python 矢量场的构造、计算；通过 matplotlib 作图、分析、筛选符合要求的像素点

最新推荐文章于 2023-05-20 20:19:01 发布
最新推荐文章于 2023-05-20 20:19:01 发布
阅读量4k 收藏 27
点赞数 4
分类专栏： 日常学习 文章标签： python 矢量场 可视化 matplotlib
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_42902997/article/details/122037500
版权

文章目录

  • 操作和演示环境：jupyter notebook

构造矢量场的 x 方向的分量

  • 构造矢量图的大小是 20 × 30 20 × 30 20×30
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline 

x_grid = np.arange(0,30,1)
x_grid = np.tile(x_grid,(20,1))
x_grid.shape

(20, 30)

x_grid

array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29]])

plt.imshow(x_grid)

在这里插入图片描述

构造矢量场的 y 分量

y_grid_ = np.arange(0,20,1)
y_grid_ = np.tile(y_grid_,(30,1))
plt.imshow(y_grid_)

在这里插入图片描述

y_grid = y_grid_.transpose([1,0])
plt.imshow(y_grid)   # 转置之后才是真正的 y 分量

在这里插入图片描述

plt.quiver(x_grid,y_grid,1,-1,x_grid+y_grid)
'''
参数的意义分别是
plt.quiver(X,Y,U,V,C)
- X,Y 表示每一个像素点对应的单位向量的起始点位置
- U,V 共同表示了每个像素点上的单位向量，这里我们用 1，-1 代表的是对一个点 p 他的单位向量 v 的方向是朝右下方的
- C 是颜色 cmap，他的值的大小表示了当前像素点的向量的值的大小，值越大，单位向量的颜色越深，表示这个点的向量的模越大
- 例如本图中右下角的点 p = (30,30)，他的 模就是 np.linalg.norm((30,30)) = 42.4264 但是在图中的每个像素上的向量都是用
单位向量表示，因此想表示这个向量的模就要用颜色的深浅来表示
'''
plt.ylim((20,0))
plt.colorbar()

在这里插入图片描述

矢量场中的向量相减

  • 构造一个简单的矢量 ( x 1 , y 1 x_1,y_1 x1​,y1​)
  • 让整个矢量图中的所有矢量和这个矢量做差

任选图中两点组成一个矢量

points_x = np.array([10,20])
points_y = np.array([18,24])
v = points_y - points_x
v

array([8, 4])

可视化矢量图和被减的矢量

# 得到 v 的单位向量
unit_v = v / np.linalg.norm(v)
print(unit_v)
plt.scatter(x=v[0],y=v[1],color="red")
plt.quiver(x_grid,y_grid,1,-1,x_grid+y_grid)
plt.ylim((20,0))
plt.quiver(v[0],v[1],unit_v[0],unit_v[1],color="blue")

[0.89442719 0.4472136 ]

在这里插入图片描述

对矢量图的每个点减去矢量 V V V

new_x_grid = x_grid - v[0]
new_y_grid = y_grid - v[1]
plt.ylim((15.5,-4.5))
plt.quiver(new_x_grid
           ,new_y_grid
           ,new_x_grid   
           ,new_y_grid
           ,1)  # 在这里我们只在图上用 XYUV 区分了相减后每个矢量的位置和方向，
                # 但是由于没有设定固定的矢量值的计算规则，所以我们在这里用一个固定值
                # 进行表示

new_x_grid.shape

(20, 30)

在这里插入图片描述

对最终的矢量图的每个像素点值

  • 在这里我们设定的规则是：每个像素点的值等于于他在 向量 V V V 方向上的值
  • 即对 V V V 的单位向量 v v v 和矢量图上每个像素点位置的矢量做 点积 运算
product_values = unit_v[0] * new_x_grid + unit_v[1] * new_y_grid

product_values

array([[-8.94427191, -8.04984472, -7.15541753, -6.26099034, -5.36656315,
        -4.47213595, -3.57770876, -2.68328157, -1.78885438, -0.89442719,
         0.        ,  0.89442719,  1.78885438,  2.68328157,  3.57770876,
         4.47213595,  5.36656315,  6.26099034,  7.15541753,  8.04984472,
         8.94427191,  9.8386991 , 10.73312629, 11.62755348, 12.52198067,
        13.41640786, 14.31083506, 15.20526225, 16.09968944, 16.99411663],
       [-8.49705831, -7.60263112, -6.70820393, -5.81377674, -4.91934955,
        -4.02492236, -3.13049517, -2.23606798, -1.34164079, -0.4472136 ,
         0.4472136 ,  1.34164079,  2.23606798,  3.13049517,  4.02492236,
         4.91934955,  5.81377674,  6.70820393,  7.60263112,  8.49705831,
         9.39148551, 10.2859127 , 11.18033989, 12.07476708, 12.96919427,
        13.86362146, 14.75804865, 15.65247584, 16.54690303, 17.44133022],
       [-8.04984472, -7.15541753, -6.26099034, -5.36656315, -4.47213595,
        -3.57770876, -2.68328157, -1.78885438, -0.89442719,  0.        ,
         0.89442719,  1.78885438,  2.68328157,  3.57770876,  4.47213595,
         5.36656315,  6.26099034,  7.15541753,  8.04984472,  8.94427191,
         9.8386991 , 10.73312629, 11.62755348, 12.52198067, 13.41640786,
        14.31083506, 15.20526225, 16.09968944, 16.99411663, 17.88854382],
       [-7.60263112, -6.70820393, -5.81377674, -4.91934955, -4.02492236,
        -3.13049517, -2.23606798, -1.34164079, -0.4472136 ,  0.4472136 ,
         1.34164079,  2.23606798,  3.13049517,  4.02492236,  4.91934955,
         5.81377674,  6.70820393,  7.60263112,  8.49705831,  9.39148551,
        10.2859127 , 11.18033989, 12.07476708, 12.96919427, 13.86362146,
        14.75804865, 15.65247584, 16.54690303, 17.44133022, 18.33575742],
       [-7.15541753, -6.26099034, -5.36656315, -4.47213595, -3.57770876,
        -2.68328157, -1.78885438, -0.89442719,  0.        ,  0.89442719,
         1.78885438,  2.68328157,  3.57770876,  4.47213595,  5.36656315,
         6.26099034,  7.15541753,  8.04984472,  8.94427191,  9.8386991 ,
        10.73312629, 11.62755348, 12.52198067, 13.41640786, 14.31083506,
        15.20526225, 16.09968944, 16.99411663, 17.88854382, 18.78297101],
       [-6.70820393, -5.81377674, -4.91934955, -4.02492236, -3.13049517,
        -2.23606798, -1.34164079, -0.4472136 ,  0.4472136 ,  1.34164079,
         2.23606798,  3.13049517,  4.02492236,  4.91934955,  5.81377674,
         6.70820393,  7.60263112,  8.49705831,  9.39148551, 10.2859127 ,
        11.18033989, 12.07476708, 12.96919427, 13.86362146, 14.75804865,
        15.65247584, 16.54690303, 17.44133022, 18.33575742, 19.23018461],
       [-6.26099034, -5.36656315, -4.47213595, -3.57770876, -2.68328157,
        -1.78885438, -0.89442719,  0.        ,  0.89442719,  1.78885438,
         2.68328157,  3.57770876,  4.47213595,  5.36656315,  6.26099034,
         7.15541753,  8.04984472,  8.94427191,  9.8386991 , 10.73312629,
        11.62755348, 12.52198067, 13.41640786, 14.31083506, 15.20526225,
        16.09968944, 16.99411663, 17.88854382, 18.78297101, 19.6773982 ],
       [-5.81377674, -4.91934955, -4.02492236, -3.13049517, -2.23606798,
        -1.34164079, -0.4472136 ,  0.4472136 ,  1.34164079,  2.23606798,
         3.13049517,  4.02492236,  4.91934955,  5.81377674,  6.70820393,
         7.60263112,  8.49705831,  9.39148551, 10.2859127 , 11.18033989,
        12.07476708, 12.96919427, 13.86362146, 14.75804865, 15.65247584,
        16.54690303, 17.44133022, 18.33575742, 19.23018461, 20.1246118 ],
       [-5.36656315, -4.47213595, -3.57770876, -2.68328157, -1.78885438,
        -0.89442719,  0.        ,  0.89442719,  1.78885438,  2.68328157,
         3.57770876,  4.47213595,  5.36656315,  6.26099034,  7.15541753,
         8.04984472,  8.94427191,  9.8386991 , 10.73312629, 11.62755348,
        12.52198067, 13.41640786, 14.31083506, 15.20526225, 16.09968944,
        16.99411663, 17.88854382, 18.78297101, 19.6773982 , 20.57182539],
       [-4.91934955, -4.02492236, -3.13049517, -2.23606798, -1.34164079,
        -0.4472136 ,  0.4472136 ,  1.34164079,  2.23606798,  3.13049517,
         4.02492236,  4.91934955,  5.81377674,  6.70820393,  7.60263112,
         8.49705831,  9.39148551, 10.2859127 , 11.18033989, 12.07476708,
        12.96919427, 13.86362146, 14.75804865, 15.65247584, 16.54690303,
        17.44133022, 18.33575742, 19.23018461, 20.1246118 , 21.01903899],
       [-4.47213595, -3.57770876, -2.68328157, -1.78885438, -0.89442719,
         0.        ,  0.89442719,  1.78885438,  2.68328157,  3.57770876,
         4.47213595,  5.36656315,  6.26099034,  7.15541753,  8.04984472,
         8.94427191,  9.8386991 , 10.73312629, 11.62755348, 12.52198067,
        13.41640786, 14.31083506, 15.20526225, 16.09968944, 16.99411663,
        17.88854382, 18.78297101, 19.6773982 , 20.57182539, 21.46625258],
       [-4.02492236, -3.13049517, -2.23606798, -1.34164079, -0.4472136 ,
         0.4472136 ,  1.34164079,  2.23606798,  3.13049517,  4.02492236,
         4.91934955,  5.81377674,  6.70820393,  7.60263112,  8.49705831,
         9.39148551, 10.2859127 , 11.18033989, 12.07476708, 12.96919427,
        13.86362146, 14.75804865, 15.65247584, 16.54690303, 17.44133022,
        18.33575742, 19.23018461, 20.1246118 , 21.01903899, 21.91346618],
       [-3.57770876, -2.68328157, -1.78885438, -0.89442719,  0.        ,
         0.89442719,  1.78885438,  2.68328157,  3.57770876,  4.47213595,
         5.36656315,  6.26099034,  7.15541753,  8.04984472,  8.94427191,
         9.8386991 , 10.73312629, 11.62755348, 12.52198067, 13.41640786,
        14.31083506, 15.20526225, 16.09968944, 16.99411663, 17.88854382,
        18.78297101, 19.6773982 , 20.57182539, 21.46625258, 22.36067977],
       [-3.13049517, -2.23606798, -1.34164079, -0.4472136 ,  0.4472136 ,
         1.34164079,  2.23606798,  3.13049517,  4.02492236,  4.91934955,
         5.81377674,  6.70820393,  7.60263112,  8.49705831,  9.39148551,
        10.2859127 , 11.18033989, 12.07476708, 12.96919427, 13.86362146,
        14.75804865, 15.65247584, 16.54690303, 17.44133022, 18.33575742,
        19.23018461, 20.1246118 , 21.01903899, 21.91346618, 22.80789337],
       [-2.68328157, -1.78885438, -0.89442719,  0.        ,  0.89442719,
         1.78885438,  2.68328157,  3.57770876,  4.47213595,  5.36656315,
         6.26099034,  7.15541753,  8.04984472,  8.94427191,  9.8386991 ,
        10.73312629, 11.62755348, 12.52198067, 13.41640786, 14.31083506,
        15.20526225, 16.09968944, 16.99411663, 17.88854382, 18.78297101,
        19.6773982 , 20.57182539, 21.46625258, 22.36067977, 23.25510697],
       [-2.23606798, -1.34164079, -0.4472136 ,  0.4472136 ,  1.34164079,
         2.23606798,  3.13049517,  4.02492236,  4.91934955,  5.81377674,
         6.70820393,  7.60263112,  8.49705831,  9.39148551, 10.2859127 ,
        11.18033989, 12.07476708, 12.96919427, 13.86362146, 14.75804865,
        15.65247584, 16.54690303, 17.44133022, 18.33575742, 19.23018461,
        20.1246118 , 21.01903899, 21.91346618, 22.80789337, 23.70232056],
       [-1.78885438, -0.89442719,  0.        ,  0.89442719,  1.78885438,
         2.68328157,  3.57770876,  4.47213595,  5.36656315,  6.26099034,
         7.15541753,  8.04984472,  8.94427191,  9.8386991 , 10.73312629,
        11.62755348, 12.52198067, 13.41640786, 14.31083506, 15.20526225,
        16.09968944, 16.99411663, 17.88854382, 18.78297101, 19.6773982 ,
        20.57182539, 21.46625258, 22.36067977, 23.25510697, 24.14953416],
       [-1.34164079, -0.4472136 ,  0.4472136 ,  1.34164079,  2.23606798,
         3.13049517,  4.02492236,  4.91934955,  5.81377674,  6.70820393,
         7.60263112,  8.49705831,  9.39148551, 10.2859127 , 11.18033989,
        12.07476708, 12.96919427, 13.86362146, 14.75804865, 15.65247584,
        16.54690303, 17.44133022, 18.33575742, 19.23018461, 20.1246118 ,
        21.01903899, 21.91346618, 22.80789337, 23.70232056, 24.59674775],
       [-0.89442719,  0.        ,  0.89442719,  1.78885438,  2.68328157,
         3.57770876,  4.47213595,  5.36656315,  6.26099034,  7.15541753,
         8.04984472,  8.94427191,  9.8386991 , 10.73312629, 11.62755348,
        12.52198067, 13.41640786, 14.31083506, 15.20526225, 16.09968944,
        16.99411663, 17.88854382, 18.78297101, 19.6773982 , 20.57182539,
        21.46625258, 22.36067977, 23.25510697, 24.14953416, 25.04396135],
       [-0.4472136 ,  0.4472136 ,  1.34164079,  2.23606798,  3.13049517,
         4.02492236,  4.91934955,  5.81377674,  6.70820393,  7.60263112,
         8.49705831,  9.39148551, 10.2859127 , 11.18033989, 12.07476708,
        12.96919427, 13.86362146, 14.75804865, 15.65247584, 16.54690303,
        17.44133022, 18.33575742, 19.23018461, 20.1246118 , 21.01903899,
        21.91346618, 22.80789337, 23.70232056, 24.59674775, 25.49117494]])

plt.quiver(new_x_grid
           ,new_y_grid
           ,new_x_grid
           ,new_y_grid
           ,product_values)
plt.ylim((15.5,-4.5))

(15.5, -4.5)

在这里插入图片描述

将每个像素位置的值进行可视化

  • 可以发现和上面矢量图的颜色的深度分布是一致的
plt.imshow(product_values)
plt.colorbar()

在这里插入图片描述

对符合某些条件的像素点进行筛选

  • 假设我要挑选出那些 pixel 的位置，这些 pixels 满足：
    • pixel 位置的矢量在 V V V 方向的长度大于 8 8 8 并且小于 20 20 20
# 图中黄色的点表示的就是那些符合条件的像素点
plt.imshow((product_values >=8) & (product_values <=20))

在这里插入图片描述

暖仔会飞
关注
  • 4
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Python matplotlib 绘制量场图
weixin_54556126的博客
11-29 4905
复习回顾 matplotlib 是基于Python语言的开源项目，pyplot提供一系列绘制2D图形的方法。随着版本的迭代，matplotlib 模块也支持绘制3D图形mplot3d工具包，制作动态图Animation类，对于动态图的制作也可以使用pyplot交互模式进行绘制，提供image类对图像进行加载、缩放及显示操作。 超详细的Python matplotlib 绘制直方图 赶紧收藏_ 超详细的Python matplotlib 绘制柱状图_ python入门到进阶，爬虫数据分析全套资料分
python画矢量场_如何使用Numpy绘制向量场？
weixin_39534149的博客
01-30 1687
其思想是绘制以下向量场：我有两个主要问题：1)我不知道如何确保箭头不太长(我知道我必须使用length，但如何使用？)。2)我被告知要用Numpy来画向量场，但还是怎么画的？这就是我所尝试的：# The components of the vector fieldF_x = y*e**xF_y = x**2 + e**xF_z = z**2*e**z# The gridxf = np.linspa...
向量场，散度
geter_CS的博客
06-04 9674
场： 场就是某种物理量在空间或平面上分布，按照某种物理量是向量还是数量，称为向量场或数量场。 场的表示 可以表示为给定区域内的函数（也就是函数） 数量场： 场中每个点表示一个数值（我的理解） 常见的是： 等值线：V=V(x,y)=CV=V(x,y)=CV=V(x,y)=C(其中C是一个常量)(比如等高线和等温线) 等值面：V=V(x,y,z)=CV=V(x,y,z)=CV=V(x,y,z)=C(其...
Python Sympy计算梯度、散度和旋度的实例
12-23
sympy有个vector 模块，里面提供了求解标量场、向量场的梯度、散度、旋度等计算,官方参考连接： http://docs.sympy.org/latest/modules/vector/index.html sympy中计算梯度、散度和旋度主要有两种方式： 一个是使用∇∇算子，sympy提供了类Del()，该类的方法有：cross、dot和gradient，cross就是叉乘，计算旋度的，dot是点乘，用于计算散度，gradient自然就是计算梯度的。 另一种方法就是直接调用相关的API：curl、divergence和gradient，这些函数都在模块sympy.vector 下面
利用UE4生成的运动矢量(Motion Vector)在Python下对渲染图像进行前向与后向Warping
xiaoyimi的博客
03-23 969
利用UE4生成的运动矢量(Motion Vector)在Python下对渲染图像进行前向与后向Warping
计算运动图像序列的运动矢量
qq_38679612的博客
10-31 5114
计算运动图像序列的运动矢量光流法假设光流方程的求解推导解的唯一性问题Lucas-Kanade方法代码结果展示 光流法 假设 二维平面上的亮度变化可以看着是一个连续的流体，因此在物体运动的轨迹上亮度信号的强度基本保持不变。 I(r⃗,t)=I(r⃗−d⃗,t−Δt)I(\vec{r},t)=I(\vec{r}-\vec{d},t-\Delta t)I(r,t)=I(r−d,t−Δt) 光流方程的求解...
Python计算机视觉编程——第10章 OpenCV
fjyalzl的博客
08-28 1346
read() 方法解码并返回下一视频帧，第一个变量 ret 是一个判断视频帧是否 成功读入的标志，第二个变量im则是实际读入的图像数组。辅助函数 draw_flow() 会在图像均匀间隔的点处绘制光流矢量， 它利用 OpenCV 的绘图函数 line() 和 circle()，并用变量 step 控制流样本的间距。读取图像后，将其转化为灰度图像，函数 integral() 创建一幅图像，该图像的每个像素值是原图上方和左边强度值相加后的结果；每次画出一帧，并显示当前跟踪到的点，按任意键会转移到序列的下一帧。.
视频处理图像运动矢量
m0_49408367的博客
07-07 1142
原博文(5条消息) 计算运动图像序列的运动矢量_Kevin_biubiubiu的博客-CSDN博客_运动矢量运动矢量是4维的但是是matlab语言 由于别的工作将其转化为了python 最后变为了2维运动矢量不知道问题出在哪
python使用PIL和matplotlib获取图片像素点并合并解析
09-18
主要介绍了python使用PIL和matplotlib获取图片像素点并合并解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
总结作图常用的操作 Python数据分析及可视化-Matplotlib极简入门.zip
最新发布
04-24
通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图、直方图、功率谱、条形图、错误图、散点图等。 Matplotlib基础知识 1.Matplotlib中的基本图表包括的元素 x轴和y轴 水平和垂直的轴线 x轴和y轴刻度 刻度...
Python 票据利率变化 数据分析 matplotlib绘制动态折线图 生成gif动画 展示不同时间粒度变化情况
02-01
Python 票据利率变化 数据分析 matplotlib绘制动态折线图 生成gif动画 展示不同时间粒度变化情况 按7天 1个月 3个月 6个月 9个月 1年分别画图 numpy pandas Jupyter notebook 数据分析 数据挖掘
Python 数据分析（二）：Matplotlib 绘图
12-22
Matplotlib 是 Python 提供的一个绘图库，通过该库我们可以很容易的绘制出折线图、直方图、散点图、饼图等丰富的统计图，安装使用 pip install matplotlib 命令即可，Matplotlib 经常会与 NumPy 一起使用。...
python matplotlib quiver
这个人很蓝
09-29 4171
matplotlib中的 quiver方法可用于绘制箭头（向量），下面介绍二维和三维中的使用方法 二维箭头向量绘制 一般参数如下 quiver(X, Y, U, V, **kw) 参数的含义如下图所示，其中X和Y决定箭头尾部的位置，U和V决定箭头的方向，可以理解为以箭头尾部为起点，沿X和Y轴的分量。 import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 10, 40) y = x ** 2 * np.exp(-x)
python 如何绘制全球风场（以2020年月均数据为例）
【更新于公众号 | 简谱学记】
02-05 9215
使用python绘制全球的风场主要用到matplotlib包中： quiver() 函数，具体参数设置可以查看官网。 数据来源于ERA5的月均10m风矢量资料：ERA5 为了提高运行效率，我将数据重新插值，分辨率为：2.5°x2.5° 下面举个例子进行演示，我只选取2020年的数据，绘制全球范围内，每个月的数据资料，填色为风速大小。 代码很简单，核心代码只有下面一句： cb=ax.quiver(x[::5,::5],y[::5,::5],u.data[i,:,:][::5,::5],v.data[i,:,:
Python 墨西哥湾流（gulf stream）可视化
早起CaiCai的学习空间
05-20 1569
墨西哥湾流和黑潮分别是北半球两支强大的西边界流，墨西哥湾流的流速还要强于黑潮，也是温盐环流的重要组成部分。 该文为Python 墨西哥湾流（gulf stream）可视化。
如何使用python绘制2D向量图
volcan的博客
04-01 1171
python绘制向量图
【Python & 数据挖掘】Python实现简单公式及绘图
Up_Long的博客
10-01 2266
一、前言 由于暑假参加全国大学生智能汽车竞赛百度深度学习组竞赛和开学熬了两个星期的考试周，三个多月停更博客。赶紧抓住九月的尾巴来更新几篇最近课程相关的python练习题，有什么不对的地方，希望大家批评指正，共同进步，哈哈。 二、习题集2 1.请随机生成1000个二维数据点，从中分别随机抽取约75%，50%，25%的数据点，并绘图展示抽取数据点的情况。 代码 在这里插入代码片 2.请计算生成正弦函数序列和余弦函数序列，并绘图展示。将正弦序列和余弦序列添加随机偏差（噪音）后再次绘图，观察噪音对数据的影响。 参
线矢量及螺旋的代数计算（附python作图程序）
weixin_41855010的博客
03-23 2027
我们可以用六维向量pluker坐标来表示一个对偶矢量（dual vector），这个六维的向量可以分成两个部分：原部（real unit）和偶部（dual unit），他们也被称为是原级矢量和次级矢量。原部和偶部每个都包含三个维度，和我们平时的三维空间相对应。普通的对偶矢量我们称为是螺旋量（screw），而如果原部和偶部是相互垂直的，也就是标积为0，我们可以认为偶部是原部的一个线矩，这样这个螺旋量就增加了一个约束，升级成为线矢量（line vector），而如果一个对偶矢量的原部为0的话，我们则把它叫做偶量
日常学习之：如何计算两个向量或者矩阵的余弦相似度
热门推荐
qq_42902997的博客
01-23 2万+
原理 余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性" 我们都学过向量的内积公式： 其中 aaa 和 bbb 可以是高维的向量，例如 所以我们将向量 a,ba,ba,b 对应位置上的数值对应相乘再相加即可得到 a⋅ba·ba⋅b 然后通过化简可以得到下面公式并求出两个 nnn 维向量之间的夹角 θ\thetaθ ，而我们用这两个向量之间的 θ\thetaθ 角来表征这两个向量的相似程度。 所以
10.Pandas、Matplotlib、PCA绘图实用代码补充1
08-03
1、plt.rcParams显示中文及负号 2、plt.savefig保存图片至本地 3、pandas直接读取数据显示绘制图形，index_col获取索引

“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

打赏作者

暖仔会飞

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