- 博客(32)
- 资源 (8661)
- 收藏
- 关注
RSS订阅原创 Matplotlib 3D 数据
3D 图首先在进行 3D Plot 时除了导入 matplotlib ，还要额外添加一个模块，即 Axes 3D 3D 坐标轴显示：import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D之后要先定义一个图像窗口，在窗口上添加3D坐标轴，显示成下图：fig = plt.figure()ax = Axes3D(fig)接下来给进 X 和 Y 值，并将 X 和 Y 编织成
2021-01-24 21:15:38
871
原创 Matplotlib Image 图片
转载请注明：虚幻私塾 » Matplotlib Image 图片随机矩阵画图这一节我们讲解怎样在matplotlib中打印出图像。这里我们打印出的是纯粹的数字，而非自然图像。 我们今天用这样 3x3 的 2D-array 来表示点的颜色，每一个点就是一个pixel。import matplotlib.pyplot as pltimport numpy as npa = np.array([0.313660827978, 0.365348418405, 0.423733120134,
2021-01-24 20:24:44
608
原创 Matplotlib contours 等高线图
本节讲解如何用matplotlib生成等高线图。今天的结果如下图所示：画等高线数据集即三维点 (x,y) 和对应的高度值，共有256个点。高度值使用一个 height function f(x,y) 生成。 x, y 分别是在区间 [-3,3] 中均匀分布的256个值，并用meshgrid在二维平面中将每一个x和每一个y分别对应起来，编织成栅格:import matplotlib.pyplot as pltimport numpy as npdef f(x,y): # the heig
2021-01-24 19:42:42
437
原创 Matplotlib bar 柱状图
转载请注明：虚幻私塾 » Matplotlib bar 柱状图本节我们介绍一下用matplotib来制作一个柱状图，今天的结果如下图：今天的柱状图分成上下两部分，每一个柱体上都有相应的数值标注，并且取消坐标轴的显示。生成基本图形向上向下分别生成12个数据，X为 0 到 11 的整数 ，Y是相应的均匀分布的随机数据。 使用的函数是plt.bar，参数为X和Y：import matplotlib.pyplot as pltimport numpy as npn = 12X = np.aran
2021-01-24 07:48:17
673
原创 Matplotlib scatter 散点图
本节我们将讲述各种不同的plot的方式。之前我们讲到了如何plot线，今天我们讲述如何plot散点图。 今天用到的例子最终呈现的结果如下图：散点图首先，先引入matplotlib.pyplot简写作plt,再引入模块numpy用来产生一些随机数据。生成1024个呈标准正态分布的二维数据组 (平均数是0，方差为1) 作为一个数据集，并图像化这个数据集。每一个点的颜色值用T来表示：import matplotlib.pyplot as pltimport numpy as npn = 1024
2021-01-24 07:22:24
322
原创 matplotlib tick能见度
生成图形当图片中的内容较多，相互遮盖时，我们可以通过设置相关内容的透明度来使图片更易于观察，也即是通过本节中的bbox参数设置来调节图像信息.首先参考之前的例子, 我们先绘制图像基本信息：import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-3, 3, 50)y = 0.1*xplt.figure()# 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序plt.pl
2021-01-23 21:01:11
354
原创 matplotlib Annotation 标注
画出基本图当图线中某些特殊地方需要标注时，我们可以使用 annotation. matplotlib 中的 annotation 有两种方法， 一种是用 plt 里面的 annotate，一种是直接用 plt 里面的 text 来写标注.首先，我们在坐标轴中绘制一条直线.import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-3, 3, 50)y = 2*x + 1plt.figure(num=1, figsize
2021-01-23 16:39:52
602
1
原创 Matplotlib Legend 图例
添加图例matplotlib 中的 legend 图例就是为了帮我们展示出每个数据对应的图像名称. 更好的让读者认识到你的数据结构.上次课我们了解到关于坐标轴设置方面的一些内容，代码如下：import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-3, 3, 50)y1 = 2*x + 1y2 = x**2plt.figure()#set x limitsplt.xlim((-1, 2))plt.ylim((-
2021-01-23 15:46:15
654
原创 matplotlib 设置坐标轴2
转载请注明：虚幻私塾 » matplotlib 设置坐标轴2这次会说到在我们如何移动matplotlib 中 axis 坐标轴的位置.设置不同名字和位置使用import导入模块matplotlib.pyplot，并简写成plt 使用import导入模块numpy，并简写成npimport matplotlib.pyplot as pltimport numpy as np使用np.linspace定义x：范围是(-3,3);个数是50. 仿真一维数据组(x ,y1)表示曲线1. 仿真一维数据组
2021-01-23 10:16:44
869
原创 matplotlib 设置坐标轴1
转载请注明：虚幻私塾 » matplotlib 设置坐标轴1在 matplotlib 中如何设置坐标轴的范围, 单位长度, 替代文字等等.调整名字和间隔使用import导入模块matplotlib.pyplot，并简写成plt 使用import导入模块numpy，并简写成npimport matplotlib.pyplot as pltimport numpy as np使用np.linspace定义x：范围是(-3,3);个数是50. 仿真一维数据组(x ,y1)表示曲线1. 仿真一维数据组
2021-01-23 09:26:49
678
原创 matplotlib figure 图像
转载请注明：虚幻私塾 » matplotlib figure 图像简单的线条matplotlib 的 figure 就是一个 单独的 figure 小窗口, 小窗口里面还可以有更多的小图片.使用import导入模块matplotlib.pyplot，并简写成plt 使用import导入模块numpy，并简写成npimport matplotlib.pyplot as pltimport numpy as np使用np.linspace定义x：范围是(-3,3);个数是50. 仿真一维数据组(x
2021-01-23 07:13:01
307
原创 matplotlib 基本用法
基础应用使用import导入模块matplotlib.pyplot，并简写成plt 使用import导入模块numpy，并简写成npimport matplotlib.pyplot as pltimport numpy as np使用np.linspace定义x：范围是(-1,1);个数是50. 仿真一维数据组(x ,y)表示曲线1.x = np.linspace(-1, 1, 50)y = 2*x + 1使用plt.figure定义一个图像窗口. 使用plt.plot画(x ,y)曲线.
2021-01-23 06:27:19
597
原创 为什么要用Matplotlib
如果某天你发现自己要学习 Matplotlib, 很可能是因为:Matplotlib 是一个非常强大的 Python 画图工具;手中有很多数据, 可是不知道该怎么呈现这些数据.所以就找到了 Matplotlib. 它能帮你画出美丽的:线图;散点图;等高线图;条形图;柱状图;3D 图形,甚至是图形动画等等.下面是一些例图:...
2021-01-22 21:08:58
350
原创 Pandas plot 出图
这次我们讲如何将数据可视化. 首先import我们需要用到的模块，除了 pandas，我们也需要使用 numpy 生成一些数据，这节里使用的 matplotlib 仅仅是用来 show 图片的, 即 plt.show()。import pandas as pdimport numpy as npimport matplotlib.pyplot as plt今天我们主要是学习如何 plot data创建一个Series这是一个线性的数据，我们随机生成1000个数据，Series 默认的 inde
2021-01-22 07:07:52
765
原创 Pandas 合并 merge
转载请注明：虚幻私塾 » Pandas 合并 merge要点pandas中的merge和concat类似,但主要是用于两组有key column的数据,统一索引的数据. 通常也被用在Database的处理当中.依据一组key合并import pandas as pd#定义资料集并打印出left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'], 'A': ['A0', 'A1', 'A2',
2021-01-22 06:00:13
424
原创 Pandas 合并 concat
要点pandas处理多组数据的时候往往会要用到数据的合并处理,使用 concat是一种基本的合并方式.而且concat中有很多参数可以调整,合并成你想要的数据形式.axis (合并方向)axis=0是预设值，因此未设定任何参数时，函数默认axis=0。import pandas as pdimport numpy as np#定义资料集df1 = pd.DataFrame(np.ones((3,4))*0, columns=['a','b','c','d'])df2 = pd.DataFr
2021-01-17 23:11:54
454
原创 Pandas 导入导出
转载请注明：虚幻私塾 » Pandas 导入导出要点pandas可以读取与存取的资料格式有很多种，像csv、excel、json、html与pickle等…， 详细请看官方说明文件读取csv示范档案下载 - student.csvimport pandas as pd #加载模块#读取csvdata = pd.read_csv('student.csv')#打印出dataprint(data)将资料存取成pickledata.to_pickle('student.pickle')
2021-01-17 19:03:26
328
1
原创 Pandas 处理丢失数据
转载请注明：虚幻私塾 » Pandas 处理丢失数据创建含 NaN 的矩阵有时候我们导入或处理数据, 会产生一些空的或者是 NaN 数据,如何删除或者是填补这些 NaN 数据就是我们今天所要提到的内容.建立了一个6X4的矩阵数据并且把两个位置置为空.dates = pd.date_range('20130101', periods=6)df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['A','B','C','
2021-01-17 09:48:00
253
原创 Pandas DataFrame设置值
转载请注明：虚幻私塾 » pandas 设置值创建数据我们可以根据自己的需求, 用 pandas 进行更改数据里面的值, 或者加上一些空的,或者有数值的列.首先建立了一个 6X4 的矩阵数据。dates = pd.date_range('20130101', periods=6)df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['A','B','C','D'])""" A B
2021-01-17 08:27:12
415
原创 Pandas 选择数据
转载请注明：虚幻私塾 » Pandas 选择数据我们建立了一个 6X4 的矩阵数据。dates = pd.date_range('20130101', periods=6)df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['A','B','C','D'])""" A B C D2013-01-01 0 1 2 32013-01-02 4 5
2021-01-17 05:50:09
245
原创 Pandas 基本介绍
转载请注明：虚幻私塾 » Pandas 基本介绍Numpy 和 Pandas 有什么不同如果用 python 的列表和字典来作比较, 那么可以说 Numpy 是列表形式的，没有数值标签，而 Pandas 就是字典形式。Pandas是基于Numpy构建的，让Numpy为中心的应用变得更加简单。要使用pandas，首先需要了解他主要两个数据结构：Series和DataFrame。Seriesimport pandas as pdimport numpy as nps = pd.Series([1,
2021-01-17 04:59:50
322
原创 numpy的 copy & deep copy 浅拷贝和深拷贝
= 的赋值方式会带有关联性首先 import numpy 并建立变量, 给变量赋值。import numpy as npa = np.arange(4)# array([0, 1, 2, 3])b = ac = ad = b改变a的第一个值，b、c、d的第一个值也会同时改变。a[0] = 11print(a)# array([11, 1, 2, 3])确认b、c、d是否与a相同。b is a # Truec is a # Trued is a # True
2021-01-17 04:40:11
1016
原创 Numpy的矩阵array分割
转载请注明：虚幻私塾 » Numpy的矩阵array分割创建数据首先 import 模块import numpy as np建立3行4列的ArrayA = np.arange(12).reshape((3, 4))print(A)"""array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])"""纵向分割print(np.split(A, 2, axis=1))"""[array([[0, 1],
2021-01-16 20:16:54
1456
1
原创 Numpy的矩阵array合并
转载请注明：虚幻私塾 » Numpy的矩阵array合并np.vstack()对于一个array的合并，我们可以想到按行、按列等多种方式进行合并。首先先看一个例子：import numpy as npA = np.array([1,1,1])B = np.array([2,2,2]) print(np.vstack((A,B))) # vertical stack"""[[1,1,1] [2,2,2]]"""vertical stack本身属于一种上下合并，即
2021-01-16 18:38:40
1923
原创 Numpy 索引
转载请注明：虚幻私塾 » Numpy 索引一维索引我们都知道，在元素列表或者数组中，我们可以用如同a[2]一样的表示方法，同样的，在Numpy中也有相对应的表示方法：import numpy as npA = np.arange(3,15)# array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]) print(A[3]) # 6让我们将矩阵转换为二维的，此时进行同样的操作：A = np.arange(3,15).resha
2021-01-16 10:34:23
249
1
原创 numpy矩阵的运算2
转载请注明：虚幻私塾 » numpy矩阵的运算2学习资料:Numpy官方英文教材通过上一节的学习，我们可以了解到一部分矩阵中元素的计算和查找操作。然而在日常使用中，对应元素的索引也是非常重要的。依然，让我们先从一个脚本开始：import numpy as npA = np.arange(2,14).reshape((3,4)) # array([[ 2, 3, 4, 5]# [ 6, 7, 8, 9]# [10,11,12,13]]) p
2021-01-16 09:27:43
290
原创 numpy矩阵的运算1
转载请注明：虚幻私塾 » numpy矩阵的运算让我们从一个脚本开始了解相应的计算以及表示形式 ：import numpy as npa=np.array([10,20,30,40]) # array([10, 20, 30, 40])b=np.arange(4) # array([0, 1, 2, 3])numpy 的几种基本运算上述代码中的 a 和 b 是两个属性为 array 也就是矩阵的变量，而且二者都是1行4列的矩阵， 其中b矩阵中的元素分别是从0到3。
2021-01-16 05:32:40
430
原创 Numpy矩阵数列array的创建
1.创建数组a = np.array([2,23,4]) # list 1dprint(a)# [2 23 4]2.指定数值类型 dtypea = np.array([2,23,4],dtype=np.int)print(a.dtype)# int 64a = np.array([2,23,4],dtype=np.int32)print(a.dtype)# int32a = np.array([2,23,4],dtype=np.float)print(a.dtype)# f
2021-01-15 05:52:34
1803
原创 Numpy 矩阵的属性
这次我们会介绍几种 numpy 的属性:ndim：维度shape：行数和列数size：元素个数使用numpy首先要导入模块import numpy as np #为了方便使用numpy 采用np简写列表转化为矩阵：array = np.array([[1,2,3],[2,3,4]]) #列表转化为矩阵 print(array) #结果就是""" array([[1, 2, 3], [2, 3, 4]]) """numpy 的几种属性接着我们看看这几种属性的结果:print('n
2021-01-14 06:11:23
378
原创 Windows下vscode中通过pip安装numpy和pandas
使用vscode安装非常简单。安装numpypip install numpy输入这行代码不会报错就安装成功了import numpy as nparray = np.array([[1,2,3], [2,3,4]])print(array)安装pandaspip install pandas输入这行代码不会报错就安装成功了import pandas as pd...
2021-01-13 06:58:52
40967
2
原创 numpy & pandas 是什么，有什么用?
1.科学运算中最为重要的2个模块numpypandas如果你要用Python进行数据分析，这2个模块非常重要。任何关于数据分析的用途，都少不了这2个模块。pandas是基于numpy写的，它是numpy的升级版本。2.它们的具体用处是什么？如果我们用tenserflow或者machine learning或者是一些神经网络都会应用到数据分析。如果运用到数据分析，使用numpy & pandas模块会让数据分析计算的非常快。比python自带的字典或者列表都要快很多。因为它们是基
2021-01-13 06:09:57
1959
1
原创 Python最好的IDE：VS Code详细配置及设置
1.IDE大比拼IDE和Python的关系IDE方便编写和调试程序python IDE只有2个选择：pyCharmvscode2.VS Code安装https://code.visualstudio.com/安装时需要注意勾选添加到Path也可以勾选上下文菜单到右键安装过程在各个平台都一样3.VS必须掌握的快捷键ctrl+shift+p(一定要掌握)所有的设置都可以通过这个快捷键设置里面的功能在你使用的过程中会发现它强大的功能用的时候在搜索4.VS Code核心概念wor
2021-01-10 06:29:52
1421
All in One SEO Pack Pro多合一SEO工具-wordpress插件下载
2024-03-01
利用cloudreve+onedrive搭建个人网盘实现存储自由 (Qztw2NOMkYc)
2023-12-04
python对服务器vps进行批量操作管理 支持一键查看所有VPS资源占用、一键所有VPS安装docker、一键VPS更新操作系
2023-11-14
独角数卡源码发卡网站源码以及搭建视频教程
2023-08-05
使用Python创建快速创建剪映草稿轨道，自动生成视频
2023-07-31
ChatGPT进阶 基于目录下文档-批量化生成文章
2023-04-29
背景音乐素材所有合集 爱情之歌+感人之声+恢弘之章+静谧之曲+久仰之乐+童年记忆+优美之音+自然之韵
2023-04-27
python建立图片索引数据库，根据一段文字，找到存放在电脑上最匹配的图片
2023-03-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人