【小白程序圆python学习记】数据可视化

数据可视化

import matplotlib

折线图

#创建折线图
import matplotlib.pyplot as plt
squres=[1,4,9,16,25]
plt.plot(squres)
plt.show()


#修改标签文字和线条粗细
plt.plot(squres,linewidth=5)
plt.show()


#添加图表标题,给坐标轴加标签
import matplotlib.pyplot as plt
squres=[1,4,9,16,25]
plt.plot(squres)
plt.title("Squre Numbers",fontsize=10)
plt.xlabel("Value",fontsize=10)
plt.ylabel("Squre of Value",fontsize=10)
#设置刻度标记大小
plt.tick_params(axis="both",labelsize=10)
plt.show()

#校正图形
input_values=[1,2,3,4,5]
squres=[1,4,9,16,25]
plt.plot(input_values,squres,linewidth=5)

散点图

#绘制单个散点图
plt.scatter(2,4)
plt.show()

#调整图形
plt.scatter(2,4,s=50)#调整点的大小
plt.show()

plt.scatter(2,4,s=50)
plt.title("Squre Scatter",fontsize=10)
plt.xlabel("Value",fontsize=10)
plt.ylabel("Squre of Value",fontsize=10)
plt.tick_params(axis="both",which="major",labelsize=10)
plt.show()

# 绘制多个散点图
x_values=[1,2,3,4,5]
y_values=[1,4,9,16,25]
plt.scatter(x_values,y_values,s=50)

自动计算数据

x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]
plt.scatter(x_values,y_values,s=10)

删除黑色轮廓

plt.scatter(x_values,y_values,edgecolor="none",s=10)

自定义颜色

plt.scatter(x_values,y_values,c="red",edgecolor="none",s=10)

#使用RGB三原色绘图
plt.scatter(x_values,y_values,c=(1,0.5,0.8),edgecolor="none",s=10)

plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Reds,edgecolor="none",s=10)

自动保存图表

plt.savefig("squres_plot.png",bbox_inches="tight")   #以XX名字命名图片,把边缘白色剪掉

随机漫步

from random import choice
class RandomWalk():
    def __init__(self,num_points=5000):
        self.num_points=num_points
        
        self.x_values=[0]  #漫步始于[0,0]
        self.y_values=[0]
    
    def fill_walk(self):
        while len(self.x_values)<self.num_points:
            x_direction=choice([1,-1])
            x_distance=choice([0,1,2,3,4])
            x_step=x_direction*x_distance
            
            y_direction=choice([1,-1])
            y_distance=choice([0,1,2,3,4])
            y_step=y_direction*y_distance
            
            if x_step==0 and y_step==0:
                continue
            
            next_x=self.x_values[-1]+x_step
            next_y=self.y_values[-1]+y_step
            
            self.x_values.append(next_x)
            self.y_values.append(next_y)
import matplotlib.pyplot as plt
rw=RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values,rw.y_values,s=15)

模拟多次随机漫步

while True:
    rw=RandomWalk()
    rw.fill_walk()
    plt.scatter(rw.x_values,rw.y_values,s=15)
    plt.show()
    keep_running=input("Make another walk?(y/n):")
    if keep_running=="n":
        break
Make another walk?(y/n):n

设置随机漫步图样式

#着色
while True:
    rw=RandomWalk()
    rw.fill_walk()
    
    point_numbers=list(range(rw.num_points))
    plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Reds,edgecolor="none",s=10)
    plt.show()
    
    keep_running=input("Make another walk?(y/n):")
## 重新绘制起点和终点
while True:
    plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolor="none",s=10)
    plt.scatter(0,0,c="green",edgecolors="none",s=50)
    plt.scatter(rw.x_values[-1],rw.y_values[-1],c="red",edgecolors="none",s=50)
    keep_running=input("Make another walk?(y/n):")
## 隐藏坐标轴 
while True:
    plt.scatter(rw.x_values[-1],rw.y_values[-1],c="red",edgecolors="none",s=50)
    plt.axes().get_xaxis().set_visible(False)
    plt.axes().get_yaxis().set_visible(False)
    plt.show()
## 增加点数
rw=RandomWalk(5000)
rw.fill_walk()
point_numbers=list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,s=10)
plt.show()
##调整尺寸以适应屏幕
rw=RandomWalk()
rw.fill_walk()
plt.figure(figsize=(10,6))
plt.show()

使用pygal模拟掷骰子

from random import randint
class Die():
    def __init__(self,num_sides=6):
        self.num_sides=num_sides
    
    def roll(self):
        return randint(1,self.num_sides)
die=Die()
results=[]
for roll_num in range(1,100):
    result=die.roll()
    results.append(result)

print(results)
[6, 6, 2, 5, 2, 3, 4, 1, 6, 3, 4, 1, 6, 1, 3, 5, 5, 3, 4, 6, 4, 2, 5, 5, 4, 4, 5, 4, 2, 2, 4, 4, 1, 2, 4, 3, 4, 5, 2, 5, 4, 2, 5, 3, 5, 6, 2, 6, 5, 2, 1, 4, 2, 1, 2, 4, 4, 5, 6, 5, 3, 6, 3, 3, 5, 3, 6, 4, 4, 3, 6, 2, 6, 2, 6, 6, 6, 2, 6, 4, 5, 4, 3, 2, 5, 5, 2, 6, 6, 5, 6, 2, 6, 1, 2, 2, 1, 1, 2]
##计算每个点出现的次数
result=[]
for roll_num in range(1000):
    result=die.roll()
    results.append(result)

frequencies=[]
for value in range(1,die.num_sides+1):
    frequency=results.count(value)
    frequencies.append(frequency)

print(frequencies)
[172, 184, 195, 207, 153, 188]
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有忆功能,能够捕捉数据中的时间依赖性。 5. **长短期忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论 3
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