#0.matplotlib 小测

最新推荐文章于 2024-10-03 09:02:12 发布
最新推荐文章于 2024-10-03 09:02:12 发布
阅读量34 收藏
点赞数
文章标签： matplotlib python 开发语言
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/yangkelililili/article/details/130868212
版权
这段代码使用matplotlib库在Python中创建了一个图表，其中x轴坐标为[4,8,9,3,7]，y轴坐标为[3,1,4,5,2]。然后设置了y轴的标签为Grade，并将图表保存为dpi=600的jpg图片，最后在屏幕上显示了图形。
摘要由CSDN通过智能技术生成

import matplotlib.pyplot as plt
plt.plot([4,8,9,3,7],[3,1,4,5,2]) #在前面是x轴坐标后面时y轴坐标作图
plt.ylabel('Grade')          #显示y轴标签
plt.savefig('../R&Q_pic/test0.jpg',dpi=600)#保存图形图片
plt.show()                   #在坐标系里显示图形

 

yangkelililili
关注
[Python从零到壹] 十七.可视化分析之Matplotlib、Pandas、Echarts入门万字详解
杨秀璋的专栏
08-24 3万+
前一篇文章讲述了数据预处理、Jieba分词和文本聚类知识，这篇文章主要介绍Matplotlib和Pandas扩展包绘图的基础用法，同时引入Echarts技术，该技术主要应用于网站可视化展示中。本文内容以实例为主，给读者最直观的图形感受。两万字基础文章，希望对您有所帮助。
matplotlib.pyplot 拉弧测试
03-30
import matplotlib.pyplot as plt import numpy as np def f(t): 'A damped exponential' s1 = np.cos(2 * np.pi * t) e1 = np.exp(-t) return s1 * e1 t1 = np.arange(0.0, 5.0, .2) l = plt.plot(t1, f...
#1.matplotlib 综合小测
yangkelililili的博客
05-25 37
plt.show()
python,#1.matplotlib小测试
HalloJersey的博客
12-31 1581
#1.matplotlib小测试 import matplotlib.pyplot as plt #导入可视化库 plt.plot([4,1,4,5,2,7],[2,8,4,1,3,2]) #给图表拐点坐标赋值、（当一组数据是默认Y坐标，如果是俩组或以上为（x，y）） plt.savefig('test0',dpi=800) #保存图表到当前位置 plt.savefig('../picture/test0',dpi=800) #保存图表到指定位置 plt.axis([1,8,1,10]...
Python matplotlib小测试
Yadori的博客
12-30 1083
import matplotlib.pyplot as plt #导入绘图第三方库 plt.plot([4,1,5,3,2],[2,5,5,1,3,],[1,2],[5.2,1],[2,5,5,1,3,],[4,1,5,3,2]) #绘图形拐点坐标值，并绘制2D图形 plt.savefig('test1',dpi=600) #存储图形文件 plt.savefig('../picture/test1',dpi=600) plt.axis([0,6,-8,8]) #表示坐标轴上的极...
6. Matplotlib(四) - 画方程图像
m0_57190127的博客
01-12 1413
​
matplotlib实践(1)——使用函数绘制matplotlib的图标组成元素
AcceptGo的博客
05-12 820
文章目录0. 介绍1. 使用函数绘制matplotlib的图表组成元素1.1 绘制matplotlib图表组成元素的主要函数1.2 数据准备1.3 绘制`matplotlib`图表组成元素的函数1.3.1 函数`plot()`——展示变量的趋势变化1.3.2 函数`scatter()`——寻找变量之间关系1.3.3 函数`xlim()`——设置x轴的数值显示范围1.3.4 函数xlabel()——设置x轴的标签文本（y轴同）1.3.5 函数grid()——绘制刻度线网格线1.3.6 函数axhline()—
matplotlib.image和matplotlib.pyplot
bmzk123的博客
12-20 1778
matplotlib.image 图像模块支持基本的图像加载、重新缩放和显示操作。 来源：https://www.osgeo.cn/matplotlib/api/image_api.html 类 AxesImage class matplotlib.image.AxesImage(ax, cmap=None, norm=None, interpolation=None, origin=None, ...
Python 第十二篇 matplotlib综合测试
m1234l的博客
01-03 825
学习目标： 今天我们来学习通过python绘图将数据实现可视化，即numpy_matplotlib(科学计算与可视化) 接下来看代码 学习内容： import matplotlib.pyplot as plt #导入可视化库 plt.plot([4,1,4],[2,8,4],[2,8,4],[4,1,4]) #绘图表观点坐标赋值（当为一组数据是默认为y坐标，如果是两组或以上为（x,y）坐标） plt.savefig('test0',dpi=600)
matplotlib中rcParams()详解
m0_37134868的博客
05-06 4396
查看http://www.scipy.org/Wiki/Cookbook/Matplotlib/UsingTex #text.usetex : False # 所有文本都用latex来处理。
5.matplotlib绘制-meshgrid区域图-可视化ML
千寻的博客
02-21 3076
传入参数： 1）plt:调用对象中的pyplot。 如：import matplotlib.pyplot as plt 2）predict:调用对象中ML算法的predict函数，用于预测对X,Y构造网格后的预测。 如：clf = neighbors.KNeighborsClassifier(n_neighbors=15, weights='distance') 3）X, Y：绘图的参...
Matplotlib.pdf
04-22
Matplotlib是Python中一个非常著名的绘图库，广泛用于数据可视化领域。它为用户提供了多种编程接口来创建二维图表，包括折线图、散点图、直方图、饼图等多种图表类型。Matplotlib的设计灵感来源于MATLAB的绘图接口，...
matplotlib练习代码.zip
10-15
**matplotlib库介绍** matplotlib是Python中最常用的2D绘图库，它允许用户创建各种静态、动态甚至交互式的图形。这个名为"matplotlib练习代码.zip"的压缩包，显然是一个学习matplotlib库的好资源，其中包含了作者在...
（笔记）第三期书生·浦语大模型实战营（十一卷王场）--书生入门岛通关第2关Python 基础知识
haidizym的博客
10-02 403
学员闯关手册：https://aicarrier.feishu.cn/wiki/ZcgkwqteZi9s4ZkYr0Gcayg1n1g?课程视频：https://www.bilibili.com/video/BV1mS421X7h4/课程文档：https://github.com/InternLM/Tutorial/tree/camp3/docs/L0/Python。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1061
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
酷炫音乐盒: 使用Python和Tkinter配合Pygame打造自己的音乐播放器
宇宙第一小趴菜的博客
09-29 1192
Tkinter是一个功能强大且简单易用的库，适合构建轻量级的GUI应用程序。它在不同的操作系统上具有相同的外观和行为，因此可以实现跨平台的应用程序。当然，Tkinter还有更多的功能和细节，通过阅读官方文档和教程，你可以更深入地了解和学习如何运用Tkinter来创建各种GUI应用程序。
Python | Leetcode Python题解之第448题找到所有数组中消失的数字
Mopes__的博客
10-01 360
Python | Leetcode Python题解之第448题找到所有数组中消失的数字
Python编写的贪吃蛇小游戏
最新发布
WwLK123的博客
10-03 298
Python编写贪吃蛇小游戏。
Python/大数据/机器识别毕业设计选题题目推荐
初尘屿风的博客
09-27 1054
基于Python和Diango在线购物商城系统+报告文档+指导搭建视频基于深度学习的人脸识别与管理系统，Python实现基于Python/机器学习链家网新房数据可视化及预测系统Python豆瓣电影情感分析推荐系统+爬虫+可视化，过滤算法基于python的django框架生鲜商城管理系统设计与实现基于Python的Flask微博话题舆情分析可视化系统设计基于Python豆瓣电影数据可视化分析系统+毕业论文+指导搭建视频基于Python天气预报数据可视化分析系统+毕业论文基于Python的深度学习音乐推荐系统+
import pandas as pd import numpy as np import matplotlib.pyplot as plt import sklearn.model_selection as sM_S import sklearn.preprocessing as sP import sklearn.tree as sT import sklearn.metrics as sM import sklearn.naive_bayes as sNB #1读取数据 data_train = pd.read_excel("train data.xlsx") # 1.1剔除无关列 data = data_train.iloc[:,3:-1] #2预处理 data = data.dropna() #3.数据预处理：空值处理，值映射（分段），归一化/标准化 X = data.iloc[:,0:-1] y = data.iloc[:,-1] mms = sP.MinMaxScaler() X = mms.fit_transform(X) #4.分割数据集和测试集 x_train,x_text,y_train,y_text = sM_S.train_test_split(X,y,test_size=0.33,random_state=42) #5.选择模型 model = sT.DecisionTreeClassifier(max_depth=7) #6.训练模型 model.fit(x_train,y_train) #7.评价模型，赛事要求用F1 y_predict = model.predict(x_text) score = sM.f1_score(y_predict,y_text,average="macro") print("预处理：{} 模型：{} 参数：{} 得分：{}".format("均值填充处理_归一化","决策树","max_depth=7",score)) # 8.应用模型--预测 trainData = pd.read_excel("train data.xlsx") trainData = pd.DataFrame(trainData) trainData = trainData.iloc[:, 3:-2] trainData = trainData.dropna() # 删除空值行 val_data = trainData val_data = mms.fit_transform(val_data) print("预测 train data.xlsx 的结果为：", model.predict(val_data)) 以上这段代码能运行吗？
05-30
这段代码存在语法错误，主要是因为第一行导入多个库时没有使用分号或换行符分割。以下是修正后的代码： ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt import sklearn.model_selection as sM_S import sklearn.preprocessing as sP import sklearn.tree as sT import sklearn.metrics as sM import sklearn.naive_bayes as sNB # 1.读取数据 data_train = pd.read_excel("train data.xlsx") # 1.1剔除无关列 data = data_train.iloc[:, 3:-1] # 2.预处理 data = data.dropna() # 3.数据预处理：空值处理，值映射（分段），归一化/标准化 X = data.iloc[:, 0:-1] y = data.iloc[:, -1] mms = sP.MinMaxScaler() X = mms.fit_transform(X) # 4.分割数据集和测试集 x_train, x_test, y_train, y_test = sM_S.train_test_split(X, y, test_size=0.33, random_state=42) # 5.选择模型 model = sT.DecisionTreeClassifier(max_depth=7) # 6.训练模型 model.fit(x_train, y_train) # 7.评价模型，赛事要求用F1 y_predict = model.predict(x_test) score = sM.f1_score(y_predict, y_test, average="macro") print("预处理：{} 模型：{} 参数：{} 得分：{}".format("均值填充处理_归一化", "决策树", "max_depth=7", score)) # 8.应用模型--预测 trainData = pd.read_excel("train data.xlsx") trainData = pd.DataFrame(trainData) trainData = trainData.iloc[:, 3:-2] trainData = trainData.dropna() # 删除空值行 val_data = trainData val_data = mms.fit_transform(val_data) print("预测 train data.xlsx 的结果为：", model.predict(val_data)) ``` 请注意，这段代码的运行还需要保证 train data.xlsx 文件存在，并且其中的数据格式与代码中的数据格式一致。
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