其它課程中的python---四、Matplotlib最最最最簡單使用

其它課程中的python---四、Matplotlib最最最最簡單使用

1、總結

一句話總結：

慢慢來吧，不着急，心態平和和沉穩：每次和世界交互，你就能感覺到無比的自信

 

一、如何區別python2和python3的pip？

已經幫你弄好了：分別打開python安裝目錄的Script，裏面pip2，pip3啥的都分別命名好了

 

二、在windows的電腦中安裝python2和python3以後，如何分別在命令行使用它們？

複製.exe，重命名：將python2安裝目錄下的python.exe複製一份重命名成python2，同理python3，而後這樣python2就能訪問到python2了

 

三、pycharm中如何使用 ipython？

安裝jupyter，matplotlib，sympy包

 

四、python中的 jupyter 是什麼？

交互式計算的命令shell：Jupyter Notebook提供了一個用於做爲Web應用程序的交互式計算的命令shell。

Jupyter Notebook提供了一個用於做爲Web應用程序的交互式計算的命令shell。該工具能夠與多種語言一塊兒使用，包括Python，Julia，R，Haskell和Ruby。它一般用於處理數據，統計建模和機器學習。 本教程將引導您設置Jupyter Notebook以在本地或從Ubuntu 16.04服務器運行，以及教您如何鏈接和使用筆記本。 Jupyter筆記本（或簡稱筆記本）是由Jupyter Notebook應用程序生成的文檔，包含計算機代碼和豐富的文本元素（段落，方程，數字，連接等），有助於呈現和共享可再現的研究。 在本指南結束時，您將可以使用運行在本地機器或遠程服務器上的Jupyter Notebook運行Python 3代碼。

 

五、numpy進行線性代數計算的函數有哪些？

dot  矩陣乘法

inv  計算方陣的逆

eig  計算方陣的本徵值和本徵向量

經常使用的numpy.linalg函數
diag  以一維數組的形式返回方陣的對角線（或非對角線）元素，或將一維數組轉換爲方陣（非對角線元素爲0）
dot  矩陣乘法
trace  計算對角線元素的和
det  計算矩陣行列式
eig  計算方陣的本徵值和本徵向量
inv  計算方陣的逆
pinv  計算矩陣的Moore-Penrose僞逆qr計算QR分解
svd  計算奇異值分解（SVD）
solve  解線性方程組Ax=b，其中A爲一個方陣lstsq計算Ax=b的最小二乘解

 

 

六、numpy如何讀入數據？

loadtxt方法：c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)

 

七、Matplotlib如何使用？

一、建立Figure對象：fig = plt.figure()

二、設置橫縱軸等相關信息：ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes',ylabel='Y-Axis', xlabel='X-Axis')

三、添加橫縱軸數據：ax.plot(x, y_sin)

四、顯示圖像：plt.show()

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
####建立Figure對象，理解成咱們須要一張畫板才能開始繪圖
fig = plt.figure()
ax = fig.add_subplot(111)
####設置橫縱軸等相關信息
ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes',
       ylabel='Y-Axis', xlabel='X-Axis')
x = np.linspace(0, 2*np.pi)
y_sin = np.sin(x)
####添加橫縱軸數據
ax.plot(x, y_sin)
####顯示圖像
plt.show()

 

 

 

2、Matplotlib如何使用（最簡單使用）

一、截圖

 

 

 

二、代碼

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
####建立Figure對象，理解成咱們須要一張畫板才能開始繪圖
fig = plt.figure()
ax = fig.add_subplot(111)
####設置橫縱軸等相關信息
ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes',
       ylabel='Y-Axis', xlabel='X-Axis')
x = np.linspace(0, 2*np.pi)
y_sin = np.sin(x)
####添加橫縱軸數據
ax.plot(x, y_sin)
####顯示圖像
plt.show()