既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上Go语言开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
y
)
=
x
e
−
(
x
2
y
2
)
f(x,y)=x e{-(x2+y^2)}
f(x,y)=xe−(x2+y2)
1. 网格点
在绘制曲线之前,先了解一下网格点的绘制。比如绘制一个3x3
的网格,那么就需要9
个坐标点:
(0,2)-----(1,2)-----(2,2)
(0,1)-----(1,1)-----(2,1)
(0,0)-----(1,0)-----(2,0)
将其x
轴和y
轴坐标分开表示:
# x轴:
[[0, 1, 2],
[0, 1, 2],
[0, 1, 2]]
# y轴:
[[0, 0, 0],
[1, 1, 1],
[2, 2, 2]]
在numpy
中可以使用np.meshgrid()
来生成网格点:
import numpy as np
import matplotlib.pyplot as plt
# 10x10
x = np.linspace(-1.5, 1.5, num=10)
y = np.linspace(-1.5, 1.5, num=10)
# generate grid
X, Y = np.meshgrid(x, y)
plt.plot(X, Y, marker='.', linestyle='')
plt.grid(True)
plt.show()
2. 等高线
绘制等高线需要的数据有点的坐标位置(x, y)
以及坐标的高度z
,高度z
就是将坐标点(x, y)
带入函数
f
(
x
,
y
)
f(x, y)
f(x,y)中计算得到的,在matplotlib
中可以使用plt.contour()
来绘制:
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1.5, 1.5, num=100)
y = np.linspace(-1.5, 1.5, num=100)
X, Y = np.meshgrid(x, y)
f = X \* np.exp(-X\*\*2 - Y\*\*2)
fig = plt.figure()
plt.xlim(-1.5, 1.5)
plt.ylim(-1.5, 1.5)
# draw
ax = plt.contour(X, Y, f, levels=10, cmap=plt.cm.cool)
# add label
plt.clabel(ax, inline=True)
# plt.savefig('img1.png')
plt.show()
# add color
plt.contourf(X, Y, f, levels=10, cmap=plt.cm.cool)
# plt.colorbar()
# plt.savefig('img1.png')
![img](https://img-blog.csdnimg.cn/img_convert/e4374ebcb345cc5416f88ca9cfa14403.png)
![img](https://img-blog.csdnimg.cn/img_convert/e27eba32e057bda661f8791e3d633f67.png)
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**[需要这份系统化的资料的朋友,可以添加戳这里获取](https://bbs.csdn.net/topics/618658159)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**
究,那么很难做到真正的技术提升。**
**[需要这份系统化的资料的朋友,可以添加戳这里获取](https://bbs.csdn.net/topics/618658159)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**