聊天软件怎么开发/seoul是啥意思

Matplotlib 是一个Python的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。

通过学习Matplotlib，可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。 Matplotlib是Python的库，又是开发中常用的库。

markdown模式切换 ----- 蓝色命令行模式下 大写M 退出markdown 大写Y 退出编辑模式 esc

%matplotlib tk 此函数是在matplotlib的行外显示—为什么？

讲解：一个matplotlib的一个小画板figure，matplotlib中所有图像都在figure对象中，一个图像只有一个figure对象。figure是matplotlib单独的小窗口。一个figure下可以画多个图像。

绘制基础

在使用Matplotlib绘制图形时，其中有两个最为常用的场景。一个是画点，一个是画线。

方法名

说明

title()

设置图表的名称

xlabel()

设置x轴名称

ylabel()

设置y轴名称

xticks(x,ticks,rotation)

设置x轴的刻度,rotation旋转角度

yticks()

设置y轴的刻度

plot()

绘制线性图表

show()

显示图表

legend()

显示图例

text(x,y,text)

显示每条数据的值 x,y值的位置

figure(name,figsize=(w,h),dpi=n)

设置图片大小

头部引包

import numpy as np

import matplotlib.pyplot as plt

# %matplotlib tk

直线

plt.plot(x,y)

#将(0,1)点和(2,4)连起来

plt.plot([0,2],[1,4])

plt.savefig('img\u76f4线.jpg')

plt.show()

折线

plt.plot(x,y)

x=[1,2,3,4,5]

squares=[1,4,9,16,25]

plt.plot(x,squares)

plt.savefig('img\u6298线.jpg')

plt.show()

设置标签文字和线条粗细

标题文字:plt.title(‘name’,fontsize,color)

线条粗细:linewidth

x轴文字：plt.xlabel(‘name’,fontsize,size,color)

y轴文字：plt.ylabel(‘name’,fontsize,size,color)

datas=[1,2,3,4,5]

squares=[1,4,9,16,25]

plt.plot(datas,squares,linewidth=5) #设置线条宽度

#设置图标标题，并在坐标轴上添加标签

plt.title('Numbers',fontsize=24)

plt.xlabel('datas',fontsize=14)

plt.ylabel('squares',fontsize=14)

plt.savefig('img\u8bbe置标签文字和线条粗细.jpg')

plt.show()

解决标签、标题中的中文问题

解决中文问题：plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

解决符号问题：plt.rcParams[‘font.sans-serif’] = [‘SimSong’]

datas=[1,2,3,4,5]

squares=[1,4,9,16,25]

plt.plot(datas,squares,linewidth=5) #设置线条宽度

#设置中文乱码问题

plt.rcParams['font.sans-serif'] = ['SimHei']

#设置图标标题，并在坐标轴上添加标签

plt.title('标题设置',fontsize=24)

plt.xlabel('x轴',fontsize=14)

plt.ylabel('y轴',fontsize=14)

plt.savefig('img\u89e3决中文问题.jpg')

plt.show()

一元二次方程的曲线y=x^2

plt.rcParams['font.sans-serif'] = ['SimSong']

#200个点的x坐标

x=range(-100,100)

#生成y点的坐标

y=[i**2 for i in x ]

#绘制一元二次曲线

plt.plot(x,y)

#调用savefig将一元二次曲线保存为result.jpg

plt.savefig('img\u4e00元二次.jpg') #如果直接写成 plt.savefig('cos') 会生成cos.png

plt.show()

正弦、余弦函数

x = np.arange(，，，)

y=np.sin(x)

y2=np.cos(x)

plt.plot(x,y)

plt.plot(x,y2)

plt.rcParams['font.sans-serif'] = ['SimSong']

###### 通过plot画一个线形图

# plt.plot([1,2,3][5,7,5])

x = np.arange(-3,3,0.1)

y=np.sin(x)

y2=np.cos(x)

# 将图像显示在figure画板上

plt.figure()

# 调用 xy

plt.plot(x,y)

plt.figure()

plt.plot(x,y2)

plt.savefig('img\u6b63弦余弦函数.jpg')

plt.show()

x1=[1,2,3]

x2=[2,4,5]

y1=[2,3,4]

y2=[5,6,29]

# 解决乱码

plt.rcParams['font.sans-serif']=['SimHei']

plt.subplot(221) # 等价于plt.subplot(2，2，1) 2行2列第1个

plt.plot(x1,y1,'r--') # 里面三个参数

plt.title('x1y1',fontsize=15,color='blue') # title设置标题

plt.xlabel('x轴',fontsize=10) # 设置x轴名称

plt.ylabel('y轴',fontsize=10) # 设置y轴名称

plt.savefig('img/x1y1.jpg',dpi=200) # 将图形通过定制的像素保存到磁盘

plt.subplot(222) # 2行2列第3个

plt.plot(x2,y2,'r--')

plt.title('x2y2',fontsize=15,color='b') # b==blue 简称

plt.savefig('img\u6574合.jpg')

plt.show()

散点图

使用scatter函数可以绘制随机点，该函数需要接收x坐标和y坐标的序列。

plt.scatter(x,np.sin(x))

plt.rcParams['font.sans-serif']=['SimSong']

# 画散点图

x = np.linspace(0,100,1000) # 生成0-80的160个散点的图

plt.scatter(x,np.sin(x))

plt.savefig('img\u6563点图.jpg')

plt.show()

画10种大小， 100种颜色的散点图

# 画10种大小， 100种颜色的散点图

np.random.seed(10) # seed使得每次的随机值一定，每次执行不会变。

x=np.random.rand(100)

y=np.random.rand(100)

colors=np.random.rand(100)

size=np.random.rand(10)*1000

plt.scatter(x,y,c=colors,s=size,alpha=0.7)

plt.savefig('img\u6563点图2.jpg')

plt.show()

柱状图

使用bar函数可以绘制柱状图。柱状图需要水平的x坐标值，以及每一个x坐标值对应的y坐标值，从而形成柱状的图。

bar函数的宽度并不是像素宽度。bar函数会根据二维坐标系的尺寸，以及x坐标值的多少，自动确定每一个柱的宽度，而width指定的宽度就是这个标准柱宽度的倍数。该参数值可以是浮点数，如0.5，表示柱的宽度是标准宽度的0.5倍。

# 绘制柱状图

x=[1997,1998,1999,2000]

x_labels=['1997年','1998年','1999年','2000年']

y=[1000,3000,4000,5000]

# plt.bar(x,y,width=1)

plt.bar(x,y,width=0.1)

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

plt.xticks(x,x_labels) # 设置x轴的刻度,rotation旋转角度

plt.xlabel('年份')

plt.ylabel('销量')

plt.title('根据年份销量对比图')

plt.savefig('img\u67f1状图.jpg')

plt.show()

使用bar和barh绘制柱状图

# 使用bar和barh绘制柱状图

plt.rcParams['font.sans-serif']=['SimSong'] #用来正常显示中文标签

np.random.seed(0) # 使每次运行时的随机数不变

x=np.arange(5) # 范围为5

y=np.random.randint(-5,5,5)

print(x,y)

plt.subplot(1,2,1) # 将画布分隔成一行两列 选中第一列

#在第一列中画图

v_bar=plt.bar(x,y)

#在第一列的画布中 0位置画一条蓝线

plt.axhline(0,color='blue',linewidth=2)

plt.subplot(1,2,2) # 将画布分隔成一行两列 选中第二列

#barh将y和x轴对换 竖着方向为x轴

h_bar=plt.barh(x,y,color='red')

#在第二列的画布中0位置处画红色的线

plt.axvline(0,color='red',linewidth=2)

plt.savefig('img\u67f1状图2.jpg')

plt.show()

[0 1 2 3 4] [ 0 -5 -2 -2 2]

np.random.randint(low, high=None, size=None, dtype=‘l’)

产生离散均匀分布的整数

参数

含义

low

生成元素的最小值

high

生成元素的值一定小于high值

size

输出的大小，可以是整数也可以是元组

dtype

生成元素的数据类型

注意：high不为None，生成元素的值在[low,high)区间中；如果high=None，生成的区间为[0,low)区间

np.arange()

函数返回一个有终点和起点的固定步长的排列，其中步长支持小数。

参数个数

含义

一个参数

参数值为终点，起点取默认值0，步长取默认值1。

两个参数

第一个参数为起点，第二个参数为终点，步长取默认值1。

三个参数

第一个参数为起点，第二个参数为终点，第三个参数为步长。#三天中三部电影的票房变化

real_names=['千与千寻','玩具总动员4','黑衣人：全球追缉']

real_num1=[5453,7548,6543]

real_num2=[1840,4013,3421]

real_num3=[1080,1673,2342]

#生成x 第1天 第2天 第3天

x=np.arange(len(real_names))

x_label=['第{}天'.format(i+1) for i in range(len(real_names))]

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

#绘制柱状图

#设置柱的宽度

width=0.3

plt.bar(x,real_num1,color='g',width=width,label=real_names[0])

plt.bar([i+width for i in x],real_num2,color='b',width=width,label=real_names[1])

plt.bar([i+2*width for i in x],real_num3,color='r',width=width,label=real_names[2])

#修改x坐标

plt.xticks([i+width for i in x],x_label)

#添加图例

plt.legend()

#添加标题

plt.title('3天的票房数')

plt.savefig('img\u67f1状图3.jpg')

plt.show()

直方图

直方图与柱状图的分格类似，都是由若干个柱组成，但直方图和柱状图的含义却有很大的差异。直方图是用来观察分布状态的，而柱状图是用来看每一个X坐标对应的Y的值的。也就是说，直方图关注的是分布，并不关心具体的某个值，而柱状图关心的是具体的某个值。使用hist函数绘制直方图。

使用randn函数生成1000个正太分布的随机数，使用hist函数绘制这1000个随机数的分布状态

plt.rcParams['font.sans-serif']=['SimSong']

#频次直方图，均匀分布

#正太分布

x=np.random.randn(1000)

#画正太分布图

# plt.hist(x)

plt.hist(x,bins=100) #装箱的操作，将10个柱装到一起及修改柱的宽度

plt.savefig('img\u76f4方图.jpg')

plt.show()

hist(x,bins,normed,color)

参数值

含义

x

这个参数是指定每个bin(箱子)分布的数据,对应x轴

bins

这个参数指定bin(箱子)的个数,也就是总共有几条条状图

normed

这个参数指定密度,也就是每个条状图的占比例比,默认为1

color

这个指定条状图的颜色使用normal函数生成1000个正太分布的随机数，使用hist函数绘制这100个随机数的分布状态。

plt.rcParams['font.sans-serif']=['SimSong']

#几个直方图画到一个画布中,第一个参数期望 第二个均值

x1=np.random.normal(0,0.8,1000)

x2=np.random.normal(-2,1,1000)

x3=np.random.normal(3,2,1000)

#参数分别是bins：装箱，alpha：透明度

kwargs=dict(bins=100,alpha=0.4)

plt.hist(x1,**kwargs)

plt.hist(x2,**kwargs)

plt.hist(x3,**kwargs)

plt.savefig('img\u76f4方图2.jpg')

plt.show()

numpy.random.normal(loc=0.0, scale=1.0, size=None)

参数值

含义

loc

float此概率分布的均值(对应着整个分布的中心centre)

scale

float此概率分布的标准差(对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高)

size

输出的shape，默认为None，只输出一个值

三维图

使用pyplot包和Matplotlib绘制三维图。

#导入3D包

from mpl_toolkits.mplot3d import Axes3D

#创建X、Y、Z坐标

X=[1,1,2,2]

Y=[3,4,4,3]

Z=[1,100,1,1]

fig = plt.figure()

# 创建了一个Axes3D的子图放到figure画布里面

ax = Axes3D(fig)

ax.plot_trisurf(X, Y, Z)

plt.savefig('img\u4e09维图.jpg')

plt.show()