Python练习题（三）

最新推荐文章于 2023-04-04 16:55:23 发布
最新推荐文章于 2023-04-04 16:55:23 发布
阅读量1.4k 收藏 12
点赞数 22
分类专栏： Python 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hongwangdb/article/details/103976186
版权

Python练习题（三）

直方图

  1. 题目：

    输出：

    代码：
		import numpy as np
		import matplotlib.pyplot as plt

		print(plt.style.available)  # 打印图像风格
		plt.style.use('seaborn-talk')  # 设置图像风格
		fig, ax = plt.subplots()
		ax.set_title('cube numbers')
		x = np.array([-10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
		y = x*x*x
		plt.bar(x, y, color='y')
		for a, b in zip(x, y):
		    plt.text(a, b/2, '%d'%b, ha='center', va='bottom', fontsize=10)
		plt.show()
  1. 题目：

    输出：

    代码：
		import matplotlib.pyplot as plt
		import random

		plt.style.use('ggplot')
		fig, ax = plt.subplots(ncols=1, nrows=2)
		ax1, ax2 = ax.ravel()

		# 创建20001个范围为0-1000的随机数
		L = []
		for i in range(20001):
		    L.append(random.randint(0, 1000))

		# 用字典D1统计每个数值的个数,将每5作为一个数段,用字典D2统计每个数段的个数
		D1, D2 = {}, {}
		for i in L:
		    D1[i] = D1.get(i, 0) + 1  # 累加每个值的个数
		    D2[i/5*5] = D2.get(i/5*5, 0) + 1

		# 利用直方图展示数据分布情况
		ax1.axis([0, 1000, 0, 40])  # 设置x轴和y轴的最小和最大值
		ax1.bar(D1.keys(), D1.values(), 1, alpha=0.5, color='b')  # 第三个参数是宽度,第四个是透明度
		ax2.axis([0, 1000, 0, 40])
		ax2.bar(D2.keys(), D2.values(), 5, alpha=0.5, color='y')

		plt.show()
  1. 题目：

    输出：

    代码：
		import numpy as np
		import matplotlib.pyplot as plt

		fig, ax = plt.subplots()
		plt.rcParams['font.sans-serif'] = ['SimHei']  # 添加对中文字体的支持

		# 创建每个学生三个学期的排名
		S1 = [4, 6, 8, 10, 11, 14, 46, 48, 60, 71]
		S2 = [10, 4, 1, 8, 23, 34, 71, 43, 123, 90]
		S3 = [6, 5, 7, 10, 25, 20, 50, 33, 78, 64]

		x = np.arange(1, 11)  # 生成横轴数据
		plt.bar(x, S1, 0.25, alpha=0.5, color='b')  # 生成本学期排名直方图,宽度为0.25
		plt.bar(x+0.25, S2, 0.25, alpha=0.5, color='r')
		plt.bar(x+0.5, S3, 0.25, alpha=0.5, color='y')

		for a, b in zip(x, S1):
		    plt.text(a, b+0.2, '%d'%b, ha='center', va='bottom', fontsize=9)
		for a, b in zip(x, S2):
		    plt.text(a+0.25, b+0.2, '%d'%b, ha='center', va='bottom', fontsize=9)
		for a, b in zip(x, S3):
		    plt.text(a+0.5, b+0.2, '%d'%b, ha='center', va='bottom', fontsize=9)

		plt.legend(['本学期', '上学期', '上上学期'], loc='upper left')
		plt.grid(True, linestyle='--', alpha=0.8)  # 设置网格线

		plt.show()

线形图

  1. 题目：

    输出：

    代码：
		import numpy as np
		import matplotlib.pyplot as plt

		fig, ax = plt.subplots()
		x = np.linspace(-7, 11, 16)  # 在-7到11的区间内产生16个数据
		y1 = -80*x + 800
		y2 = (1/3)**x
		plt.plot(x, y1, 'r+', color='red', linewidth=1.0, linestyle='-', label='line1')
		plt.plot(x, y2, 'bo', color='blue', linewidth=2.0, linestyle='--', label='line2')
		plt.xlim(-8, 12)
		ax.legend(['y=-80x+800', 'y=(1/3)^x'], loc='upper right')
		plt.show()
  1. 题目：

    输出：

    代码：
		import numpy as np
		import matplotlib.pyplot as plt

		fig, ax = plt.subplots()
		x = np.linspace(-5*np.pi, 5*np.pi, 512)  # 生成从-5π到5π的512个数据
		cos, sin = 2*np.cos(x), np.sin(3*x)
		ax.set_xticks([-5*np.pi, -4*np.pi, -3*np.pi, -2*np.pi, -1*np.pi, 0, np.pi, 2*np.pi, 3*np.pi, 4*np.pi, 5*np.pi])  # 设置x轴刻度
		plt.plot(x, cos, color='blue', linewidth=2.0, linestyle='-', label='cos')
		plt.plot(x, sin, color='red', linewidth=2.0, linestyle='--', label='sin')

		ax.spines['right'].set_visible(False)  # 隐藏右边框
		ax.spines['top'].set_visible(False)
		ax.spines['left'].set_position(('data', 0))  # 设置左边框到x轴0的位置
		ax.yaxis.set_ticks_position('left')  # 刻度值设置在左侧
		ax.spines['bottom'].set_position(('data', 0))
		ax.xaxis.set_ticks_position('bottom')

		ax.legend(['cos', 'sin'], loc='lower left')
		plt.show()
  1. 题目：

    输出：

    代码：
		import pandas as pd
		import matplotlib.pyplot as plt
		import matplotlib.dates as dt

		# 求五个城市的以天为单位的雾霾数据
		df1 = pd.read_csv(r'BeijingPM.csv', encoding='gbk')
		df1['sum'] = df1[['PM_Dongsi', 'PM_Dongsihuan', 'PM_Nongzhanguan', 'PM_US Post']].sum(axis=1)
		df1['count'] = df1[['PM_Dongsi', 'PM_Dongsihuan', 'PM_Nongzhanguan', 'PM_US Post']].count(axis=1)
		df1['avg'] = round(df1['sum']/df1['count'], 2)
		df1 = df1.groupby(['year', 'month', 'day'], as_index=False).mean()

		df2 = pd.read_csv(r'GuangzhouPM.csv', encoding='gbk')
		df2['sum'] = df2[['PM_City Station', 'PM_5th Middle School', 'PM_US Post']].sum(axis=1)
		df2['count'] = df2[['PM_City Station', 'PM_5th Middle School', 'PM_US Post']].count(axis=1)
		df2['avg'] = round(df2['sum']/df2['count'], 2)
		df2 = df2.groupby(['year', 'month', 'day'], as_index=False).mean()

		df3 = pd.read_csv(r'ShenyangPM.csv', encoding='gbk')
		df3['sum'] = df3[['PM_Taiyuanjie', 'PM_US Post', 'PM_Xiaoheyan']].sum(axis=1)
		df3['count'] = df3[['PM_Taiyuanjie', 'PM_US Post', 'PM_Xiaoheyan']].count(axis=1)
		df3['avg'] = round(df3['sum']/df3['count'], 2)
		df3 = df3.groupby(['year', 'month', 'day'], as_index=False).mean()

		df4 = pd.read_csv(r'ShanghaiPM.csv', encoding='gbk')
		df4['sum'] = df4[['PM_Jingan', 'PM_US Post', 'PM_Xuhui']].sum(axis=1)
		df4['count'] = df4[['PM_Jingan', 'PM_US Post', 'PM_Xuhui']].count(axis=1)
		df4['avg'] = round(df4['sum']/df4['count'], 2)
		df4 = df4.groupby(['year', 'month', 'day'], as_index=False).mean()

		df5 = pd.read_csv(r'ChengduPM.csv', encoding='gbk')
		df5['sum'] = df5[['PM_Caotangsi', 'PM_Shahepu', 'PM_US Post']].sum(axis=1)
		df5['count'] = df5[['PM_Caotangsi', 'PM_Shahepu', 'PM_US Post']].count(axis=1)
		df5['avg'] = round(df5['sum']/df5['count'], 2)
		df5 = df5.groupby(['year', 'month', 'day'], as_index=False).mean()

		fig, ax = plt.subplots(figsize=(15, 8))
		plt.rcParams['font.sans-serif'] = ['SimHei']  # 添加对中文字体的支持

		# 时间坐标
		df1['date'] = list(df1['year'].map(str) + '-' + df1['month'].map(str) + '-' + df1['day'].map(str))
		df1['date'] = pd.to_datetime(df1['date'])
		ax.xaxis.set_major_formatter(dt.DateFormatter('%Y-%m-%d'))  # 设置x轴为时间格式

		plt.plot(df1['date'], df1['avg'], color='r')
		plt.plot(df1['date'], df2['avg'], color='g')
		plt.plot(df1['date'], df3['avg'], color='b')
		plt.plot(df1['date'], df4['avg'], color='m')
		plt.plot(df1['date'], df5['avg'], color='y')
		plt.gcf().autofmt_xdate()  # 自动旋转日期标记
		ax.legend(['北京', '广州', '沈阳', '上海', '成都'], loc='best')

		plt.show()

散点图

  1. 题目：

    输出：

    代码：
		import pandas as pd
		import matplotlib.pyplot as plt

		# 读取数据
		df = pd.read_csv('iris.csv')
		Species = df.Species.unique()  # 对类别去重
		l = len(Species)

		colors = ['b', 'y', 'g']  # 定义三种散点颜色
		fig, ax = plt.subplots(figsize=(14, 18))

		plt.subplot(4, 4, 1)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Sepal.length'], df.loc[df.Species == Species[i], 'Sepal.width'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Sepal.length')
		plt.ylabel('Sepal.width')
		plt.grid(True, linestyle='--', alpha=0.8)  # 设置网格线
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 2)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Sepal.length'], df.loc[df.Species == Species[i], 'Petal.Length'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Sepal.length')
		plt.ylabel('Petal.Length')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 3)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Sepal.length'], df.loc[df.Species == Species[i], 'Petal.Width'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Sepal.length')
		plt.ylabel('Petal.Width')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 4)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Sepal.length'], df.loc[df.Species == Species[i], 'Sepal.length'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Sepal.length')
		plt.ylabel('Sepal.length')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 5)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Sepal.width'], df.loc[df.Species == Species[i], 'Sepal.length'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Sepal.width')
		plt.ylabel('Sepal.length')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 6)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Sepal.width'], df.loc[df.Species == Species[i], 'Petal.Length'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Sepal.width')
		plt.ylabel('Petal.Length')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 7)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Sepal.width'], df.loc[df.Species == Species[i], 'Sepal.width'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Sepal.width')
		plt.ylabel('Sepal.width')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 8)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Sepal.width'], df.loc[df.Species == Species[i], 'Petal.Width'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Sepal.width')
		plt.ylabel('Petal.Width')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 9)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Petal.Length'], df.loc[df.Species == Species[i], 'Petal.Width'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Petal.Length')
		plt.ylabel('Petal.Width')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 10)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Petal.Length'], df.loc[df.Species == Species[i], 'Petal.Length'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Petal.Length')
		plt.ylabel('Petal.Length')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 11)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Petal.Length'], df.loc[df.Species == Species[i], 'Sepal.length'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Petal.Length')
		plt.ylabel('Sepal.length')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 12)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Petal.Length'], df.loc[df.Species == Species[i], 'Sepal.width'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Petal.Length')
		plt.ylabel('Sepal.width')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 13)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Petal.Width'], df.loc[df.Species == Species[i], 'Petal.Width'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Petal.Width')
		plt.ylabel('Petal.Width')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 14)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Petal.Width'], df.loc[df.Species == Species[i], 'Petal.Length'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Petal.Width')
		plt.ylabel('Petal.Length')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 15)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Petal.Width'], df.loc[df.Species == Species[i], 'Sepal.width'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Petal.Width')
		plt.ylabel('Sepal.width')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.subplot(4, 4, 16)
		for i in range(l):
		    plt.scatter(df.loc[df.Species == Species[i], 'Petal.Width'], df.loc[df.Species == Species[i], 'Sepal.length'], s=35, c=colors[i], label=Species[i])
		# plt.xlabel('Petal.Width')
		plt.ylabel('Sepal.length')
		plt.grid(True, linestyle='--', alpha=0.8)
		plt.legend(loc='lower right')

		plt.show()

饼图

  1. 题目：

    输出：

    代码：
		import matplotlib.pyplot as plt
		import matplotlib
		from matplotlib import font_manager as fm

		matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 支持中文细黑体

		label_list = ['保送外校读研', '保送本校读研', '本校硕博连读', '家里蹲', '考研', '出国']  # 各部分标签
		size = [10, 8, 6, 6, 5, 3]  # 各部分人数
		explode = [0, 0, 0.1, 0, 0, 0.2]  # 各部分突出显示比例
		patches, texts, autotexts = plt.pie(size, explode=explode, labels=label_list, labeldistance=1.2, autopct='%1.2f%%', shadow=True, startangle=90, pctdistance=0.7)

		# 调整字体大小
		proptease = fm.FontProperties()
		proptease.set_size('xx-large')
		plt.setp(texts, fontproperties=proptease)
		plt.setp(autotexts, fontproperties=proptease)

		plt.show()

地图

  1. 题目：

    输出：

    代码：
		from pyecharts import options as opts
		from pyecharts.charts import Map
		import pandas as pd

		df = pd.read_csv(r'data.csv', encoding='gbk')  # 先删除文件第一行
		df['大学数量'] = df[['211&985大学数量', '公办本科大学数量']].sum(axis=1)

		def map() -> Map:
		    c = (Map().add('各省大学数量', [list(z) for z in zip(df['省/市'], df['大学数量'])], 'china').set_global_opts(title_opts=opts.TitleOpts(title='Map(连续型)'), visualmap_opts=opts.VisualMapOpts(min_=3, max_=90)).set_series_opts(label_opts=opts.LabelOpts(is_show=True)))
		    return c

		map().render('9-output.html')
  1. 题目：

    输出：

    代码：
		from pyecharts.charts import Geo
		from pyecharts import options as opts
		from pyecharts.globals import ChartType
		from pyecharts.render import make_snapshot
		from snapshot_phantomjs import snapshot
		import random

		class Data:
		    L = ['长春市', '吉林市', '四平市', '辽源市', '通化市', '松原市', '白山市', '白城市', '延边朝鲜族自治州']
		    def values(start: int = 10, end: int = 26) -> list:
		        return [random.randint(start, end) for _ in range(9)]

		def geo_jilin(title) -> Geo:
		    c = (Geo().add_schema(maptype='吉林').add(title, [list(z) for z in zip(Data.L, Data.values())], type_=ChartType.HEATMAP).set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=26, is_piecewise=True), title_opts=opts.TitleOpts(title='吉林省10月份各地市温度变化情况')))
		    return c

		for i in range(11):
		    date = '10月' + str(i+1) + '日'
		    make_snapshot(snapshot, geo_jilin(date).render(), str(i+1)+'.png', pixel_ratio=1)
		# 最后用在线工具将这些图片合成gif

三维图

1. 三维直方图

输出：

代码：

		from mpl_toolkits.mplot3d import Axes3D
		import matplotlib.pyplot as plt
		import numpy as np

		fig = plt.figure()
		ax = fig.add_subplot(111, projection='3d')

		x = [0.5, 1.5, 2.5, 3.5, 4.5,
		     0.5, 1.5, 2.5, 3.5, 4.5,
		     0.5, 1.5, 2.5, 3.5, 4.5,
		     0.5, 1.5, 2.5, 3.5, 4.5,
		     0.5, 1.5, 2.5, 3.5, 4.5]
		y = [0.5, 0.5, 0.5, 0.5, 0.5,
		     1.5, 1.5, 1.5, 1.5, 1.5,
		     2.5, 2.5, 2.5, 2.5, 2.5,
		     3.5, 3.5, 3.5, 3.5, 3.5,
		     4.5, 4.5, 4.5, 4.5, 4.5]
		z = [1, 2, 3, 4, 5,
		     16, 17, 18, 19, 6,
		     15, 24, 25, 20, 7,
		     14, 23, 22, 21, 8,
		     13, 12, 11, 10, 9]

		# 长宽高
		dx = 0.7*np.ones_like(x)
		dy = dx.copy()
		dz = z.copy()
		z = np.zeros_like(z)

		# 设置三个维度的标签
		ax.set_xlabel('X Label')
		ax.set_ylabel('Y Label')
		ax.set_zlabel('Z Label')

		ax.bar3d(x, y, z, dx, dy, dz, color='b', zsort='average')
		plt.show()
2. 三维折线图

输出：

代码：

		from mpl_toolkits.mplot3d import Axes3D
		import matplotlib.pyplot as plt

		fig = plt.figure(figsize=(15, 8))
		# 坐标
		x1 = [-1, 0, 1, 1, 1, 0, -1, -1, -1]
		y1 = [-1, -1, -1, 0, 1, 1, 1, 0, -1]
		z1 = [0, 0, 0, 0, 0, 0, 0, 0, 0]
		x2 = [-1, 0, 1]
		y2 = [-1, 0, 1]
		z2 = [0, 1, 0]
		x3 = [-1, 0, 1]
		y3 = [1, 0, -1]
		z3 = [0, 1, 0]
		x4 = [-1, 0, 1]
		y4 = [-1, 0, 1]
		z4 = [0, -1, 0]
		x5 = [-1, 0, 1]
		y5 = [1, 0, -1]
		z5 = [0, -1, 0]

		# 图1
		ax1 = fig.add_subplot(121, projection='3d')
		ax1.set_xlabel('X Label')
		ax1.set_ylabel('Y Label')
		ax1.set_zlabel('Z Label')
		ax1.plot(x1, y1, z1, color='r', linestyle='-')
		ax1.plot(x2, y2, z2, color='r', linestyle='-')
		ax1.plot(x3, y3, z3, color='r', linestyle='-')

		# 图2
		ax2 = fig.add_subplot(122, projection='3d')
		ax2.set_xlabel('X Label')
		ax2.set_ylabel('Y Label')
		ax2.set_zlabel('Z Label')
		ax2.plot(x1, y1, z1, color='r', linestyle='-')
		ax2.plot(x2, y2, z2, color='r', linestyle='-')
		ax2.plot(x3, y3, z3, color='r', linestyle='-')
		ax2.plot(x4, y4, z4, color='b', linestyle='-')
		ax2.plot(x5, y5, z5, color='b', linestyle='-')

		plt.show()
3. 三维散点图

输出：

代码：

		from mpl_toolkits.mplot3d import Axes3D
		import matplotlib.pyplot as plt
		import numpy as np

		fig = plt.figure(figsize=(9, 8))
		ax = fig.add_subplot(111, projection='3d')

		ax.set_xlabel('X Label')
		ax.set_ylabel('Y Label')
		ax.set_zlabel('Z Label')

		x = np.arange(-100, 100, 5.5)
		y = np.arange(-100, 100, 5.5)
		X, Y = np.meshgrid(x, y)  # 生成绘制3维图形所用数据
		Z = X**2+Y**2

		ax.scatter(X, Y, Z-20000, marker='^', color='r')
		ax.scatter(X, Y, 20000-Z, marker='o', color='b')

		plt.show()
任意画四个三维图形

输出：

代码：

		from matplotlib.collections import PolyCollection as pc
		from mpl_toolkits.mplot3d import Axes3D
		import matplotlib.pyplot as plt
		from matplotlib import colors as mc
		from matplotlib import cm
		import numpy as np

		fig = plt.figure(figsize=(12, 10))
		# 子图1
		ax1 = fig.add_subplot(221, projection='3d')
		t = np.arange(-100, 100, 0.1)
		x = np.sin(4*t)
		y = 2*np.sin(2*t)
		z = np.cos(3*t)
		ax1.scatter(x, y, z, color='r')
		# 子图2
		ax2 = fig.add_subplot(222, projection='3d')
		x = np.arange(-8, 8, 0.2)
		y = np.arange(-8, 8, 0.2)
		X, Y = np.meshgrid(x, y)
		Z = np.sin(0.8*np.sqrt(X**2+Y**2))
		ax2.plot_surface(X, Y, Z, rstride=1, cstride=1, linewidth=0, color='pink', antialiased=False)
		# 子图3
		ax3 = fig.add_subplot(223, projection='3d')
		t = np.linspace(0, 2*np.pi, 66)
		s = np.linspace(0, np.pi, 66)
		x = np.outer(np.cos(t), np.sin(s))
		y = np.outer(np.sin(t), np.cos(s))
		z = np.outer(np.ones(np.size(t)), np.cos(s))
		ax3.plot_surface(x, y, z, cmap=cm.coolwarm, linewidth=0, antialiased=False)
		# 子图4
		ax4 = fig.add_subplot(224, projection='3d')
		L = []
		x = np.arange(0, 5, 0.2)
		for i in range(4):
		    k = len(x)
		    y = np.random.rand(k)
		    y[0], y[-1] = 0, 0
		    L.append(list(zip(x, y)))
		PC = pc(L, facecolors=[mc.to_rgba('g', alpha=0.5), mc.to_rgba('r', alpha=0.5), mc.to_rgba('b', alpha=0.5), mc.to_rgba('y', alpha=0.5)])
		PC.set_alpha(0.6)
		z = [0.0, 1.0, 2.0, 3.0]
		ax4.add_collection3d(PC, zs=z, zdir='y')
		ax4.set_xlim3d(0, 5)
		ax4.set_ylim3d(-1, 4)
		ax4.set_zlim3d(0, 1)

		plt.show()
liushendb
关注
  • 22
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python3经典案例100道练习题-学习Python提升必练
09-04
有100道经典的python3编写的练习题，学习python3必练的题目，每道题有实现题目的详细代码！
python练习题3
番茄炒蛋君的博客
04-02 478
练习题3 1.统计文件数据中字母e出现的次数(不不区分大小写) 文件内容：hello friend, can you speak English! 结果：4 分析：将⽂文件内容读出，然后统计读出的字符串串中字符e的个数(字符串串count功能) with open('1.txt', 'r', encoding='utf-8') as f: res = f.read() print(...
python 习题练习三
weixin_56301399的博客
05-21 1479
文章目录前言1、阶乘和数2、计算圆周率3、求e的近似值B4、二分法求函数的零点总结 前言 “带上你的千军万马！虽然终不免孤身奋战！” 1、阶乘和数 import math n = input() s=sum(math.factorial(int(i)) for i in n)#这里使用推导式 if int(n) == s: print('YES') else: print('NO') 这里就感觉python的函数和推导式好用哈 2、计算圆周率 k=eval(input()) p
python3 从基础入门到高级进阶练习题之----基础篇001
PythonStory--记录一段苦逼变牛逼的往事
11-08 7138
个人学习python3练习题，持续更新，很多题目都是从python低版本修改过来，如果雷同，请不要介意。 题目：有1、2、3、4个数字，能组成多少个互不相同且无重复数字的三位数？都是多少？ 代码： #！usr/bin/python3 a = (1,2,3,4) for x in a:     for y in a:         for z in a:
python练习题三——圆周率的计算
m0_52792591的博客
10-27 1634
前言 大家好 好久没有更新郭csdn了，今天做了一道python练习题分享给大家。对于圆周率pi大家肯定是再熟悉不过了，并且大家都知道他约等于3.1415926，但是如何计算圆周率大家可能还不太熟悉，今天我分享一个用泰勒公式计算圆周率的办法。 正文 泰勒公式是我们大学高等数学中非常重要的一项内容，包括以后大家如果参加研究生数学考试的话没用泰勒公式计算极限有时是一个非常有效的方法。常用的泰勒公式如下图： 本文采用arcsinx的泰勒公式对圆周率进行计算，具体的代码如下： import matplotlib.
python练习题__基础输入输出
逆境清醒的博客
04-04 3189
python练习题__基础输入输出
Python 练习题100道
02-28
Python 练习题100道
Python练习题集合.rar
06-08
非常适合初学python者，学习后用来巩固基础的练习题
python练习题
12-20
输入某二叉树的前序遍历和中序遍历的结果，请重建出该二叉树。假设输入的前序遍历和中序遍历的结果中都不含重复的数字。例如输入前序遍历序列{1,2,4,7,3,5,6,8}和中序遍历序列{4,7,2,1,5,3,8,6}，则重建二叉树并返回...
python练习题.zip
09-10
python的练习题目，是菜鸟教程中 'python 100例'中的练习题目，其中里面关于画图，时间函数和文件处理的题目没写，后续学习了这方面的内容可能会补充进去。其他的题目基本都给出了和菜鸟教程上不同的或者更好的解法...
python练习题Question69.txt
最新发布
04-06
python练习题python练习题python练习题python练习题python练习题python练习题python练习题python练习题python练习题python练习题python练习题python练习题python练习题python练习题python练习题python练习题python...
python3 练习题100道，孰能生巧，之前要想一个下午的内容，马上就有了答案
weixin_44732155的博客
08-02 1204
第1章 字符串练习题 1.1交换 已知a的值为“hello”，b的值为“world”，如何交换a和b的值？ 得到a的值为“world”，b的值为“hello” a="hello" b="world" #方式1 a,b=b,a print("a的值："+a+"; b的值："+b) #方式2 a="hello" b="world" c=a a=b b=c print("a的值：{}; b的值{}"...
python3 练习题100例 （一）
weixin_30778805的博客
11-01 415
断断续续的学了很久的python，有很多又忘记了。从今天开始用实例再进行一次学习，并记录。本人小白一个，请大家多多指教。 1 #!/usr/bin/env python3 2 # -*- coding: utf-8 -*- 3 4 """ 题目一：有四个数字：1、2、3、4，能组成多少个互不相同且无重复数字的三位数？各是多少？""" 5 6 __author__ =...
Python练习题（一）
hongwangdb的博客
10-26 2440
字典及列表 题目： 代码： n = int(input()) d = {} for i in range(n): a, b = (str(x) for x in input().split(' ')) d[b] = a L = [] s = str(input()) while s != "dog": L.append(...
Python练习题（五）
hongwangdb的博客
07-05 1727
Python练习题（五）tkinter多线程计时器未完待续，，， tkinter多线程计时器 import tkinter as tk from threading import Thread, Event hour = 0 class ControlThread(Thread): def __init__(self): self._stop_event = Event() Thread.__init__(self) def run(self):
Python练习题（二）
hongwangdb的博客
12-09 1485
Python练习题（二）.json文件转.csv文件 .json文件转.csv文件 import csv import json import codecs cvsfile = open('result.csv', 'w', encoding='utf-8', newline='') writer = csv.writer(cvsfile) with codecs.open...
Python玩具（一）
hongwangdb的博客
06-30 1032
Python玩具（一）贪吃蛇(简易版未完待续 贪吃蛇(简易版 import random import curses s = curses.initscr() # 初始化屏幕 curses.curs_set(0) # 设置光标为0 sh, sw = s.getmaxyx() # 获得高宽 w = curses.newwin(sh, sw, 0, 0) # 使用高宽创建一个新窗口,从左上角开始 w.keypad(1) # 接受键盘输入 w.timeout(100) # 创建蛇的初始位置 snk
python 练习题
09-02
Python练习题可以帮助初学者巩固他们对Python基础知识的理解并提升编程能力。这些练习题涵盖了Python基础的大部分内容，包括但不限于代码规范、词频统计等。有很多资源提供Python练习题，其中一份值得推荐的是...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值