python labels函数_python学习笔记(matplotlib实战篇)——函数积分图!

Python学习笔记--极坐标

所用的库及环境:(私信小编007获取大量Python学习资料!)

IDE:Pycharm

Python环境:python3.7

Matplotlib: Matplotlib 1.11

Numpy: Numpy1.15

函数积分图代码及效果图1 import matplotlib.pyplot as plt

2 import numpy as np

3 from matplotlib.patches import Polygon

4

5 def func(x):

6 return -(x-2)*(x-8)+40

7

8 x = np.linspace(0,10)

9 y = func(x)

10

11 fig,axes = plt.subplots()

12 #绘制曲线

13 plt.plot(x,y,'r',linewidth = 2)

14 a=2

15 b=9

16

17 #坐标轴设置

18 axes.set_xticks([a,b])

19 axes.set_xticklabels(['$a$','$b$'])

20 axes.set_yticks([])

21 plt.figtext(0.9,0.05,'$x$')

22 plt.figtext(0.1,0.9,'$y$')

23

24 #绘制灰色多边形

25 ix=np.linspace(a,b

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,关于Python 3D绘以及Kmeans机器学习之3D Matplotlib,我可以提供一些基本的信息,希望对你有所帮助。 Python中的Matplotlib库是一个数据可视化工具,可以绘制出各种类型的表,包括2D和3D表。在进行3D绘时,需要引入Matplotlib库中的mplot3d子库。 K-means算法是一种聚类算法,可以将一组数据分为多个类别,每个类别中的数据具有相似的特征。K-means算法的核心思想是通过计算数据之间的距离,将数据划分到最近的簇中,并不断调整簇的中心点,直到达到最优的聚类效果。 在Python中,可以使用sklearn库中的KMeans类来实现K-means算法。在实现3D绘时,可以使用Matplotlib库中的mplot3d子库中的Axes3D类来创建3D坐标轴,并使用scatter3D函数绘制散点。 具体的代码实现可以参考以下示例: ```python import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from sklearn.cluster import KMeans # 生成随机数据 np.random.seed(5) data = np.random.normal(size=[100, 3]) # 使用K-means算法进行聚类 kmeans = KMeans(n_clusters=3).fit(data) labels = kmeans.labels_ # 绘制3D散点 fig = plt.figure() ax = fig.add_subplot(111, projection='3d') ax.scatter3D(data[:, 0], data[:, 1], data[:, 2], c=labels) plt.show() ``` 这段代码可以生成100个随机数据,然后使用K-means算法将其分为3类,并绘制成3D散点。你可以根据自己的需要修改数据和参数,实现不同类型的3D表和K-means聚类效果的可视化展示。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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