山东大学《Python程序设计与大数据分析》lab9

实验九：科学计算和可视化

一、实验类型：验证型、设计型

二、建议学时：4

三、实验目的：掌握用Python 语言设计科学计算和可视化程序

四、实验内容：

1、阅读教材《Python 语言程序设计基础》第9章：科学计算和可视化
2、验证型练习：

• 2.1、验证9.2 模块8：numpy库的使用中的表9.1-9.7中的各个方法和函数（不用交）
• 2.2、验证9.3.2 图像的手绘效果中的实例代码17.1
• 2.3、 验证9.4 模块9：matplotlib库的使用中的表9.8-914中的各个方法和函数（不用交）
• 2.4、验证9.3.2 微实例9.1-9.3，实例18.1 2.5、9.6 中的验证实例19.1

3、设计型练习：教材P259的 9.3,9.4,9.5

五、实验过程及代码：

①验证性练习：
2.2、验证9.3.2 图像的手绘效果中的实例代码17.1

#e17.1HandDrawPic.py
from PIL import Image
import numpy as np
vec_el = np.pi/2.2 # 光源的俯视角度，弧度值
vec_az = np.pi/4. # 光源的方位角度，弧度值
depth = 10. # (0-100)
im = Image.open('C:\\Users\\pc\\Desktop\\sdurj1.jpg').convert('L')
a = np.asarray(im).astype('float')
grad = np.gradient(a) #取图像灰度的梯度值
grad_x, grad_y = grad #分别取横纵图像梯度值
grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100.
dx = np.cos(vec_el)*np.cos(vec_az) #光源对x 轴的影响
dy = np.cos(vec_el)*np.sin(vec_az) #光源对y 轴的影响
dz = np.sin(vec_el) #光源对z 轴的影响
A = np.sqrt(grad_x**2 + grad_y**2 + 1.)
uni_x = grad_x/A
uni_y = grad_y/A
uni_z = 1./A
a2 = 255*(dx*uni_x + dy*uni_y + dz*uni_z) #光源归一化
a2 = a2.clip(0,255)
im2 = Image.fromarray(a2.astype('uint8')) #重构图像
im2.save('C:\\Users\\pc\\Desktop\\sdurj2.jpg')

原图 （sdurj1.jpg）
手绘图（sdurj2.jpg）

2.4、验证9.3.2 微实例9.1-9.3，实例18.1

#m9.1PlotTriangle.py
import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0,6,100)
y=np.cos(2*np.pi*x)*np.exp(-x)+0.8
plt.plot(x,y,'k',color='r',linewidth=3,linestyle="-")
plt.show()

验证结果：

#m9.2PlotCoordinate.py
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family']=['SimHei']
matplotlib.rcParams['font.sans-serif']=['SimHei']
plt.plot([1,2,4],[1,2,3])
plt.title("坐标系标题")
plt.xlabel('时间(s)')
plt.ylabel('范围(m)')
plt.xticks([1,2,3,4,5],[r'$\pi/3$',r'$2\pi/3$',r'$\pi$',\
           r'$4\pi/3$',r'$5\pi/3$'])
plt.show()

验证结果：

#m9.3PlotDarkCoordinate.py
import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(0,10,1000)
y=np.cos(2*np.pi*x)*np.exp(-x)+0.8
plt.plot(x,y,'k',color='r',label="$exp-decay$",linewidth=3)
plt.axis([0,6,0,1.8])
ix=(x>0.8)&(x<3)
plt.fill_between(x,y,0,where=ix,\
                 facecolor='grey',alpha=0.25)
plt.text(0.5*(0.8+3),0.2,r"$\int_a^b f(x)\mathrm{d}x$",\
         horizontalalignment='center')
plt.legend()
plt.show()

验证结果：

#e18.1PlotDamping.py
import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.rcParams['font.family']=['SimHei']
matplotlib.rcParams['font.sans-serif']=['SimHei']
def Draw(pcolor,nt_point,nt_text,nt_size):
    plt.plot(x,y,'k',color=pcolor,label="$exp-decay$",\
             linewidth=3,linestyle="-")
    plt.plot(x,z,"b--",label="$cos(x^2)$",linewidth=1)
    plt.xlabel('时间(s)')
    plt.ylabel('幅度(mV)')
    plt.title("阻尼衰减曲线绘制")
    plt.annotate('$\cos(2 \pi t) \exp(-t)$',xy=nt_point,\
                 xytext=nt_text,fontsize=nt_size,arrowprops=\
                 dict(arrowstyle='->',connectionstyle="arc3,rad=.1"))
def Shadow(a,b):
    ix=(x>a)&(x<b)
    plt.fill_between(x,y,0,where=ix,facecolor='grey',alpha=0.25)
    plt.text(0.5*(a+b),0.2,r"$\int_a^b f(x)\mathrm{d}x$",\
         horizontalalignment='center')
def XY_Axis(x_start,x_end,y_start,y_end):
    plt.xlim(x_start,x_end)
    plt.ylim(y_start,y_end)
    plt.xticks([np.pi/3,2*np.pi/3,1*np.pi,4*np.pi/3,5*np.pi/3],\
               ['$\pi/3$','$2\pi/3$','$\pi$','$4\pi/3$','$5\pi/3$'])    
x=np.linspace(0.0,6.0,100)
y=np.cos(2*np.pi*x)*np.exp(-x)+0.8
z=0.5*np.cos(x**2)+0.8
note_point,note_text,note_size=(1,np.cos(2*np.pi)*\
                                np.exp(-1)+0.8),(1,1.4),14
fig=plt.figure(figsize=(8,6),facecolor="white")
plt.subplot(111)
Draw("red",note_point,note_text,note_size)
XY_Axis(0,5,0,1.8)
Shadow(0.8,3)
plt.legend()
plt.savefig('sample.JPG')
plt.show()

验证结果：

2.5、9.6 中的验证实例19.1

#e19.1DrawDotaRadar.py
import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.rcParams['font.family']=['SimHei']
matplotlib.rcParams['font.sans-serif']=['SimHei']
labels=np.array(['综合','KDA','发育','推进','生存','输出'])
nAttr=6
data=np.array([7,5,6,9,8,7])
angles=np.linspace(0,2*np.pi,nAttr,endpoint=False)
data=np.concatenate((data,[data[0]]))
angles=np.concatenate((angles,[angles[0]]))
fig=plt.figure(facecolor="white")
plt.subplot(111,polar=True)
plt.plot(angles,data,'bo-',color='g',linewidth=2)
plt.fill(angles,data,facecolor='g',alpha=0.25)
plt.thetagrids(angles*180/np.pi,labels)
plt.figtext(0.52,0.95,'DOTA能力值雷达图',ha='center')
plt.grid(True)
plt.savefig('dota_radar.JPG')
plt.show()

验证结果：

②设计型练习：教材P259的 9.3,9.4,9.5
9.3、（通过修改相应参数得到想要的效果）

from PIL import Image
import numpy as np
vec_el = np.pi/2
vec_az = np.pi/2
depth = 10
im = Image.open('C:\\Users\\pc\\Desktop\\哪吒.jpg').convert('L')
a = np.asarray(im).astype('float')
grad = np.gradient(a)
grad_x, grad_y = grad
grad_x = grad_x*depth/40.
grad_y = grad_y*depth/40.
dx = np.cos(vec_el)*np.cos(vec_az) 
dy = np.cos(vec_el)*np.sin(vec_az)
dz = np.sin(vec_el) 
A = np.sqrt(grad_x**2 + grad_y**2 + 1.)
uni_x = grad_x/A
uni_y = grad_y/A
uni_z = 1./A
a2 = 255*(dx*uni_x + dy*uni_y + dz*uni_z)
a2 = a2.clip(0,255)
im2 = Image.fromarray(a2.astype('uint8'))
im2.save('C:\\Users\\pc\\Desktop\\哪吒手绘.jpg')

验证结果：
原图:（cr微博@随手保存SE）
手绘版:

9.4、

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
import math
matplotlib.rcParams['font.family']=['SimHei']
matplotlib.rcParams['font.sans-serif']=['SimHei']
def Draw(pcolor,nt_point,nt_text,nt_size):   
    plt.axhline(y=0,color='black',linewidth=2,linestyle='--')#绘制水平直线
    plt.plot(x,y,'k',color=pcolor,label="$sin(x)$",\
             linewidth=3,linestyle="-")
    plt.plot(x,z,"b-",label="$cos(x)$",linewidth=3)
    plt.xlabel('x')
    plt.ylabel('y')
    plt.title("三角函数曲线绘制")
def XY_Axis(x_start,x_end,y_start,y_end):
    plt.xlim(x_start,x_end)
    plt.ylim(y_start,y_end)
    plt.xticks([0,np.pi/2,np.pi,3*np.pi/2,2*np.pi],\
               ['$0$','$\pi/2$','$\pi$','$3\pi/2$','$2\pi$'])    

x=np.linspace(0.0,8.0,100)
y=np.sin(x)
z=np.cos(x)
note_point,note_text,note_size=(1,np.cos(2*np.pi)*\
                                np.exp(-1)+0.8),(1,1.4),14
fig=plt.figure(figsize=(8,6),facecolor="white")
plt.subplot(111)
Draw("red",note_point,note_text,note_size)
XY_Axis(0,np.pi/2,-1.2,1.2)
plt.legend()
plt.show()

验证结果：

9.5、

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.rcParams['font.family']=['SimHei']
matplotlib.rcParams['font.sans-serif']=['SimHei']
labels=np.array(['综合','发球','杀球','胜率'])
nAttr=4
data=np.array([7,6,8,5])
angles=np.linspace(0,2*np.pi,nAttr,endpoint=False)
data=np.concatenate((data,[data[0]]))
angles=np.concatenate((angles,[angles[0]]))
fig=plt.figure(facecolor="white")
plt.subplot(111,polar=True)
plt.plot(angles,data,'bo-',color='b',linewidth=2)
plt.fill(angles,data,facecolor='b',alpha=0.25)
plt.thetagrids(angles*180/np.pi,labels)
plt.figtext(0.52,0.95,'乒乓球选手雷达图',ha='center')
plt.grid(True)
plt.show()

验证结果：