Python第14章复习笔记（Matplotlib）

最新推荐文章于 2024-09-05 11:10:46 发布
最新推荐文章于 2024-09-05 11:10:46 发布
阅读量1k 收藏 24
点赞数 29
分类专栏： Python复习笔记 文章标签： python 笔记
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/qq_41934093/article/details/134763712
版权

14.1 认识Matplotlib

  • Matplotlib 是 Python 中的数据可视化软件包之一，支持跨平台运行,它是Python常用的 2D 绘图库，同时它也提供了一部分3D绘图接口，Matplotlib通常与NumPy、Pandas一起使用，是数据分析中不可或缺的重要工具之一

  • 通过 Matplotlib，我们可以仅需要几行代码,便可以生成图表、直方图、柱状图、饼状图、散点图等

  • Matplotlib安装：pip install matplotlib

首先导入matplotlib包中的pyplot模块，并以as别名的形式简化引入包的名称
from matplotlib import pyplot as plt

因为要经常用到numpy里面的方法，所以我们也需要导入numpy包
import numpy as np

14.2 基本图形绘制

14.2.1 入门案例

在绘图时,需要一个Figure对象,可以理解成需要一张画布才能开始绘图。

画布设置：
plt.figure(num, figsize, dpi, facecolor)

  • num：图像编号或名称,数字为编号 ,字符串为名称
  • figsize：指定figure的宽和高,单位英寸
  • dpi：图形分辨率,每英寸多少像素
  • facecolor：背景颜色

示例：绘制抛物线

#首先导入matplotlib包中的pyplot模块，并以as别名的形式简化引入包的名称
from matplotlib import pyplot as plt
#引入numpy包
import numpy as np
#画布设置，默认画布大小大概是6.4*4.8
fig = plt.figure(num= '抛物线',figsize=(6,4), dpi=100, facecolor='grey')
#绘制抛物线
x = np.arange(-20,21)
y = x ** 2
#plot()绘制线性图表
plt.plot(x,y)
plt.show()

结果如下：
请添加图片描述

14.2.2 plot参数解析

plot是Matplotlib中用于绘制线形图的函数,它有多个参数可以控制绘图的各个方面。以下是常用的一些参数及其作用
plot(x, y, color, linestyle, marker, markersize, markerfacecolor, alpha)

  • x,y：必须参数,x,y轴数据的列表或数组
  • color：线条的颜色
  • linestyle：线条的样式
  • marker ：绘图点的标记样式
  • markersize：设置标记的大小
  • markerfacecolor：设置标记的颜色
  • alpha：设置线条的透明度

linestyle部分线条样式取值
在这里插入图片描述
marker 样式取值
在这里插入图片描述
示例：

from matplotlib import pyplot as plt
import numpy as np
#plot()属性设置
x = np.arange(-20,21)
y = x ** 2
plt.plot(x, y, color = 'red', linestyle = '--', marker = 'D',markersize = 5, markerfacecolor = 'green',alpha = 0.9)
plt.show()

结果如下：
请添加图片描述
color(颜色属性)

  • 全称：red，blue，yellow，green
  • 缩写：b(蓝色),g(绿色),r(红色),c(青色),m(品红),y(黄色),k(黑色),w(白色)
  • 十六进制：黑色：#000000，白色：#ffffff，红色：#ff0000，绿色：#00ff00，蓝色：#0000ff，黄色：#ffff00

1、使用全称

from matplotlib import pyplot as plt
import numpy as np
#全称
x = np.arange(-20,21)
y = x ** 2
plt.plot(x, y, color = 'red')
plt.show()

结果如下：
请添加图片描述
2、使用缩写

from matplotlib import pyplot as plt
import numpy as np
#缩写
x = np.arange(-20,21)
y = x ** 2
plt.plot(x, y, color = 'g')
plt.show()

结果如下：
请添加图片描述
3、使用十六进制

from matplotlib import pyplot as plt
import numpy as np
#十六进制
x = np.arange(-20,21)
y = x ** 2
plt.plot(x, y, color = '#0000ff')
plt.show()

结果如下：
请添加图片描述

14.2.3 基本方法

1、标题
plt.title(label, loc, fontsize, color)

  • label：标题
  • loc：位置
  • fontsize：文字大小
  • color：颜色

标题不支持中文
要显示中文,字体为中文黑体
plt.rcParams[‘font.sans-serif’] = ‘SimHei’
其他字体(‘Kaiti’:中文楷体，‘Lisu’:中文隶书，‘STSong’:华文宋体等)

当字体设置支持中文后,必须设置负号,否则当数值中出现负号时无法显示
让图片中可以显示负号
plt.rcParams[‘axes.unicode_minus’] = False

示例：

from matplotlib import pyplot as plt
import numpy as np
#标题title()
x = np.arange(-20,21)
y = x ** 2
plt.title('y = x^2', loc='center', fontsize = 20, color = 'red')
plt.plot(x,y)
plt.show()

结果如下：
请添加图片描述
示例：

from matplotlib import pyplot as plt
import numpy as np
x = np.arange(-20,21)
y = x ** 2
plt.title('y等于x的平方', loc='center', fontsize = 20, color = 'red')
plt.rcParams["font.sans-serif"] = 'SimHei'
plt.rcParams["axes.unicode_minus"] = False
plt.plot(x,y)
plt.show()

结果如下：
请添加图片描述
2、坐标轴
坐标轴名称
plt.xlabel(label, fontsize, rotation)
plt.ylabel(label, fontsize, rotation)

  • label：标题
  • fontsize：文字大小
  • rotation：旋转角度

示例：

from matplotlib import pyplot as plt
import numpy as np
#坐标轴名称
x = np.arange(-20,21)
y = x ** 2
plt.plot(x,y)
#x轴默认旋转角度是0度
plt.xlabel('x轴', fontsize = 15)
#y轴默认旋转角度是90度
plt.ylabel('y轴', fontsize = 15)
plt.title('y等于x的平方', fontsize = 15)
plt.show()

结果如下：
请添加图片描述坐坐标轴范围
plt.xlim(left, right)
plt.ylim(left, right)

示例：

from matplotlib import pyplot as plt
import numpy as np
#坐标轴范围
x = np.arange(-20,21)
y = x ** 2
plt.plot(x,y)
#设置x轴范围
plt.xlim(-10,10)
#设置y轴范围
plt.ylim(0,100)
plt.show()

结果如下：
请添加图片描述
坐标轴刻度
plt.xticks(ticks, labels, rotation, fontsize, color)

  • ticks：指定刻度的位置
  • labels：指定刻度标签的文本
  • rotation：指定刻度标签的旋转角度
  • fontsize：指定刻度标签的字体大小
  • color：指定刻度标签的字体颜色

示例：

from matplotlib import pyplot as plt
import numpy as np
#坐标轴刻度
x = np.linspace(0, 10)
y = np.sin(x)
plt.plot(x,y)
# 设置x轴y轴刻度
plt.xticks(np.arange(0, 11))
plt.yticks(
    ticks=[-1,0,1],  # 刻度位置 
    labels=[-1,0,1],  # 刻度标签
    rotation=45,  # 标签旋转角度
    fontsize=12,  # 标签字体大小
    color='blue'  # 标签颜色
)
plt.show()

结果如下：
请添加图片描述
坐标轴的操作：plt.gca() 和ax.spines()

  • plt.gca() 是 Matplotlib 库中的一个函数,用于获取当前的 Axes 对象。Axes对象表示一个绘图区域,包含了坐标轴、刻度线、标签等元素。通过获取 Axes 对象,可以对其进行进一步的配置和修改。
  • ax.spines() 是一个用于获取或设置 Axes对象的四条边框线的函数。这四条边框线分别是上、下、左、右四条边,它们定义了坐标轴的范围。通过set_color()方法来设置颜色，通过set_position() 方法来改变边框的位置。

示例：

from matplotlib import pyplot as plt
import numpy as np
#对坐标轴的操作gca()，gca get current axes获取当前的轴
x = np.arange(-20,21)
y = x ** 2
#获取当前坐标轴
ax = plt.gca()
#通过坐标轴spines，确定top，bottom，left，right
#不需要右侧和上侧线条，则可以设置它的颜色为none
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
#移动左轴到指定距离，axes：0.0-1.0之间的值，整个轴上的比例
ax.spines['left'].set_position(('axes',0.5))
#移动下轴到指定位置，data表示按数值挪动，其后数字代表挪动到y轴的刻度值
ax.spines['bottom'].set_position(('data',0.0))
plt.plot(x,y)
plt.show()

结果如下：
请添加图片描述

14.2.4 图例legend()

当我们绘制多个图形时,通过在图例中标注每个图形的含义,可以让读者更容易理解图表。
legend(list, loc, fontsize, ncol)

  • loc：控制图例位置,常见’left’，’upper
  • right’，’lower left’，’center left’等
  • fontsize：图例的字体大小
  • ncol：图例展示为几列,默认展示为1列

示例：

from matplotlib import pyplot as plt
import numpy as np
#图例legend()
x = np.linspace(0, 2*np.pi)
plt.plot(x, np.sin(x))  # 正弦曲线
plt.plot(x, np.cos(x))  # 余弦曲线
#图例，位置左下，显示两列
plt.legend(['Sin','Cos'], fontsize=12, loc='lower left')
plt.show()

结果如下：
请添加图片描述

14.2.5 网格grid()

grid(b, axis, linestyle, color, linewidth)

  • b：布尔值,控制是否显示网格线。默认是True。
  • axis：指定要绘制网格线的轴。可以是’both’（默认值）、‘x’ 或 ‘y’。
  • color：设置网格线的颜色。
  • linestyle(ls)：设置网格线的线型,如 ‘-’、‘:’、‘–’ 等。
  • linewidth (lw)：设置网格线的线宽。

示例：

from matplotlib import pyplot as plt
import numpy as np
#网格grid()
x = np.linspace(0, 10)
y = np.sin(x)
plt.plot(x,y)
#网格线设置，网格线样式为虚线，线宽0.5，颜色灰色，显示y轴
plt.grid(ls='--', lw=0.5, c='grey', axis='both')
plt.show()

结果如下：
请添加图片描述

14.2.6 文本text()

使用text函数可以在图表中添加文字标注，从而更好地解释和说明数据。
text(x, y, s, fontsize, color)

  • x：为文本显示的横坐标。
  • y：为文本显示的纵坐标。
  • s：为显示内容。

示例：

from matplotlib import pyplot as plt
import numpy as np
#文本text()
x = np.linspace(0, 10, 10)
y = np.array([60, 30, 20, 90, 40, 60, 50, 80, 70, 30])
plt.plot(x, y, ls='--', marker='o')
#文本
for a, b in zip(x, y):
    #文本设置
    plt.text(x=a + 0.2, y=b + 0.3, s=b, fontsize=14, color='r')
plt.show()

结果如下：
请添加图片描述

14.3 多图布局

我们有时候需要在一张画布中分别绘制多个图形,方便我们进行观察,效果如下
在这里插入图片描述

14.3.1 均匀分布subplot()函数

subplot(a, b, c)

  • a：是subplot的行数
  • b：是subplot的列数
  • c：是subplot中子图的序号

注意：区域对象的方法很多都是set_开头

示例：

from matplotlib import pyplot as plt
import numpy as np
#subplot()函数
x = np.linspace(-np.pi, np.pi)
y = np.sin(x)
z = np.cos(x)
# 子图1,2行1列的第1个子视图
axes1 = plt.subplot(2,1,1)
axes1.plot(x, y)
axes1.set_title('子图1')
# 子图2，2行1列的第2个子视图
axes2 = plt.subplot(2,1,2)
axes2.plot(x, z)
axes2.set_title('子图2')
#使用light_layout()消除子图标题重叠
plt.tight_layout()
plt.show()

结果如下：
请添加图片描述

14.3.2 不均匀分布

示例：

from matplotlib import pyplot as plt
import numpy as np
#不均匀分布
x = np.linspace(-np.pi, np.pi)
y = np.sin(x)
# 子图1，2行2列的第1个子图区域
axes1 = plt.subplot(2, 2, 1)
axes1.plot(x, y, color='red')
axes1.set_title('子图1')
# 子图2，2行2列的第2个子图区域
axes2 = plt.subplot(2, 2, 2)
axes2.plot(x, y, marker = '*')
axes2.set_title('子图2')
# 子图3，2行1列的第2个子图区域
axes3 = plt.subplot(2, 1, 2)
axes3.plot(x, np.sin(x*x))
axes3.set_title('子图3')
plt.tight_layout()
plt.show()

结果如下：
请添加图片描述

14.3.3 图形嵌套

add_subplot函数

示例：

from matplotlib import pyplot as plt
import numpy as np
#图形嵌套
fig = plt.figure()
# 使用add_subplot()函数，必须先创建一个figure对象
# 图1
axes1 = fig.add_subplot(111)
#如果只提供一个列表或数组，则默认为y轴的值，x轴的值为该列表或数组的索引。
axes1.plot([1, 3])
# 图2
axes2 = fig.add_subplot(221)
axes2.plot([1, 3])
# 图3
axes3 = fig.add_subplot(224)
axes3.plot([1, 3])
plt.show()

结果如下：
请添加图片描述
图1占用整个画布绘制
图2，3将画布分为2行2列,将位置1，4用来绘制图形

14.3.4 subplots()函数

subplots()函数与subplot()函数相似，不同之处是，subplots()既创建了一个包含子图区域的画布，又创建了一个figure对象，而subplot()只是创建了一个包含子图的画布。

返回的axes对象是一个包含所有子图的一个数组

示例：

from matplotlib import pyplot as plt
import numpy as np
#subplots()函数
fig,axes =plt.subplots(2,2)
x = np.arange(1,5)
#第一个区域ax1
ax1 = axes[0][0]
#绘制平方函数
ax1.plot(x, x*x)
ax1.set_title('square')
#绘制平方根图像
axes[0][1].plot(x, np.sqrt(x))
axes[0][1].set_title('square root')
#绘制指数函数
axes[1][0].plot(x, np.exp(x))
axes[1][0].set_title('exp')
#绘制对数函数
axes[1][1].plot(x, np.log10(x))
axes[1][1].set_title('log')
plt.tight_layout()
plt.show()

结果如下：
请添加图片描述

14.4 常用图形

14.4.1 柱状图 bar()

bar(x, height, width, bottom, color, alpha)

  • height：表示柱状图的高度，也就是y坐标值，数据类型为float类型，一般为一个列表，包含生成柱状图的所有y值
  • width：表示柱状图的宽度，取值在0~1之间，默认值为0.8
  • bottom：柱状图的起始位置，也就是y轴的起始坐标，默认值为None
  • color：柱状图颜色，默认为蓝色
  • alpha：透明度，取值在0~1之间，默认值为1

示例：

from matplotlib import pyplot as plt
import numpy as np
#柱状图 plt.bar()
x = ['语文', '数学',  '英语', 'Python', '化学']
y = [20, 10, 40, 60, 10]
plt.bar(x, y, alpha = 0.5, color = 'green')
plt.show()

结果如下：
请添加图片描述
1、堆叠柱状图
示例：

from matplotlib import pyplot as plt
import numpy as np
#堆叠柱状图
#国家
countries = ['挪威','德国','中国','美国','瑞典']
#金牌个数
#使用numpy里的array函数将列表转换成数组
gold_medal = np.array([16,12,9,8,8])
#银牌个数
silver_medal = np.array([8,10,4,10,5])
#铜牌个数
bronze_medal = np.array([13,5,2,7,5])
#绘制图形
plt.bar(countries,gold_medal,bottom=bronze_medal+silver_medal,color = 'gold',width=0.2)
plt.bar(countries,silver_medal,bottom=bronze_medal,color = 'silver',width=0.2)
plt.bar(countries,bronze_medal,color = 'saddlebrown',width=0.2)
plt.show()

结果如下：
请添加图片描述
2、多位置柱状图
同一x轴位置绘制多个柱状图，主要通过调整柱状图的宽度和每个柱状图x轴的起始位置

示例：

from matplotlib import pyplot as plt
import numpy as np
#多位置柱状图
countries = ['挪威','德国','中国','美国','瑞典']
gold_medal = [16,12,9,8,8]
silver_medal =[8,10,4,10,5]
bronze_medal =[13,5,2,7,5]
#将x轴转换为数值
x = np.arange(len(countries))
#设置图形宽度
width = 0.2
#金牌起始位置
gold_x = x
#银牌起始位置
silver_x = x+width
#铜牌起始位置
bronze_x = x+ width * 2
#绘制图形
plt.bar(gold_x,gold_medal,width=width,color = 'gold',label = '金牌')
plt.bar(silver_x,silver_medal,width=width,color = 'silver',label = '银牌')
plt.bar(bronze_x,bronze_medal,width=width,color = 'saddlebrown',label = '铜牌')
plt.legend(loc = 'upper right')
# #x标签的位置居中
plt.xticks(x+width,labels=countries)
plt.show()

结果如下：
请添加图片描述

14.4.2 直方图hist()

hist(x, bins, color, edgecolor, orientation, stacked)

  • bins：指定直方图的箱体数量或箱体的边界值。默认值为10
  • color ：箱体颜色
  • edgecolor： 直方图边缘的颜色
  • orientation：直方图的方向，可以是’vertical’（垂直,默认）或 ‘horizontal’。
  • stacked：默认为False，是否为堆积状图

示例：

from matplotlib import pyplot as plt
import numpy as np
#直方图plt.hist()
#使用numpy随机生成100个随机数据
x = np.random.randint(0, 11, 100)
#绘制图形，bins=5则代表绘制5个箱体，
plt.hist(x, bins=5)
plt.show()

结果如下：
请添加图片描述
示例：

from matplotlib import pyplot as plt
import numpy as np
x = np.random.randint(0, 11, 100)
#然后指定各个区间的范围，[0,2)，[2,4)，[4,6)，[6,8)，[8,10)
plt.hist(x, bins=[0, 2, 4, 6, 8, 10],edgecolor='white')
plt.show()

结果如下：
请添加图片描述
堆叠直方图，多类型直方图
示例：

from matplotlib import pyplot as plt
import numpy as np
#堆叠直方图，多类型直方图
#准备三组组数据：
x_value = np.random.randint(140,180,100)
x2_value = np.random.randint(140,180,100)
x3_value = np.random.randint(140,180,100)
#以列表的形式传入三组数据，设置直方图的stacked为True，允许数据覆盖，默认为False
plt.hist([x_value,x2_value,x3_value],bins = 10, stacked= False,edgecolor = 'white')
plt.show()

结果如下：
请添加图片描述

14.4.3 饼状图 pie()

pie(x, autopct, explode, shadow, labeldistance, pctdistance)

  • x：浮点型数组或列表，用于绘制饼图的数据，表示每个扇形的面积
  • autopct：用于在饼图中显示每个扇形的百分比值：%.2f，小数点后保留两位，%.2f%%，显示百分比符号
  • explode ：指定哪些扇形要凸出显示
  • shadow ：布尔值，是否在饼图下面添加阴影
  • labeldistance：表示的各扇形区域标签与圆心的距离
  • pctdistance：表示百分比与圆心的距离

示例：

from matplotlib import pyplot as plt
import numpy as np
#饼状图plt.pie()
#定义饼每个区域的标签
labels = ['娱乐','育儿','饮食','房贷','交通','其他']
#每个标签所占的数量
x = [200,500,1200,7000,200,900]
#绘制饼状图,x是一个列表，列表元素对应扇形区域的数量大小，labels为每个区域设置一个标签
plt.pie(x,labels= labels,autopct='%.2f%%')
plt.show()

结果如下：
请添加图片描述

示例：

from matplotlib import pyplot as plt
import numpy as np
#饼状图plt.pie()
labels = ['娱乐','育儿','饮食','房贷','交通','其他']
x = [200,500,1200,7000,200,900]
# #饼状图的分离 explode：指定饼图某些部分的突出显示,距离圆心的距离
explode = [0.03,0.05,0.06,0.04,0.08,0.1]
#设置阴影图,labeldistance表示的各扇形区域标签与圆心的距离，pctdistance表示百分比与圆心的距离
plt.pie(x,labels= labels,autopct='%.2f%%',explode = explode,
        shadow= True,labeldistance= 1.35,pctdistance= 1.2)
plt.show()

结果如下：
请添加图片描述

14.4.4 散点图 scatter()

scatter(x, y, s , c , cmap)

  • x，y：散点坐标
  • s：散点面积大小
  • c：散点颜色
  • cmap：颜色条，默认None，标量或者是一个colormap的名字，只有c是一个浮点数数组的时才使用

示例：

from matplotlib import pyplot as plt
import numpy as np
#散点图plt.scatter()
#x轴数据
x = [1,2,3,4,5,6,7,8]
#y轴数据
y = [1,4,9,16,7,11,23,18]
#绘制散点图
plt.scatter(x,y,s = 10)
plt.show()

结果如下：
请添加图片描述

14.4.5 自定义颜色

在这里插入图片描述
在这里插入图片描述
示例：

from matplotlib import pyplot as plt
import numpy as np
#自定义点的颜色
#x轴数据
x = np.random.rand(10)
print(x)
#y轴数据
y = np.random.rand(10)
print(y)
#生成一个浮点数或N维浮点数组
s = (30 * np.random.rand(10)) ** 2
print(s)
#颜色随机
colors = np.random.rand(10)
print(colors)
plt.scatter(x,y,s,c = colors,cmap= 'magma')
#colorbar() 函数设置了色卡
cbar = plt.colorbar()
plt.show()

#运行结果
[0.68830197 0.72804179 0.05401797 0.6432706  0.60768534 0.8827824
 0.87120781 0.52231624 0.73000955 0.63951085]
[0.47941975 0.97585361 0.53586238 0.29329211 0.16935829 0.56105792
 0.1549289  0.63040406 0.07032587 0.3225049 ]
[  9.41892394 388.20080094 142.99355291 768.99770947 524.46896218
  62.02178115 103.58772876 129.95547109 285.40665899 383.17334544]
[0.21522527 0.81219198 0.56988226 0.08500541 0.42731529 0.63041104
 0.18757102 0.03408038 0.51884646 0.92454706]

结果如下：
请添加图片描述

The square of H
关注
  • 29
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【Python数据分析与可视化】期末复习笔记整理（不挂科）
风口IT猪的成长录
12-13 7016
【Python数据分析与可视化】期末复习笔记3. NumPy数值计算基础忘了的函数ndarray 对象属性和数据转换4. Pandas统计分析 3. NumPy数值计算基础 忘了的函数 linspace(start, end, count)：创建等差数列 logspace(start, end, count)：创建等比数列 diag：创建对角矩阵，即对角线元素为0或指定值，其他元素为0 eye：创建一个对角线位置为1，其他位置全为0的矩阵 sort：axis=1，沿横轴排序，axis=0，沿着纵轴排序.
python复习笔记及程序汇总
RuanJian_GC的博客
04-24 32
绘制的是折线图，x为代表x轴的list，y为代表y轴的值的list，这里的x和y的元素个数必须是一致的在Python中，一边循环一边计算的机制，称为生成器：generator。什么是生成器？生成器仅仅保存了一套生成数值的算法，并且没有让这个算法现在就开始执行，而是我什么时候调它，它什么时候开始计算一个新的值，并给你返回。
matplotlib.pyplot复习3（7-8章）
Gfqwy2021
12-28 344
目录第7章 共享绘图区域坐标轴7.1 ax2 = ax1.twinx() --- 在一个绘图区域中融合多张图（共享x轴）7.2 共享不同子图绘图区域的坐标轴 第7章 共享绘图区域坐标轴 7.1 ax2 = ax1.twinx() — 在一个绘图区域中融合多张图（共享x轴） # -*- coding: utf-8 -*- import matplotlib.pyplot as plt import ...
[复习]matplotlib基础(一)
qq_41998722的博客
05-21 318
# 在jupyter中使用魔法命令 %matplotlib inline # 就不用每次画图时使用plt.show() %matplotlib inline import matplotlib.pyplot as plt 常用配置:matplotlib中设置中文以及处理异常符号 # 设置中文字体 plt.rcParams['font.family']=['sans-serif'] plt.rcParams['font.sans-serif']=['SimHei'] # 处理负号无法正常显示 plt.r
python matplotlib 笔记（四）
qq_38349710的博客
12-30 153
自定义：配置文件与样式表 matplotlib的默认图形设置经常被人诟病，改变runtime configuration可以打造我们自己的风格。 修改默认配置：rcParams 默认的风格配置在plt.rcParams中，是一个字典。可以使用plt.rc()方法快捷修改。 plt.rc("property", **kwargs) 输入要修改的属性，在后面添加要修改的元素。 样式表 通过下面的命令...
python matplotlib 笔记（三）
qq_38349710的博客
12-30 342
文字与注释 案例：节假日对美国出生率的影响 首先处理数据，将几十年的数据按每天取平均，整合为一年中每天美国的平均出生率，画图： %matplotlib inline import matplotlib.pyplot as plt import matplotlib as mpl plt.style.use('seaborn-whitegrid') import numpy as np import...
学习python的个人笔记.zip
02-22
个人笔记“kwan1117”可能详细记录了作者在学习Python过程中遇到的问题、解决方法、示例代码以及对某些概念的理解，是深入学习和复习Python的好资源。通过阅读和实践这些笔记，你可以巩固理论知识，提升实际编程技能...
Matplotlib 基础入门知识点总结
Xx_Studying的博客
11-16 1554
Matplotlib 基础入门知识点总结笔记
Python学习笔记(中文版)..
05-01
9. **标准库与第三方库**：涵盖Python内置的标准库，如os、sys、math、datetime等，以及一些常用的第三方库，如Numpy、Pandas、Matplotlib等，用于科学计算、数据处理和可视化。 10. **网络编程**：讲解如何使用...
【python】—— Python爬虫实战：爬取珠海市2011-2023年天气数据并保存为CSV文件
weixin_63106307的博客
09-05 761
本文将介绍如何使用Python编写一个简单的爬虫程序，以爬取珠海市2011年至2023年的天气数据，并将这些数据保存为CSV文件。
JS都有哪些操作数组的方法
ggq53219的博客
09-04 446
JavaScript 中操作数组的方法非常丰富，这些方法大致可以分为几类：创建和初始化数组、添加元素、删除元素、遍历数组、搜索元素、数组排序、数组映射和过滤等。
Transiting from CUDA to HIP （二）
weixin_44500921的博客
09-03 1229
为了解决这个问题，HIP（Heterogeneous-compute Interface for Portability）提供了一套宏定义，使得开发者可以编写可移植的代码，这些代码可以在 NVIDIA 的 CUDA 平台和 AMD 的 ROCm 平台上运行。是一个预定义的宏，用于指示当前编译的代码所针对的 NVIDIA GPU 的计算能力（Compute Capability）。为了正确编译包含 HIP 代码的文件，您需要确保编译器能够找到 HIP 的头文件，并且定义了正确的宏。
asyncio note
weixin_48232453的博客
09-03 821
python异步库asyncio入门
【hot100篇-python刷题记录】【数据流的中位数】
m0_73629042的博客
09-04 283
精简的代码总是难以琢磨。
访问数组索引时超出边界引发 ArrayIndexOutOfBoundsException
最新发布
Itmastergo的博客
09-05 875
在 Java 中，数组是一种数据结构，用于存储固定数量的同类型元素。数组中的元素可以是基本数据类型（如intcharfloat等）或引用类型（如String、自定义类等）。数组是一种线性表数据结构，也就是说，数组中的元素可以通过一个整数索引来访问。数组的索引从0开始，这意味着对于长度为n的数组，合法的索引范围是从0到n-1。// 创建一个长度为 5 的整型数组在上面的例子中，numbers是一个包含 5 个整型元素的数组，索引从0到4。数组的大小在创建时就已经固定，因此无法动态扩展。
jupter_notebook简单介绍以及安装使用
Ctrl+CV九段手
09-02 1588
Jupyter如果工作主要涉及数据科学、机器学习、教育或需要创建可共享的交互式文档，Jupyter Notebook 是一个很好的选择。如果需要一个全面的开发环境来构建和维护大型的 Python 应用程序，或者正在从事软件工程项目，PyCharm 会更适合哦！
计算机毕业设计选题推荐-任务管理系统-项目任务分配系统-Java/Python项目实战
IT研究室的博客
09-03 803
随着信息化技术的迅猛发展，各类企业和组织越来越依赖于高效的任务管理系统以保证其日常运营的顺利进行。根据IDC（国际数据公司）发布的报告显示，全球企业在数字化转型上的投入已达数千亿美元，其中相当一部分资金用于提升企业内部的管理效率。任务管理系统作为企业信息化的重要组成部分，能有效帮助企业分配、监控和反馈任务，从而提高工作效率。然而，尽管市场上已有多种任务管理系统，它们在功能、用户体验和适用性上存在显著差异。
CUDA编程08 - 并行编程思维
GPU全栈博主-程序哥
09-02 1116
到目前为止，我们集中于学习并行编程的实用知识，包括CUDA编程接口特性、GPU架构、性能优化技术、并行模式和应用案例研究。在本章中，我们将讨论更为抽象的概念。我们将并行编程概括为一种思维过程，即设计或选择并行算法，并将一个实际问题分解基本的工作单元，这些工作单元可以由所选的算法高效地执行。具备强大思维技能的程序员不仅会分析问题，还会转变实际问题的结构：哪些部分本质上是串行的，哪些部分适合并行执行，以及将前者的部分转移到后者所涉及的一些权衡。
Python Matplotlib：第十三章边框与水平线条详解
在《边框和水平线条-虎书第四版fundamentals of computer graphics-crc (2016)》的第十三章中，内容聚焦于Matplotlib库在Python数据科学中的应用，特别是关于图形边框和水平线条的详细处理。这一章节涵盖了丰富的...
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

打赏作者

The square of H

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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