精华内容
下载资源
问答
  • python plt可视化——打印特殊符号和制作图例

    万次阅读 多人点赞 2018-11-06 14:59:08
    1、打印特殊符号 ...import matplotlib.pyplot as plt x = [i+1 for i in range(20)] y = x plt.figure() plt.title(r'$\alpha$ > $\beta$') # 打印α>β plt.xlabel(...

    1、打印特殊符号

    matplotlib在公式书写上面跟latex很相似,接下来我们就特殊符号,上标下标来具体展示一下。

    import matplotlib.pyplot as plt
    
    x = [i+1 for i in range(20)]
    y = x
    plt.figure()
    plt.title(r'$\alpha$ > $\beta$')  # 打印α>β
    plt.xlabel(r'$\theta$')  # 打印θ
    plt.ylabel(r'$\omega$')  # 打印ω
    plt.plot(x, y)
    plt.show()
    

    效果如下:
    在这里插入图片描述
    由此可见,打印特殊符号需要知道特殊符号的英文名称,在前面加上转义符反斜杠,再用一对美元符号包起来即可。

    接下来,我们尝试打印下标和上标。下标需要加"_",上标需要加"^",这跟latex语法完全一样。

    import matplotlib.pyplot as plt
    
    x = [i+1 for i in range(20)]
    y = x
    plt.figure()
    plt.title(r'$\alpha_i$ > $\beta_i$')  # 打印α_i > β_i
    plt.xlabel(r'$\theta^2$')  # 打印θ^2
    plt.ylabel(r'$\omega^n$')  # 打印ω^n
    plt.plot(x, y)
    plt.show()
    

    我们看看效果:
    在这里插入图片描述

    更多符号对应字母请见下图:
    在这里插入图片描述

    2、制作图例,legend函数

    import matplotlib.pyplot as plt
    from math import sin, cos, exp
    
    x = [(i+1)/100 for i in range(1000)]
    y1 = [sin(i) for i in x]
    y2 = [cos(i) for i in x]
    y3 = [exp(-i) for i in x]
    
    plt.figure()
    plt.plot(x, y1)
    plt.plot(x, y2)
    plt.plot(x, y3)
    
    # 分别对应y1,y2,y3标志图例,注意e^(-x)要加大括号表示(-x)是一个整体,都是上标
    plt.legend(['sin(x)', 'cos(x)', '$e^{-x}$'])
    plt.show()
    

    在这里插入图片描述

    在文章最后附上参考链接~
    https://matplotlib.org/users/mathtext.html

    展开全文
  • 利用python的plt绘制多种柱状图,进行数据可视化
    1. 首先导入必要的包
    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    
    # 在jupyter画图时,添加下面三行,设置中文字体,防止中文乱码
    %matplotlib inline
    plt.rcParams['font.sans-serif']=['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
    
    1. 绘制并列柱状图(以两个柱子为例)
      1.1 利用pandas绘制
    data = np.random.rand(10,2)  # 生成数据
    idx = [i for i in range(3, 13)]  # 可以设置索引
    df = pd.DataFrame(data, columns=['列1', '列2'], index=idx)
    # df = pd.DataFrame(data, columns=['列1', '列2'])   # 使用默认索引
    ax = df.plot(kind='bar')
    ax.set_xlabel('年份')  # 设置x轴标签
    ax.set_ylabel('分数') # 设置y轴标签
    fig = ax.get_figure()  # 用于保存图片
    fig.savefig('pic.png')  # 保存为png格式
    

    运行效果图
    1.2 利用plt直接绘制

    name_list = ['apple', 'banana', 'car', 'dog'] # 设置横坐标的刻度名称
    y_list1 = [0.63,  0.96, 0.73,  0.9]     # 纵坐标
    y_list2  = [0.51,  0.87, 0.83,  0.81]     # 纵坐标
    x =np.arange(len(name_list))
    width = 0.25  # 设置柱子的宽度和间隔
    
    # bar参数说明:前两个分别为x和y; width: 表示柱子宽度; label: 图例名称,所代表的类别; fc: 设置颜色
    plt.bar(x, y_list1, width=width, label='列1',fc = 'deepskyblue')
    x = x + width
    #plt.bar(x, y_list2, width=width, label='列2', fc = 'orange', tick_label = name_list)
    # 下两句的效果和上面这一句差不多,只是上面一句设置的x轴标签不是居中的
    plt.bar(x, y_list2, width=width, label='列2', fc = 'orange')
    plt.xticks(x-width/2, tick_label)#显示x坐标轴的标签,并调整位置,使其落在两个直方图中间位置
    plt.legend()              # 显示图例
    plt.title("利用plt绘制")  # 设置表格标题
    plt.savefig("pic2.png")  # 保存图片
    plt.show()                # 展示图片
    # 需要注意的是, 保存图片的时候, plt.savefig()应该放在plt.show()前面,否则保存的图片将会是空白图片. 
    # 个人猜测原因可能是调用show之后, 就会把这个对象清空吧.
    

    图2:运行效果图
    2. 堆叠图
    2.1 利用pandas画堆叠图

    data = np.random.rand(10,3)  # 生成数据
    idx = [i for i in range(3, 13)]  # 可以设置索引
    df = pd.DataFrame(data, columns=['列1', '列2', '列3'], index=idx)
    # df = pd.DataFrame(data, columns=['列1', '列2'])   # 使用默认索引
    ax = df.plot(kind='bar', stacked=True)
    ax.set_xlabel('年份')  # 设置x轴标签
    ax.set_ylabel('分数') # 设置y轴标签
    fig = ax.get_figure()  # 用于保存图片
    #fig.savefig('pic.png')  # 保存为png格式
    

    显然,和上面用pandas画并列柱状图的方法是一样的,只是在plot的时候,把参数设置为 stacked=True
    堆叠图

    参考链接与推荐链接

    1. plt画图
    2. pandas中文网可视化的教学与例子
    3. pandas中文网中关于plot的参数说明
    4. matplotlib.pyplot的官方介绍与应用举例,参数说明
    5. 菜鸟教程里的Matplotlib 教程(中文的)

    事实上,对于一些很出名的库,直接去官网上查找教程,反而是最简单且最详细的,甚至还有一些有中文教程,提供给我们阅读。
    以上,如有错误,还望指出。

    展开全文
  • 使用plt显示nii_1和nii_2中的slice for i in range(len(low_data)): fig = plt.figure() fig.add_subplot(1,2,1) plt.imshow(low_data[i],cmap='gray') fig.add_subplot(1,2,2) plt.imshow(high_data[i],...

    Extracting data:

    1.nibable

    import nibabel as nib
    nii_1 = nib.load(img1_path)
    nii_1 = nii_1.dataobj #obtain the nii data
    nii_2 = nib.load(img2_path)
    nii_2 = nii_2.dataobj #obtain the nii data

    2.SimpleITK(additional method for dicom)

    import SimpleITK as sitk
    reader = sitk.ImageSeriesReader()
    img_names = reader.GetGDCMSeriesFileNames('imgfolder')
    reader.SetFileNames(img_names)
    image = reader.Execute()
    image_array = sitk.GetArrayFromImage(image) 

    使用opencv显示nii_1和nii_2中的slice

    def nothing(emp):
        pass
    
    def visualize(name,frames):
        cv2.namedWindow(name,0)
        #cv2.resizeWindow(name, 800, 600)
        loop_flag = 0
        pos = 0
        cv2.createTrackbar('time', name, 0, frames, nothing)
        while True:
            if cv2.waitKey(1) & 0xFF == ord('q'):
                cv2.destroyAllWindows()
                break
            pos = cv2.getTrackbarPos('time', name)
            img1_new = nii_1[pos]
            img2_new = nii_2[pos]
            img_new = np.hstack([img1_new,img2_new])
            cv2.imshow(name, img_new)
    
    visualize('img', len(high_data)-1)

    使用plt显示nii_1和nii_2中的slice

     for i in range(len(low_data)):
         fig = plt.figure()
         fig.add_subplot(1,2,1)
         plt.imshow(low_data[i],cmap='gray')
         fig.add_subplot(1,2,2)
         plt.imshow(high_data[i],cmap='gray')
         plt.pause(1)
         plt.close()

     

     

     

    展开全文
  • Python数据可视化plt.savefig 将图片存入固定路径

    万次阅读 多人点赞 2020-02-07 16:13:08
    savefig要写在show前面 不然保存的就是空白图片 文件名是新命名 路径斜杠直接复制记得取反

    savefig要写在show前面  不然保存的就是空白图片

    文件名是新命名

    路径斜杠直接复制记得取反

    展开全文
  • 使用可视化库matplotlib绘图时,plt.show()过后只出现<Figure size 640x480 with 1 Axes>而没有生成图片 解决: 可以在前面添加 plt.figure()创建画布。 或者 导入库之后添加以下代码即可 %...
  • 一、可视化库导入 %matplotlib inline import matplotlib.pyplot as plt 二、显示彩色图像 plt.figure(figsize=(15,10)) plt.imshow(img) plt.show() 前提是,img是以彩色图像读入的 如果采用opencv读入的...
  • 可视化图片函数

    2020-11-10 10:50:21
    import matplotlib.pyplot as plt %matplotlib inline image = cv2.imread('1000/wirebroken_0001_1.jpg') image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) def visualize(image): plt.figure(figsize=(10,10)) ...
  • 数据可视化函数plt.plot(x,y,ls,lw,c,marker,markersize,markeredgecolor,markerfacecolor,label) 设置画线的标准和形式 参数说明: **x:**横坐标;**y:**纵坐标;**ls或linestyle:**线的形式(‘-’,‘–’,...
  • 前一篇文章讲述了数据预处理、Jieba分词和文本聚类知识,这篇文章主要介绍Matplotlib和Pandas扩展包绘图的基础用法,同时引入Echarts技术,该技术主要应用于网站可视化展示中。本文内容以实例为主,给读者最直观的...
  • Matplotlib数据可视化之条形图绘制plt.bar()

    千次阅读 多人点赞 2020-05-11 22:28:30
    条形图绘制plt.bar() 上一篇我们讲到了折线图的绘制,下来来说一下条形图绘制… 码上… import matplotlib.pyplot as plt import numpy as np N = 5 y = [20, 30, 10, 25, 15] index = np.arange(N) plt.bar...
  • 一、fig, ax = plt.subplots()的作用? 二、参数的含义? 三、怎么在一个图上排列多个子图? 四、怎么把多个子图一起合并到一个图上? 《Python for Data Analysis》 2nd Edition 一、fig, ax = plt.subplots()...
  • 生成的图片保存后发现左边少了一部分 需要将代码中添加参数 bbox_inches = 'tight' plt.savefig('XGBoost_feature_importance.png', bbox_inches = 'tight') plt.show()
  • 数据可视化 基本概念 数据可视化是指借助于图形化的手段,清晰、快捷有效的传达与沟通信息。同时,也可以辅助用户做出相应的判断,更好的去洞悉数据背后的价值。 字不如表,表不如图。 观察号码的频率,每个号码...
  • 使用如下代码保存使用plt.savefig保存生成的图片时,结果打开生成的图片却是一片空白。 例如: # 导入可视化工具包 import matplotlib.pyplot as plt %matplotlib inline # 颜色和标签列表 colors_list = ['...
  • plt.plot(x, y, ls="-.",color=“r”,marker =",", lw=2, label=“plot figure”) x:x轴数值 y:y轴数值 ls:折线图的线条风格 color:颜色 marker:标记样式 lw:折线图的线条宽度 label:标记图形内容的标签文本...
  • t-SNE可视化图像特征easy sample(使用sklearn包):Scatter图Grid图Example t-SNE(t-Distributed Stochastic Neighbor Embedding)是一种非线性降维技术,主要用途为对高维数据进行可视化。 easy sample(使用sklearn...
  • 基本都是plt.savefig和plt.show()的顺序问题,但是我的顺序并没有错, 同样也输出为空白,我是从这里找到的解决方法: 将matplotlib子图图形保存到图像文件 同时英文好的大佬也可以看看这个,虽然我看不懂,但是这...
  • 通常呢,大家绘制图片,立马想到的是matplotlib这个包 ,也就是说,你只需调用 .plot() 方法,即可快速绘制简单的 pd.DataFrame 或 pd.Series。如下: import matplotlib.pyplot as plt import pandas as pd import ...
  • 可视化模拟正弦余弦在子图显示 import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif'] = ['simhei'] plt.rcParams['axes.unicode_minus'] = False #生成模拟数据 x = np.arange...
  • import matplotlib.pyplot as plt import numpy as np # 防止乱码 mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False # 生成数据 x = [1,2,3,4,5] y1 = [6,10,4,5,1] y2 ...
  • python读取csv数据输出可视化图片

    千次阅读 2020-05-10 16:35:24
    跟着小象学院学python,今天学习了读取csv数据输出可视化图片 老师的例子是window下的,我在linux下,系统字体跟例子的肯定不一样 原先其他输出可视化是用单独部件设置字体,这里输出用了plot()整体输出,没有...
  • Python可视化-WordCloud生成云词图片

    万次阅读 2019-08-15 23:42:06
    Python可视化-WordCloud生成云词图片 首先建一个记事本,写入你想要生成云词图片的文章。 生成的云图 ##完整示例代码 import jieba.analyse ##jieba库 用于分割中文词语 from PIL import Image,ImageSequence ...
  • python实现数据可视化I Feel: 我觉得: In today’s digital world data has become as important as air. Machines & humans both are literally breathing in & breathing out data, data & data…. ...
  • TensotFlow 应用实例:06-使用matplotlib可视化训练过程 本文是我在学习TensotFlow 的时候所记录的笔记,共享出来希望能够帮助一些需要的人。 import tensorflow as tf import numpy as np import matplotlib....
  • 数据可视化可以让我们很直观的发现数据中隐藏的规律,察觉到变量之间的互动关系,可以帮助我们更好的给他人解释现象,做到一图胜千文的说明效果。 常见的数据可视化库有: matplotlib 是最常见的2维库,可以算作...
  • colormap = [[] for _ in range(len(data))] for i in range(len(data)): colormap[i] = lab2seg[cls[j]][data[i, -1]] #设置图片大小 plt.figure(figsize=(10,10)) ax = plt.subplot(111, projection='3d') #设置...
  • 使用 pandas 做数据可视化

    千次阅读 2020-07-30 08:00:00
    来源:大邓和他的Python数据可视化可以让我们很直观的发现数据中隐藏的规律,察觉到变量之间的互动关系,可以帮助我们更好的给他人解释现象,做到一图胜千文的说明效果。常见的数据可视化库有:...
  • 之前写了用pyecharts画词云,今天我们来看一下用python的wordcloud库画词云。 wordcloud接收的数据有两种格式,一种是纯文本的...import matplotlib.pyplot as plt ### 纯文本数据 data = ['重庆','上海','北京','...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 14,506
精华内容 5,802
关键字:

使用plt可视化图片