一、介绍
在进入人工智能之后,我们会发现人工智能与数据的关系非常密切,而数据则需要通过一些简单实用的库来进行庞大的数据处理,而且庞大的数据基本上以数组或者矩阵的形式,所以我们需要学习 Numpy、Matplotlib 等 Pyplot 库。
Matplotlib 是 Python 的绘图库。它可与 NumPy一起使用,提供了一种有效的 MatLab开源替代方案。它也可以和图形工具包一起使用,如PyQt和wxPython。
Numpy (Numerical Python extensions)是一个第三方的Python 包,用于科学计算。这个库的前身是1995年就开始开发的一个用于数组运算的库。经过了长时间的发展,基本上成了绝大部分 Python 科学计算的基础包,当然也包括所有提供 Python 接口的深度学习框架。
二、安装Matplotlib、Pyplot和Numpy库
在树莓派可以联网的情况下,我们采用 apt-get 来进行安装:
sudo apt-get install python3-matplotlib
sudo apt-get install python3-numpy
在中途弹出提示是否继续执行,输入Y,确定继续执行。安装完成后,我们可以测试一下,通过 Jupyter Lab 中自带的Terminal,运行 python3,然后输入如下代码,确保安装成功。
终端测试是否安装成功
三、绘制函数
给出下面一段源程序代码进行运行来绘制函数:
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(0,2*np.pi,.1)
y=np.sin(x)
y2=np.cos(x)
y3=np.square(x)+4
plt.grid(True)
plt.xlabel('My X Values')
plt.ylabel('My Y Values')
plt.title('My First Graph')
#plt.axis([0,5,2,11])
plt.plot(x,y,'b-^',linewidth=3,markersize=7,label='Sin(x)')
plt.plot(x,y2,'r-^',linewidth=3,markersize=7,label='Cos(x)')
#plt.plot(x,y3,'g-^',linewidth=3,markersize=7,label='Green Line')
plt.legend(loc='upper center')
plt.show()
点击运行一步一步地运行代码,得到如下图所示函数图:
运行完成之后一定记得清除内核的运行,否则会在后台一直运行,从而干扰其他程序的运行。
清除内核
本章节先简单介绍库的安装和使用,后面就开始进行相关程序项目实验。