【机器学习】三、基础环境安装与Matplotlib使用

1、Jupyter Notebook

1. 1 简介

        Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。——Jupyter Notebook官方介绍

        简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中「直接」编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。

1.2 快捷键

1.3markdown模式

markdown模式可以记笔记

标题

格式：#+空格+标题（#数量决定标题等级）

2、Matplotlib

        Matplotlib 用于在 Python 中创建静态、动画和互动的可视化。

2.1 基本语法

2.1.1 绘制

import matplotlib.pyplot as pit

# 创建画布
pit.figure(figsize=(20,8),dpi=100)

# 绘制图像
x=[1,2,3,10,18]
y=[4,5,6,7,10]
pit.plot(x,y)

# 显示图像
pit.show()

2.1.2 保存

• 图像保存必须要放在show前面

# 创建画布
pit.figure(figsize=(20,8),dpi=100)

# 绘制图像
x=[1,2,3,10,18,10,3,2]
y=[4,5,6,7,10,11,12,13]
pit.plot(x,y)
# 图像保存
pit.savefig(r"F:\bull\learn\code\test.png")
# 显示图像
pit.show()

格式

格式	示例
PNG格式	plt.savefig(‘myplot.png’)
PDF格式	plt.savefig(‘myplot.pdf’)
SVG格式	plt.savefig(‘myplot.svg’)
EPS格式	plt.savefig(‘myplot.eps’)

2.2 Matplotlib三层结构（了解）

2.2.1 容器层

容器层主要由Canvas、Figure、Axes组成。

• Canvas对象

        Canvas对象是一个表示画布的类，用于渲染绘图元素。它是位于最底层的系统层，在绘图的过程中充当画板的角色，即放置画布(Figure)的工具。

• Figure对象

        它是Canvas上方的第一层容器，用于表示整个图像窗口，包含所绘制的所有元素。可以通过 plt.figure() 函数创建一个新的 Figure 对象。每个Figure对象包含了一个或多个Axes对象。

• Axes对象

        它是Canvas上方的第二层，是一个绘图区域，用于展示数据，它包含了所有的绘图元素，如：直线、曲线、文本、图像、坐标系坐标系坐标系等。每个Axes对象对应一个坐标系，使用fig.add_subplot()或plt.subplots() 函数创建Axes对象。

        Axis是一个坐标轴，用于确定数据的范围和刻度。每个Axes对象都有两个Axis对象，分别对应x轴和y轴。可以使用 ax.set_xlim()和 ax.set_ylim() 函数设置坐标轴的范围，使用ax.set_xticks() 和 ax.set_yticks() 函数设置坐标轴的刻度。

2.2.2 辅助显示层

        辅助显示层为Axes(绘图区)内的除了根据数据绘制出的图像以外的内容，主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。简单的说就是用于添加特殊的文本、箭头、注释和图例等可视化元素。这些元素不像常规的数据展示元素那样直接反映数据本身，而是用于强调或解释数据以及提供更多信息。

        2.2.2.1 基本颜色

颜色	字母	缩写
红色	red	r
绿色	green	g
蓝色	blue	b
黄色	yellow	y
蓝绿色	cyan	c
粉紫色	magenta	m
黑色	black	k
白色	white	w

        2.2.2.2 线类型

线类型标记	描述
'-'	实线
':'	虚线
'--'	破折线
'-.'	点划线

        2.2.2.3 标记大小与颜色

        我们可以自定义标记的大小与颜色，使用的参数分别是：

        （1）markersize，简写为 ms：定义标记的大小。

        （2）markerfacecolor，简写为 mfc：定义标记内部的颜色。

        （3）markeredgecolor，简写为 mec：定义标记边框的颜色。

import matplotlib.pyplot as plt
import numpy as np
 
ypoints = np.array([6, 2, 13, 10])
 
plt.plot(ypoints, marker='o', ms=20)
plt.show()

2.2.3 图像层

        Matplotlib的图像层用于呈现和交互Matplotlib图像。Matplotlib的图像层指的是在Axes对象中绘制的各种图形元素，例如线图、散点图、柱状图等。   

2.3 练习

生成三十天的温度变化情况（温度随机生成）

import matplotlib.pyplot as pit
import random

# 创建画布
pit.figure(figsize=(20,8),dpi=100)

# 绘制图像
x=range(30)
y=[random.uniform(21,37)for i in x]
pit.plot(x,y)
# 图像保存
pit.savefig(r"F:\RRL\learn\code\tem.png")
# 显示图像
pit.show()