MATLAB 绘图之科技论文常用的数据可视化

最新推荐文章于 2024-07-17 11:04:56 发布
最新推荐文章于 2024-07-17 11:04:56 发布
阅读量5.7k 收藏 82
点赞数 4
分类专栏： Tex排版
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/wbl90/article/details/80900533
版权

MATLAB 绘图之科技论文常用的数据可视化

单柱状图

代码: 

%%
clc; clear all; close all;
%%
x = [61.42 50.89 1.25 4.89];
b = bar(x,0.27,'b')
for i = 1:length(x)
    text(i-0.12, x(i)+2.0, num2str(x(i)))
end
ch = get(b, 'children')
set(gca, 'XTickLabel',{'N = 0', 'N = 1', 'N = 2', 'N = 3'})
xlabel('polynomial order')
ylabel('mape_{test} (%)')

输出:

组柱状图

代码:

clc; clear all; close all
%%
train = [0.8646     0.8784  0.8626 
         0.6135     0.5728  0.5528 ]';
test = [1.5566  1.2035  1.2163 
        2.3511  1.3273  1.3609]';
%% Figure 2
figure (2)
subplot(121)
bar(train,'grouped') % 将train按照列分组 为 2 组
xlabel('Models','FontName', 'Times New Roman','FontSize', 9)
ylabel('Errors (%)','FontName', 'Times New Roman','FontSize', 9)
ylim([0 1.2])
legend('MAPE','RMSPE') 
set(gca, 'FontName', 'Times New Roman','FontSize', 9, ...
    'XTickLabel',{'OGMP_F(1,1,0)', 'OGMP_L(1,1,0)', 'OGMP_M(1,1,0)'})

subplot(122)
bar(test,'grouped')
xlabel('Models','FontName', 'Times New Roman','FontSize', 9)
ylabel('Errors (%)','FontName', 'Times New Roman','FontSize', 9)
ylim([0 2.5])
legend('MAPE','RMSPE') 
set(gca, 'FontName', 'Times New Roman','FontSize', 9, ...
    'XTickLabel',{'OGMP_F(1,1,0)', 'OGMP_L(1,1,0)', 'OGMP_M(1,1,0)'})

输出:

两个纵坐标轴

数据局部预览:

0.000.00-0.0610.2862.18
0.000.01-0.0610.2662.16
0.000.02-0.0610.2362.15
0.000.03-0.0610.2162.13
0.000.04-0.0610.1862.11
0.000.05-0.0610.1662.10
0.000.06-0.0610.1362.08
0.000.07-0.0610.1162.06
0.000.08-0.0610.0862.05
polyOrderbaCoedevCoemapeTrainmapeTest

代码:

gmpb = xlsread('GMPB_0.csv');
bc = gmpb(:,2); % X轴对应的数值
[haxes, hline1, hline2] = plotyy(bc, gmpb(:,4), bc, gmpb(:,5)); % gmpb(:,4) 左Y对应的数值, gmpb(:,5) 右Y对应的数值
grid on
xlabel('background coefficient'); ylabel('MAPE_{train} (%)')
axes(haxes(1)); set(hline1,'LineStyle','-','LineWidth',2); 
axes(haxes(2)); set(hline2,'LineStyle','--','LineWidth',2)
title('\it{N} \rm{= 0}');

输出:

数据划分与标注

数据局部预览:

20001066.91068.31040.21066.91066.91055.6
20011157.61149.71228.31147.21195.21158.7
20021286.01292.61365.71315.71357.81304.8
20031477.11484.71518.41496.41525.21485.8
20041695.21700.41688.21690.11703.91694.2
20051913.01927.61877.11897.81897.31922.0
20062180.62160.22087.02120.52108.22161.5
YearConsumptionGMPB(1,1,2)GMP(1,1,0)NDGM(1,1)VerhulstCPR

代码:

clc; clear all; close all;
%%
[gmp,txt,raw] = xlsread('对比模型结果.xlsx');
t = gmp(:,1);
%%
figure (4)
plot(t, gmp(:,2),'+k','LineWidth',2); hold on
plot(t, gmp(:,3),'-rs','LineWidth',1); 
plot(t, gmp(:,4),'-gv','LineWidth',1);
plot(t, gmp(:,5),'-bo','LineWidth',1); 
plot(t, gmp(:,6),'-c<','LineWidth',1); 
plot(t, gmp(:,7),'-m>','LineWidth',1); 
legend('Actual values', 'GMPB(1,1,2)', 'GMP(1,1,0)', 'NDGM(1,1)', 'Verhulst', 'CPR')
plot([2010.5 2010.5], [1000 6000], 'k--')
text(2005, 5000, 'Sequence for buliding models \leftarrow ')
% text(2010, 5000, '\rightarrow Testing sequence')
xlabel('Year')
ylabel('Fitted and predicted values of ApCEC (kilowatt hour)')
hold off

输出:

数学公式的表述

示例代码:

xlabel('$$k$$','interpreter', 'latex', 'FontName', 'Cambria', 'FontSize', 12)
ylabel('$$\delta^{(r)}(k)$$','interpreter', 'latex', 'FontName', 'Cambria', 'FontSize', 12)

指定标注形状及颜色

代码:

t = 1990:2014;
cvc = [95384 100413 105602 111490 118071 123471 129665 130082 ...
    130260 135132 140993 148264 161935 189269 220738 250835 ...
    275134 299271 306455 321336 343601 370163 381515 394794 400299];
plot(t, cvc, '-bo', 'Linewidth', 1.5, ...
    'MarkerEdgeColor',[.5 .5 .5], 'MarkerFaceColor',[.5 .5 .5], 'MarkerSize',5)
hold on
plot(2005.5*[1 1], 5*10^5*[0 1], ':r', 'Linewidth', 1)
text(2000, 4*10^5, 'training set \leftarrow ') % training set
plot(2009.5*[1 1], 5*10^5*[0 1], ':r', 'Linewidth', 1)
text(2010, 3*10^5, '\rightarrow test set') % test set
textstr={'validation'; '   set'}; % validation set
text(2006, 1.5*10^5, textstr) 
% text(2005.8, 1.5*10^5, '\rightarrow') % validation set
% text(2008.5, 1*10^5, '\leftarrow') % validation set
hold off
xlim([1989 2016])
xlabel('Year'); ylabel('annual total energy consumption (10^4 tce)')

输出:

图形局部放大

数据局部预览:

0.0258.9841153607.07
0.0418.2369914261.72
0.0611.375056999.15
0.089.8094824481.429
0.110.013443338.315
0.1211.109052736.983
0.1412.792612391.725
0.1614.937032183.315
0.1817.482022055.052
rhocondnum_0condnum_1

代码:

clc; clear all; close all
%% 
condnum = xlsread('condnum.csv');
rho = condnum(:,1); condnum_0 = condnum(:,2); condnum_1 = condnum(:,3);
%% 绘图
figure (1)
% 
subplot(121)
plot(rho, condnum_0, '-bo', 'LineWidth',1.5, ...
    'MarkerEdgeColor',[.5 .5 .5], 'MarkerFaceColor',[.5 .5 .5], 'MarkerSize',5)
xlabel('multiple coefficient'); ylabel('condition number')
axes('position', [0.17 0.58, 0.20, 0.30])
plot(rho, condnum_0, '-bo', 'LineWidth',1.5, ...
    'MarkerEdgeColor',[.5 .5 .5], 'MarkerFaceColor',[.5 .5 .5], 'MarkerSize',5); grid on; xlim([0.04 0.44])
% 
subplot(122)
plot(rho, condnum_1, '-bo', 'LineWidth',1.5, ...
    'MarkerEdgeColor',[.5 .5 .5], 'MarkerFaceColor',[.5 .5 .5], 'MarkerSize',5)
xlabel('multiple coefficient'); ylabel('condition number')
axes('position', [0.67 0.58, 0.20, 0.30])
plot(rho, condnum_1, '-bo', 'LineWidth',1.5, ...
    'MarkerEdgeColor',[.5 .5 .5], 'MarkerFaceColor',[.5 .5 .5], 'MarkerSize',5); grid on; xlim([0.04 0.44])

输出:

多种线指定颜色

数据局预览:

WS1WS2WS3WS4WS5WS6WS7WS8WS9WS10WS11WS12WS13WS14WS15WS16WS17WS18WS19WS20WS21WS22WS23WS24WS25WS26WS27
6.50767.80227.78347.04557.31996.91446.82696.86707.90917.16546.57406.11917.05597.27186.24317.13057.73436.37807.57967.64007.39057.52888.23107.62886.87087.27607.2873
6.51557.81437.78596.99287.27586.89486.88266.88827.98307.25776.52036.11607.18737.31626.27387.22427.68616.37707.57207.60937.44057.51388.18407.62336.91317.27887.2710
6.49827.75067.74326.92827.26796.91436.84576.90248.00377.24446.56976.07547.17067.30106.20637.21027.66656.28267.57577.63487.44457.47428.13697.56656.92457.27977.2716
6.49437.76287.75786.96017.25067.00646.87266.89237.99487.21656.55436.06977.17947.28896.21307.18727.69896.27747.56947.64667.44837.42948.11527.54296.92207.28747.2611
6.50877.76497.77136.98147.28736.96486.86116.88737.99847.23086.58136.07817.20377.27316.22217.19587.72966.28377.57007.65107.52407.42288.11087.54966.93027.26617.2566
6.50947.75837.76676.97617.28506.96206.83646.87018.00177.23166.60126.09717.22247.28256.21357.20957.72896.27937.56557.67587.53857.41418.10637.52266.93897.26037.2147
6.51187.75337.76606.97847.29116.94376.84036.86518.00177.22916.59396.08497.22987.28676.21917.22317.71696.27977.54307.68017.52757.42408.10947.54676.95807.26847.2202
6.52347.75027.76356.96417.29646.94126.82876.87437.99387.21366.58836.07487.21337.28776.24507.23677.71026.27327.54297.67077.53837.41908.11047.55626.95457.27047.2258

代码:

clear all; close all; clc
%% 
X = xlsread('5000iterationsCumsmeanMeasure.xlsx');
X = X(1:2000,:);
[m, n] = size(X);
t = (1:m)';
%%
figure (1)
C = linspecer(n);
for i=1:n
    plot(X(:,i), 'color', C(i,:), 'linewidth', 2); 
    hold on
end
xlim([-100 2000])
xlabel('Iterations ', 'FontName', 'Times New Roman', 'FontSize', 12)
ylabel('Comprehensive value', 'FontName', 'Times New Roman', 'FontSize', 12)
set(gca, 'FontName', 'Times New Roman', 'FontSize', 12)
hleg = legend('WS 01','WS 02','WS 03', 'WS 04','WS 05','WS 06','WS 07','WS 08','WS 09','WS 10',...
            'WS 11','WS 12','WS 13', 'WS 14','WS 15','WS 16','WS 17','WS 18','WS 19','WS 20',...
            'WS 21','WS 22','WS 23', 'WS 24','WS 25','WS 26','WS 27', 'FontSize', 8, 'Location','EastOutside') % 
hold off

输出:

特别注意: 在当前工作目录下添加 ‘function’ 文件(linspecer.m)

% function lineStyles = linspecer(N)
% This function creates an Nx3 array of N [R B G] colors
% These can be used to plot lots of lines with distinguishable and nice
% looking colors.
% 
% lineStyles = linspecer(N);  makes N colors for you to use: lineStyles(ii,:)
% 
% colormap(linspecer); set your colormap to have easily distinguishable 
%                      colors and a pleasing aesthetic
% 
% lineStyles = linspecer(N,'qualitative'); forces the colors to all be distinguishable (up to 12)
% lineStyles = linspecer(N,'sequential'); forces the colors to vary along a spectrum 
% 
% % Examples demonstrating the colors.
% 
% LINE COLORS
% N=6;
% X = linspace(0,pi*3,1000); 
% Y = bsxfun(@(x,n)sin(x+2*n*pi/N), X.', 1:N); 
% C = linspecer(N);
% axes('NextPlot','replacechildren', 'ColorOrder',C);
% plot(X,Y,'linewidth',5)
% ylim([-1.1 1.1]);
% 
% SIMPLER LINE COLOR EXAMPLE
% N = 6; X = linspace(0,pi*3,1000);
% C = linspecer(N)
% hold off;
% for ii=1:N
%     Y = sin(X+2*ii*pi/N);
%     plot(X,Y,'color',C(ii,:),'linewidth',3);
%     hold on;
% end
% 
% COLORMAP EXAMPLE
% A = rand(15);
% figure; imagesc(A); % default colormap
% figure; imagesc(A); colormap(linspecer); % linspecer colormap
% 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% by Jonathan Lansey, March 2009-2013 �Lansey at gmail.com               %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 
%% credits and where the function came from
% The colors are largely taken from:
% http://colorbrewer2.org and Cynthia Brewer, Mark Harrower and The Pennsylvania State University
% 
% 
% She studied this from a phsychometric perspective and crafted the colors
% beautifully.
% 
% I made choices from the many there to decide the nicest once for plotting
% lines in Matlab. I also made a small change to one of the colors I
% thought was a bit too bright. In addition some interpolation is going on
% for the sequential line styles.
% 
% 
%%

function lineStyles=linspecer(N,varargin)

if nargin==0 % return a colormap
    lineStyles = linspecer(64);
%     temp = [temp{:}];
%     lineStyles = reshape(temp,3,255)';
    return;
end

if N<=0 % its empty, nothing else to do here
    lineStyles=[];
    return;
end

% interperet varagin
qualFlag = 0;

if ~isempty(varargin)>0 % you set a parameter?
    switch lower(varargin{1})
        case {'qualitative','qua'}
            if N>12 % go home, you just can't get this.
                warning('qualitiative is not possible for greater than 12 items, please reconsider');
            else
                if N>9
                    warning(['Default may be nicer for ' num2str(N) ' for clearer colors use: whitebg(''black''); ']);
                end
            end
            qualFlag = 1;
        case {'sequential','seq'}
            lineStyles = colorm(N);
            return;
        otherwise
            warning(['parameter ''' varargin{1} ''' not recognized']);
    end
end      

% predefine some colormaps
  set3 = colorBrew2mat({[141, 211, 199];[ 255, 237, 111];[ 190, 186, 218];[ 251, 128, 114];[ 128, 177, 211];[ 253, 180, 98];[ 179, 222, 105];[ 188, 128, 189];[ 217, 217, 217];[ 204, 235, 197];[ 252, 205, 229];[ 255, 255, 179]}');
set1JL = brighten(colorBrew2mat({[228, 26, 28];[ 55, 126, 184];[ 77, 175, 74];[ 255, 127, 0];[ 255, 237, 111]*.95;[ 166, 86, 40];[ 247, 129, 191];[ 153, 153, 153];[ 152, 78, 163]}'));
set1 = brighten(colorBrew2mat({[ 55, 126, 184]*.95;[228, 26, 28];[ 77, 175, 74];[ 255, 127, 0];[ 152, 78, 163]}),.8);

set3 = dim(set3,.93);

switch N
    case 1
        lineStyles = { [  55, 126, 184]/255};
    case {2, 3, 4, 5 }
        lineStyles = set1(1:N);
    case {6 , 7, 8, 9}
        lineStyles = set1JL(1:N)';
    case {10, 11, 12}
        if qualFlag % force qualitative graphs
            lineStyles = set3(1:N)';
        else % 10 is a good number to start with the sequential ones.
            lineStyles = cmap2linspecer(colorm(N));
        end
otherwise % any old case where I need a quick job done.
    lineStyles = cmap2linspecer(colorm(N));
end
lineStyles = cell2mat(lineStyles);
end

% extra functions
function varIn = colorBrew2mat(varIn)
for ii=1:length(varIn) % just divide by 255
    varIn{ii}=varIn{ii}/255;
end        
end

function varIn = brighten(varIn,varargin) % increase the brightness

if isempty(varargin),
    frac = .9; 
else
    frac = varargin{1}; 
end

for ii=1:length(varIn)
    varIn{ii}=varIn{ii}*frac+(1-frac);
end        
end

function varIn = dim(varIn,f)
    for ii=1:length(varIn)
        varIn{ii} = f*varIn{ii};
    end
end

function vOut = cmap2linspecer(vIn) % changes the format from a double array to a cell array with the right format
vOut = cell(size(vIn,1),1);
for ii=1:size(vIn,1)
    vOut{ii} = vIn(ii,:);
end
end
%%
% colorm returns a colormap which is really good for creating informative
% heatmap style figures.
% No particular color stands out and it doesn't do too badly for colorblind people either.
% It works by interpolating the data from the
% 'spectral' setting on http://colorbrewer2.org/ set to 11 colors
% It is modified a little to make the brightest yellow a little less bright.
function cmap = colorm(varargin)
n = 100;
if ~isempty(varargin)
    n = varargin{1};
end

if n==1
    cmap =  [0.2005    0.5593    0.7380];
    return;
end
if n==2
     cmap =  [0.2005    0.5593    0.7380;
              0.9684    0.4799    0.2723];
          return;
end

frac=.95; % Slight modification from colorbrewer here to make the yellows in the center just a bit darker
cmapp = [158, 1, 66; 213, 62, 79; 244, 109, 67; 253, 174, 97; 254, 224, 139; 255*frac, 255*frac, 191*frac; 230, 245, 152; 171, 221, 164; 102, 194, 165; 50, 136, 189; 94, 79, 162];
x = linspace(1,n,size(cmapp,1));
xi = 1:n;
cmap = zeros(n,3);
for ii=1:3
    cmap(:,ii) = pchip(x,cmapp(:,ii),xi);
end
cmap = flipud(cmap/255);
end
wbl901
关注
  • 4
    点赞
  • 踩
  • 82
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
MATLAB绘图/数据的可视化
Moster2469的博客
03-08 2万+
MATLAB数据可视化是极重要的功能，文章介绍了MATLAB绘图与数据可视化的相关方法，阅读本文读者可以快速掌握MATLAB绘图技巧，在"科研绘图模板"为读者提供了较为完善的三种绘图模板供读者尝试。.........
matlab数据和函数可视化
03-05
视觉是人们感受世界、认识自然的最重要依靠。数据可视化的目的在于：通过图形，从一堆杂乱的离散数据中观察数据间的内在关系，感受由图形所传递的内在本质。MATLAB一向注重数据的图形表示，并不断地采用新技术改进和完备其可视化功能。 本章将系统地阐述：离散数据表示成图形的基本机理；曲线、曲面绘制的基本技法和指令；特殊图形的生成和使用示例；如何使用线型、色彩、数据点标记凸现不同数据的特征；如何利用着色、灯光照明、反射效果、材质体现和透明度处理渲染、烘托表现高维函数的性状；如何生成和运用标识，画龙点睛般地注释图形；如何显示和转换unit8、unit16、double三种不同数据类型所体现的变址、灰度和真彩图象，如何读写各种标准图象格式文件；如何通过图形窗的交互操作对图形进行修饰、调整；如何打印和输出图形文件。 本章的图形指令只涉及MATLAB的“高层”绘图指令。这种指令的形态和格式友善，易于理解和使用。 整章内容遵循由浅入深、由基本到高级、由算例带归纳的原则。所有算例都是运行实例，易于读者实践试验，并从中掌握一般规律。
MATLAB数据可视化
qq_39838607的博客
09-12 4796
MATLAB数据可视化 二维绘图 plot命令 plot（y) plot(x,y) plot(x,y,s) 常见的二维绘图常用设置选项 fplot() 三维绘图 plot3() mesh() 函数——绘制参数网状表面图 surf() 函数——绘制三维阴影曲面图 辅助操作 保留上一次图像 hold on figure：重新打开一个绘制窗口 显示背景网格 加上标题 让x、y轴单位长度一样 meshgrid()、meshc和meshz 特殊图形 二维特殊图形函数 三维特殊图形函数 bar3 stem3 pie3
【写论文必看】Matlab常用绘图操作（一）
最新发布
m0_52427832的博客
07-17 932
正常使用Matlab代码生成图后，使用maginify.m函数进行放大操纵。具体操作部分如链接所示maginify.m的使用方法。方法1: 得到的red_gradient和bule_gradient的矩阵就是渐变颜色矩阵。%% 定义自定义颜色映射% 渐变色的数量% 确保G和B通道为0% 从较浅的蓝到浅蓝，蓝色通道从0.5增加到1，红色和绿色通道保持为0% 确保R通道为0% 确保G通道也为0数据加载部分%数据柱状图绘制%加载画布figuredata2;
MatLab之简单数据可视化
qq_45767140的博客
08-27 431
目录 二维图像的绘制 同时绘制多个图像 分区绘制 三维绘图 曲面的绘制 二维图像的绘制 关于plot函数 %plot 画图，如果只有一个参数，那么横坐标就是1 2 3 .。。。。以此类推的，参数作为当横坐标作为1 2 3 .。 %如果有两个参数时，第一个参数是横坐标，第二个是纵坐标，两个参数中的数值的量要相同，这样就能对应画图。 %第三个参数是可以设置函数曲线的点形状、曲线样式以及颜色。 %plot()函数 clear;clc; syms x;%声明一个符号x ...
Matlab学习入门篇（五）—— 数据可视化
小怪物爱吹牛的博客
07-11 3921
数据可视化是指运用计算机图形学和图像处理技术，将数据转化为图形或图像并在屏幕上显示出来，以进行交互处理的理论、方法和技术。
Matlab中二维数据可视化及应用.pdf
07-10
MATLAB作为一款国际公认的优秀科技应用软件，在数据可视化领域具有非常强大的功能和应用。它能够将数据以二维、三维乃至四维的图形表现出来，通过图形的线型、立面、色彩、渲染、光线以及视角等属性的处理，展现出...
基于MATLAB的音乐旋律动态可视化方法.pdf
06-26
此外，MATLAB软件提供的众多工具箱和函数，如音乐处理函数和绘图函数，都极大地丰富了音乐可视化的方法和效果。例如，MATLAB中还包含音频读取函数audioread，用于读取音频文件，它使得音乐可视化不再局限于传统的...
基于Matlab的数学可视化问题研究及实践.pdf
07-10
6. 符号可视化与数值可视化的区别：Matlab针对符号计算和数值计算分别配置了两套不同的绘图函数。对于符号可视化，Matlab提供了ezplot、ezplot3、ezmesh、ezsurf、ezcontour等函数，便于进行数学函数的可视化比较和...
Matlab绘图功能在高等数学教学中的应用.pdf
06-28
Matlab作为一款高性能的数值计算和可视化软件，在高等数学教学中的应用变得越来越广泛。本文主要探讨了Matlab绘图功能在高等数学教学中的应用，特别是在平面图形、空间图形以及微分学等方面的具体应用。 首先，...
MATLAB绘图功能在高等数学教学中的应用探讨.pdf
07-10
MATLAB是由美国MathWorks公司开发的一款高性能的数值计算和仿真软件，它具有算法开发、数据可视化、数据分析以及数值计算等高级技术计算语言和交互式环境。它在数值计算方面的能力尤其出色，是数学类科技应用软件中...
MATLAB数据可视化案例及代码
03-09
利用MATLAB实现数据可视化，在报告、论文等撰写中提高文章逼格
linspecer.m
07-28
MATLAB高大上画图必备，高级色彩绘图函数linspecer,linspecer函数的线条绘图基于perceptive空间，而不是RGB空间。函数编写是基于Cynthia Brewer教授的研究成果，且易于使用。
Matlab数据可视化方法与模板(1)——基本绘制概述
weixin_46007180的博客
01-29 1698
本系列基于Matlab软件，从二维、三维、四维以及统计做图等多个方面，详细讲解了相应的数据可视化与图像绘制方法，并提供相应的程序模板供各位参考使用，希望对各位的研究与工作有所帮助。本篇为基本绘制概述部分，主要大致介绍一些Matlab绘图与可视化的基本方法。
用matlab绘制图形论文,Matlab在图形绘制中的应用.doc
weixin_33657398的博客
03-19 544
摘 要：本文以Matlab为基础，介绍了Matlab的绘图功能以及其绘制图形的基本元素的方法，并结合实例介绍了其在绘制正弦信号、生成等值线图、模拟云模型等专业图形绘制中的应用.关键词：Matlab，正弦信号，等值线图，云模型数值计算的可视化,可以使得原本不直观的数据,通过直观的图形来表示,更方便各个方面的对比,从而更加方便地发现数据之间的内在关系.而这些优势,使得Matlab在数字图像处理,图形绘...
matlab 科研绘图
m0_49855397的博客
07-17 674
matlab科研绘图
Matlab基础篇：绘图与可视化
weidl001的博客
06-18 3238
本文详细介绍了 Matlab 中绘图与可视化的基本功能和技巧，包括二维绘图、三维绘图、图形属性设置、多图绘制、综合绘图技巧，以及最终通过一个综合实例展示如何应用这些技巧。通过这些设置，用户可以灵活地创建各种数据图形，以更直观地展示和分析数据。
Matlab科学作图基础_几个实例
vingstar的专栏
07-12 2143
在科学论文的写作中，在最后的实验
Matlab 科研绘图汇总
wq_ocean_的博客
04-17 2734
条形图 %% 绘制条形图 figure x=1:3; y=indicator_ztd_all; h=bar(x,y); ylabel('Accurasy(mm)'); xlabel('Map Function'); set(gca,'XTickLabel',type); %type=[string('GMF'),string('NMF'),string('VMF1')]; ylim([-2 ...
MATLAB数值绘图与数据可视化详解
"MATLAB数据处理大全" MATLAB是一款强大的数学计算和数据分析...《MATLAB数据处理大全》是学习和应用MATLAB进行数据处理和可视化的宝贵资源，无论是初学者还是经验丰富的用户，都能从中获益，提升自己的数据分析能力。
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