#FFA500',
    'orangered':            '#FF4500',
    'orchid':               '#DA70D6',
    'palegoldenrod':        '#EEE8AA',
    'palegreen':            '#98FB98',
    'paleturquoise':        '#AFEEEE',
    'palevioletred':        '#DB7093',
    'papayawhip':           '#FFEFD5',
    'peachpuff':            '#FFDAB9',
    'peru':                 '#CD853F',
    'pink':                 '#FFC0CB',
    'plum':                 '#DDA0DD',
    'powderblue':           '#B0E0E6',
    'purple':               '#800080',
    'red':                  '#FF0000',
    'rosybrown':            '#BC8F8F',
    'royalblue':            '#4169E1',
    'saddlebrown':          '#8B4513',
    'salmon':               '#FA8072',
    'sandybrown':           '#FAA460',
    'seagreen':             '#2E8B57',
    'seashell':             '#FFF5EE',
    'sienna':               '#A0522D',
    'silver':               '#C0C0C0',
    'skyblue':              '#87CEEB',
    'slateblue':            '#6A5ACD',
    'slategray':            '#708090',
    'snow':                 '#FFFAFA',
    'springgreen':          '#00FF7F',
    'steelblue':            '#4682B4',
    'tan':                  '#D2B48C',
    'teal':                 '#008080',
    'thistle':              '#D8BFD8',
    'tomato':               '#FF6347',
    'turquoise':            '#40E0D0',
    'violet':               '#EE82EE',
    'wheat':                '#F5DEB3',
    'white':                '#FFFFFF',
    'whitesmoke':           '#F5F5F5',
    'yellow':               '#FFFF00',
    'yellowgreen':          '#9ACD32'

     

    转载于:https://www.cnblogs.com/Estate-47/p/10319066.html

    展开全文
  • 如何使用Python plt像MATLAB一样绘图

    万次阅读 2017-08-04 22:20:52
    1、 Python plt绘图使用Python... 我们在用MATLAB绘图时感觉很轻巧,那么在Python中,怎么使用plot呢?下面是一个简单的例子,使用linspace定义自变量的取值范围,文档中其说明为: np.linspace(start, stop, num, e

    1、 Python plt绘图

    使用Python的绘图,制作训练的迭代次数与准确率、损失函数值的图像:

    • 使用说明
    • 代码

    使用说明

    Introduction 简介:

    我们在用MATLAB绘图时感觉很轻巧,那么在Python中,怎么使用plot呢?下面是一个简单的例子,使用linspace定义自变量的取值范围,文档中其说明为:
    np.linspace(start, stop, num, endpoint, retstep, dtype),
    我们只需要了解前面3个,小标开始的数字、结束的数字、数字数字个数。好,直接showcode

    代码块

    代码,例如:

    import numpy as np
    import matplotlib.pyplot as plt
    from pylab import *
    mpl.rcParams['font.sans-serif']=['SimHei']
    tra_accuracy=[0.12,0.23,0.31,0.34,0.43,0.51,0.55,0.66,0.68,0.74,0.8,0.9]
    test_acc = [0.4,0.5,0.6,0.7,0.8,0.9]
    
    a=np.linspace(0,100,2)
    print(a)
    #正确率绘图
    fig1=plt.figure('fig1')
    plt.plot(np.linspace(0, 11, len(tra_accuracy)),tra_accuracy,'b-',label='训练的正确率')
    plt.plot(np.linspace(0, 10, len(test_acc)),test_acc,'k-.',label='测试的正确率')
    plt.title('训练、测试的正确率')
    plt.xlabel('迭代次数')
    plt.ylabel('准确率')
    plt.legend(loc='lower right')
    
    
    >>> plt.show(fig1)
    

    这里写图片描述

    2、绘制柱状图

    # _*_coding:utf-8_*_
    __author__ = 'Alex_XT'
    import numpy as np
    import matplotlib.pyplot as plt
    
    x=[0,1,2,3,4,5,6,7,8,9]
    y=[12,23,4,10,22,33,44,23,35,7]
    plt.bar(x,y,align='center',alpha=0.5)
    plt.xticks(x,x)
    plt.ylabel('count')
    plt.title('Distribution')
    plt.show()
    
    

    这里写图片描述

    3、画准确率图

    这里写图片描述

    # _*_coding:utf-8_*_
    __author__ = 'Alex_XT'
    from pylab import *
    mpl.rcParams['font.sans-serif']=['SimHei']#导入中文
    import numpy as np
    import matplotlib.pyplot as plt
    
    y=[1.0,0.982,0.97,0.95,0.92,0.620]
    y2=[0.989,0.967,0.43,0.44,0.48,0.3]
    plt.plot(np.linspace(40,50,6),y,'r-*',label='Swish')
    plt.plot(np.linspace(40,50,6),y2,'b-d',label='ReLu')
    plt.legend(loc='lower left')
    plt.ylabel('准确率')
    plt.xlabel('网络层数')
    plt.title('MNIST数据集中不同网络层数测试')
    plt.show()

    4、等比数列的图,但xlabel却是等间距的

    # _*_coding:utf-8_*_
    __author__ = 'Alex_XT'
    from pylab import *
    mpl.rcParams['font.sans-serif']=['SimHei']#导入中文
    import numpy as np
    import matplotlib.pyplot as plt
    
    x=np.linspace(1,5,5)
    xt=np.logspace(0,4,5,base=2)*128#等比
    print(xt)
    
    y=[92.4,92.22,92.2091,91.8,91.45]
    y2=[92.0,91.90,92.01,91.402,91.302]
    plt.plot(x,y,'r-*',label='Swish')
    plt.plot(x,y2,'b-d',label='ReLu')
    plt.legend(loc='upper right')
    plt.xticks(x,xt)
    plt.ylabel('准确率')
    plt.xlabel('Batch Size')
    plt.title('MNIST数据集中不同BatchSize大小测试')
    plt.show()
    

    这里写图片描述

    5、画Logistic的Sigmoid函数图

    # _*_coding:utf-8_*_
    __author__ = 'Alex_XT'
    # Python imports
    import numpy as np # Matrix and vector computation package
    import matplotlib.pyplot as plt  # Plotting library
    
    # Define the logistic function
    def logistic(z):
        return 1 / (1 + np.exp(-z))
    
    # Plot the logistic function
    z = np.linspace(-6,6,100)
    plt.plot(z, logistic(z), 'b-')
    plt.xlabel('$z$', fontsize=15)
    plt.ylabel('$\sigma(z)$', fontsize=15)
    plt.title('logistic function')
    plt.grid()
    plt.show()

    这里写图片描述

    求导函数的图形:
    这里写图片描述

    # _*_coding:utf-8_*_
    __author__ = 'Alex_XT'
    # Python imports
    import numpy as np # Matrix and vector computation package
    import matplotlib.pyplot as plt  # Plotting library
    
    # Define the logistic function
    def logistic(z):
        return 1 / (1 + np.exp(-z))
    # Define the logistic derivative function
    def logistic_derivative(z):
        return logistic(z) * (1 - logistic(z))
    
    # Plot the derivative of the logistic function
    z = np.linspace(-6,6,100)
    plt.plot(z, logistic_derivative(z), 'r-')
    plt.xlabel('$z$', fontsize=15)
    plt.ylabel('$\\frac{\\partial \\sigma(z)}{\\partial z}$', fontsize=15)
    plt.title('derivative of the logistic function')
    plt.grid()
    plt.show()

    6、画Softmax三维图

    # _*_coding:utf-8_*_
    __author__ = 'Alex_XT'
    import numpy as np # Matrix and vector computation package
    import matplotlib.pyplot as plt  # Plotting library
    from matplotlib.colors import colorConverter, ListedColormap # some plotting functions
    from mpl_toolkits.mplot3d import Axes3D  # 3D plots
    from matplotlib import cm # Colormaps
    # Allow matplotlib to plot inside this notebook
    # Define the softmax function
    def softmax(z):
        return np.exp(z) / np.sum(np.exp(z))
    
    # Plot the softmax output for 2 dimensions for both classes
    # Plot the output in function of the weights
    # Define a vector of weights for which we want to plot the ooutput
    nb_of_zs = 200
    zs = np.linspace(-10, 10, num=nb_of_zs) # input
    zs_1, zs_2 = np.meshgrid(zs, zs) # generate grid
    y = np.zeros((nb_of_zs, nb_of_zs, 2)) # initialize output
    # Fill the output matrix for each combination of input z's
    for i in range(nb_of_zs):
        for j in range(nb_of_zs):
            y[i,j,:] = softmax(np.asarray([zs_1[i,j], zs_2[i,j]]))
    # Plot the cost function surfaces for both classes
    fig = plt.figure()
    # Plot the cost function surface for t=1
    ax = fig.gca(projection='3d')
    surf = ax.plot_surface(zs_1, zs_2, y[:,:,0], linewidth=0, cmap=cm.coolwarm)
    ax.view_init(elev=30, azim=70)
    cbar = fig.colorbar(surf)
    ax.set_xlabel('$z_1$', fontsize=15)
    ax.set_ylabel('$z_2$', fontsize=15)
    ax.set_zlabel('$y_1$', fontsize=15)
    ax.set_title ('$P(t=1|\mathbf{z})$')
    cbar.ax.set_ylabel('$P(t=1|\mathbf{z})$', fontsize=15)
    plt.grid()
    plt.show()

    这里写图片描述

    7、画ELU激活函数

    # _*_coding:utf-8_*_
    __author__ = 'Alex_XT'
    # Python imports
    import numpy as np  # Matrix and vector computation package
    import matplotlib.pyplot as plt  # Plotting library
    
    
    # Define the ELU function
    def ELU(z):
        new_z = []
        for i in z:
            if i > 0:
                new_z.append(i)
            else:
                new_z.append(np.exp(i) - 1)
        return new_z
    
    
    # Plot the ELU function
    z = np.linspace(-10, 15, 100)
    plt.plot(z, ELU(z), 'r-')
    plt.xlabel('$x$', fontsize=15)
    plt.ylabel('$f(x)$', fontsize=15)
    plt.title('ELU')
    plt.grid()
    plt.show()
    

    这里写图片描述

    展开全文
  • 定义一个变量: font = font_manager.FontProperties(fname = ‘电脑字体的路径’) 然后再调用plt.legend(prop = font) import matplotlib.pyplot as plt from matplotlib import font_manage...

    第一个

    引入模块:
    from matplotlib import font_manager

    定义一个变量:
    font = font_manager.FontProperties(fname = ‘电脑中字体的路径’)
    然后再调用plt.legend(prop = font)

    import matplotlib.pyplot as plt
    from matplotlib import font_manager	 #matplotlib中 中文设置模块
    import numpy as np
    
    #中文字体路径(先看好自己电脑中的路径)
    font = font_manager.FontProperties(fname = 'C:/Windows/fonts/simkai.ttf')
    
    arr = np.genfromtxt('F:/Program Files/JetBrains/PycharmProjects/untitled/dat.csv', delimiter=',')
    x_labels = np.array(['01.02', '01.03', '01.06', '01.07', '01.08', '01.09', '01.10', '01.13'])
    x_arr = np.arange(len(arr[:,0]))
    
    plt.bar(x_arr,arr[:,0],tick_label = x_labels,label = '百度')
    plt.bar(x_arr,arr[:,1],bottom = arr[:,0],tick_label = x_labels,label = '阿里')
    plt.bar(x_arr,arr[:,2],bottom = arr[:,1],tick_label = x_labels,label = '腾讯')
    
    plt.legend(prop = font,loc = 'best')		#记得添加prop = font
    plt.show()
    

    第二个

    当全部文字显示不出来时:

    import matplotlib.pyplot as plt
    plt.rcParams['font.sas-serig']=['SimHei'] #用来正常显示中文标签
    plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
    
    
    ===========或者==============
    import matplotlib.font_manager as fm
    import matplotlib.pyplot as plt
    
    #打印本地中的所有字体
    for font in fm.fontManager.ttflist:
      print(font.name)
    
    plt.rcParams['font.family']=['SimHei']
    
    
    展开全文
  • 想把整个神经网络训练做成模块(莫烦老师的教程,只将建立神经网络定义了类——class Net(torch.nn.Module),我把训练过程、参数回传、优化器选择以及可视化分别做了函数),供以后直接调用,但是当做到可视化的...

    版权声明:本文为博主原创文章,如需转载请贴上原博文链接:https://blog.csdn.net/u011628215/article/details/108379046


    前言:最近又把莫烦老师的PyTorch教学视频学习一遍,当使用PyTorch做回归练习的时候,想把整个神经网络训练做成模块(莫烦老师的教程中,只将建立神经网络定义了类——class Net(torch.nn.Module),我把训练过程、参数回传、优化器选择以及可视化分别做了函数),供以后直接调用,但是当做到可视化的时候,就遇到了问题,而问题就出在plt.ion()和plt.ioff()上。

    注:from matplotlib import pyplot as plt

     

    问题:莫烦老师的代码因为方便演示写成了一个整体(没有写成if __name__ == '__main__':的模块形式),所以运行没有问题;而当把代码做成单个的函数进行调用的时候,出现了可视化不连续的情况,即需要手动关闭figure窗口才能显示下一次训练的结果,如图1所示;

    图1 运行的时候,训练一次就停住了
    图1 运行的时候,训练一次就停住了

     

    解决方法:直到写这个博客为止,我才发现是写函数的时候,plt.ioff()和plt.show()缩进错了,如图2所示。

    图2 函数缩进出错
    图2 函数缩进出错

     

    拓展1:既然知道哪里出错了,就好解决了!关键是,对于plt.ion()和plt.ioff()的用法,依然有含糊,所以借此机会巩固一下。(见参考文献)

    拓展2:在看过参考文献后,依然有些不太明白,希望能有些官方的案例以供参考,如图3所示,是从“Matplotlib Release 3.1.1.pdf”中截取的片段。

    图3 What is interactive mode?
    图3 What is interactive mode?

     

    TIPS:

    1.两种模式还是蛮有意思的,从最后一个例子来看,阻塞模式(ioff,这个是默认模式)下,plt.show()的作用就像是plt.pause(∞),延时了无穷时间,需要把窗口关闭才能显示下一张图。

    # 最后的例子,将plt.ioff()去掉后,效果一样
    
    import numpy as np
    import matplotlib.pyplot as plt
    
    for i in range(3):
        plt.plot(np.random.rand(10))
        plt.show()
    
    
    # plt.show()感觉很有意思,试试看下面的代码,在console中一步一步的run
    plt.ioff()      # 此处的plt.ioff()可以省略,matplotlib中默认是阻塞式的
    plt.figure()    # 建立图像,但是并没有显示出来,控制台会出现“<Figure size 640x480 with 0 Axes>”
    plt.show()      # 显示图像,此时程序阻塞,即控制台不能再输入代码,除非将这个窗口关闭
    
    # 再试试看下面的,在console单步运行
    plt.ion()       # 开启交互模式
    plt.figure()    # 此时会弹出窗口,就好像输入了plt.show()一样,但是此时程序不阻塞
    plt.show()      # 当在控制台输入这个代码的同时,刚才的窗口已经被console控制台遮挡住了,敲完回车键后,刚才的窗口又出现在桌面最顶层了,此时程序也不阻塞,是不是很神奇!

    2.如果还是不能理解ion和ioff的作用的话,不妨试试看下面的代码:

    from matplotlib import pyplot as plt
    
    plt.ioff()      # 开启阻塞模式
    plt.figure()    # 此时没有显示窗口
    plt.ion()       # 开启交互模式
    plt.figure()    # 此时显示窗口,并且弹出的窗口名称应该是“Figure2”,就好像plt.show()已经内置到plt.figure()中一样
    plt.show()      # 此时会将所有窗口全部显示,并且是按照刚才创建的顺序显示的Figure2在Figure1上层
    
    # 如果觉得不明显的话,试试看这个
    plt.ioff()    
    plt.figure()    
    plt.figure()
    plt.figure()
    plt.ion()    
    plt.figure()    # 这行代码运行后,会出现“Figure4”    
    plt.show()      # 显示四张图,Figure1在最底层,Figure4在最顶层

    20201010更新:

        当需要保存显示出来的图片,但是又不想要在显示器上出现该图片(是不是有点绕!),例如:需要用plt.subplot()分块显示多张图,但并不想在显示器上看到这张图而只想保存它,怎么做呢?

    # 举个例子:all_txt_file是一个12*10000的二维列表(<class 'list'>),
    #          name是需要保存图片的名字(<class 'str'>)
    
    def data_display(all_txt_file, name):
        plt.ioff()    # 注释这一行再试一次(如果不加这一行,窗口会被创建并显示在显示器上)
        plt.figure()
        plt.subplot(2, 6, 1)
        plt.plot(all_txt_file[0])
        plt.grid()
        plt.subplot(2, 6, 2)
        plt.plot(all_txt_file[4])
        plt.grid()
        plt.subplot(2, 6, 3)
        plt.plot(all_txt_file[6])
        plt.grid()
        plt.subplot(2, 6, 4)
        plt.plot(all_txt_file[7])
        plt.grid()
        plt.subplot(2, 6, 5)
        plt.plot(all_txt_file[8])
        plt.grid()
        plt.subplot(2, 6, 6)
        plt.plot(all_txt_file[5])
        plt.grid()
        plt.subplot(2, 6, 7)
        plt.plot(all_txt_file[3])
        plt.grid()
        plt.subplot(2, 6, 8)
        plt.plot(all_txt_file[2])
        plt.grid()
        plt.subplot(2, 6, 9)
        plt.plot(all_txt_file[1])
        plt.grid()
        plt.subplot(2, 6, 10)
        plt.plot(all_txt_file[10])
        plt.grid()
        plt.subplot(2, 6, 11)
        plt.plot(all_txt_file[9])
        plt.grid()
        plt.subplot(2, 6, 12)
        plt.plot(all_txt_file[11])
        plt.grid()
        plt.savefig('%s.jpg' % name)
        plt.close()
    
    
    if __name__ == '__main__':
        # all_txt_file = [[]]    # 2维列表
        name = 'picture'
        data_display(all_txt_file, name)

     

    参考文献(感谢以下文献的贡献者们!):

    1.matplotlib 画动态图以及plt.ion()和plt.ioff()的使用

    2.matplotlib 学习笔记(4):ion 和 ioff

    3.[matplotlib] plt.ion()的动态显示(附测试代码)

    4.【matplotlib】 之 清理、清除 axes 和 figure (plt.cla、plt.clf、plt.close)

    5.Python中读取,显示,保存图片的方法

    展开全文
  • <p>import matplotlib as plt <p># 数据集 <p>x_data=[1.0,2.0,3.0,4.0] <p>y_data=[2.0,4.0,6.0,8.0] <p># 预测函数模型:f(X)=w*x <p>def forward(x):  """前馈函数""...
  • Matplotlib是Python的一个很好的绘图包,但是其本身并不支持中文(貌似其默认配置没有中文字体),所以如果绘图出现了中文,就会出现乱码。 matplotlib绘制图像有中文标注时会有乱码问题。 实例代码: import ...
  • 原文链接:Python 中,matplotlib绘图无法显示中文的问题 ...在python中,默认情况下是无法显示中文的,如下代码:import matplotlib.pyplot as plt # 定义文本框和箭头格式decisionNode = dict(boxstyle = “...
  • python中的矩阵运算

    2020-10-03 16:10:57
    python矩阵运算1-1 python矩阵运算所需模块1-2定义矩阵和进行相关的矩阵运算RREF numpy/scipy/sympy: 搬运:python矩阵的运算大全: python矩阵运算可以用numpy模块,也可以用scipy模块,主要运算包括以下几种: 1-1 ...
  • 1. 点线图 import matplotlib.pyplot as plt x = [1,2,3,4,5] ...横纵坐标标题命名及横纵坐标刻度定义plt.xlabel("横坐标") plt.ylabel("纵坐标") plt.title('显示中文标题') my_x_ticks = np.arange(.
  • Python中matplotlib实时画图

    万次阅读 多人点赞 2018-09-13 11:16:14
    github博客传送门 博客园传送门 实时画图 import matplotlib.pyplot as plt ax = [] # 定义一个 x 轴的空列表用来接收动态的数据 ay = [] # 定义一个 y 轴的空列表用来接收动态...plt.ion() # 开启一个画图的...
  • Python中随机漫步的实现 本文是对Wes McKinney《利用python进行数据分析》第二版第四章随机漫步代码实现,详见如下 #随机1次漫步,共1000步 #法一 import matplotlib.pyplot as plt import random position=0...
  • python中,默认情况下是无法显示中文的,如下代码:import matplotlib.pyplot as plt # 定义文本框和箭头格式 decisionNode = dict(boxstyle = "sawtooth", fc = "0.8") leafNode = dict(boxstyle = "round4...
  • python中,默认情况下是无法显示中文的,如下代码: import matplotlib.pyplot as plt # 定义文本框和箭头格式 decisionNode = dict(boxstyle = "sawtooth", fc = "0.8") leafNode = dict...
  • 我们用Python进行数据可视化,绘制各种图形时,往往会遇到明明数据都设置对了,但是在图形上显示不出来。例如绘制直方图,程序如下: plt.hist(roll_list, bins=range(2,14),normed=1,edgecolor='black',linewidth=...
  • #先定义几组数据 x = [0,1,2,3,4,5,6,7,8,9] y1 = np.sin(x) y2 = np.cos(x) #画图 plt.plot(x, y1, linestyle="--", color="red") plt.plot(x, y2, linestyle = "-", ...
  • python中如何画图中图

    千次阅读 2020-05-15 11:23:16
    #定义数据 x = [1, 2, 3, 4, 5, 6, 7] y = [1, 7, 15, 24, 30, 50, 55] #新建区域ax1 #figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80% left, bottom, width, height = 0.1, 0.1, 0.8, 0.8 #获得绘制...
  • 具体的注解我已经写在了程序里面:通俗的解释了python里面的浅拷贝与深拷贝的不同,请看程序。 # -*- coding: utf-8 -*- import numpy as np import copy as cp import matplotlib.pyplot as plt import time ...
  • Excel,颜色是通过界面展示及按钮选择确定的,在python代码环境下,自然是没有这种条件的,那么,matplotlib颜色是如何构建与使用的呢? matplotlib提供了强大的颜色接口,供使用者定制颜色、使用颜色、使用色板...
  • Python实现两个坐标轴画图实现结果一、定义画图函数二、完整代码三、实现四个坐标系1.代码解释2.实现结果 实现结果 下面是图片是我实现的一个结果,里面包含两个坐标系。 如果想要实现更多坐标系,请看下面第 第三...
  • 程序定义前加入 #解决中文显示问题 plt.rcParams['font.sans-serif']=['Ubuntu'] plt.rcParams['axes.unicode_minus'] = False 可以显示中文
  • 多直线绘制 import matplotlib.pyplot as plt import numpy as np ...# 分别定义2条直线的属性 plt.plot(x, y1, color="blue", linewidth=1.0, linestyle="-") plt.plot(x, y2, color="red", linewidth
  • 利用python中basemap库绘制地图

    千次阅读 2018-05-18 17:12:06
    (1)首先绘制一张全球地图:import matplotlib.pyplot as plt ...plt.figure(figsize=(16,8))#定义图的大小 map1 = Basemap()#创建一个地图 map1.drawcoastlines()#绘制海岸线 map1.drawcountries(linewi...
  • sigmoid函数又叫Logistic函数,S函数(因为其形状为S型)。 函数定义: ...Python代码绘制一个: import numpy as np import matplotlib.pyplot as plt #定义sigmoid函数 def sigmoid(x): ...

空空如也

空空如也

1 2 3 4 5 ... 8
收藏数 160
精华内容 64
关键字:

python中plt定义

python 订阅