构建神经网络之Matplotlib(持续完善)

server/2025/3/3 3:04:06/

1.plot

plot的数据是numpy数组

参数:

# 画单条线
plot([x], y, [fmt], *, data=None, **kwargs)
# 画多条线
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

 一个简单例子

import matplotlib.pyplot as plt
import numpy as npxpoints = np.array([1, 8])
ypoints = np.array([3, 10])plt.plot(xpoints, ypoints)
plt.show()

fmt包括:

颜色字符:'b' 蓝色,'m' 洋红色,'g' 绿色,'y' 黄色,'r' 红色,'k' 黑色,'w' 白色,'c' 青绿色,'#008000' RGB 颜色符串。多条曲线不指定颜色时,会自动选择不同颜色

线型参数:'‐' 实线,'‐‐' 破折线,'‐.' 点划线,':' 虚线。

标记字符:'.' 点标记,',' 像素标记(极小点),'o' 实心圈标记,'v' 倒三角标记,'^' 上三角标记,'>' 右三角标记,'<' 左三角标记...

import numpy as np
import matplotlib.pyplot as pltx = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.plot(x, y)plt.xlabel("x - label")
plt.ylabel("y - label")plt.show()#要下载中文字体

2.subplot

1.subplot

就是划分区域  

下面这个例子就是 2x2的区域

import matplotlib.pyplot as plt
import numpy as np#plot 1:
x = np.array([0, 6])
y = np.array([0, 100])plt.subplot(2, 2, 1)
plt.plot(x,y)
plt.title("plot 1")#plot 2:
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])plt.subplot(2, 2, 2)
plt.plot(x,y)
plt.title("plot 2")#plot 3:
x = np.array([1, 2, 3, 4])
y = np.array([3, 5, 7, 9])plt.subplot(2, 2, 3)
plt.plot(x,y)
plt.title("plot 3")#plot 4:
x = np.array([1, 2, 3, 4])
y = np.array([4, 5, 6, 7])plt.subplot(2, 2, 4)
plt.plot(x,y)
plt.title("plot 4")plt.suptitle("RUNOOB subplot Test")
plt.show()

2 subplots

import matplotlib.pyplot as plt
import numpy as np# 创建一些测试数据 -- 图1
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)# 创建一个画像和子图 -- 图2
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('Simple plot')# 创建两个子图 -- 图3 一行2列
f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
ax1.plot(x, y)
ax1.set_title('Sharing Y axis')
ax2.scatter(x, y)# 创建四个子图 -- 图4
fig, axs = plt.subplots(2, 2, subplot_kw=dict(projection="polar"))
axs[0, 0].plot(x, y)
axs[1, 1].scatter(x, y)

3.显示图像

imshow函数

imshow(X, cmap=None, norm=None, aspect=None,interpolation=None, alpha=None, vmin=None, vmax=None, 
origin=None, extent=None, shape=None, filternorm=1, 
filterrad=4.0, imlim=None, resample=None, url=None, *, data=None, **kwargs)

 cmap:颜色映射。用于控制图像中不同数值所对应的颜色。可以选择内置的颜色映射,如grayhotjet等,也可以自定义颜色映射。

import matplotlib.pyplot as plt
import numpy as np
from PIL import Image# 加载地图图像, 下载地址:https://static.jyshare.com/images/demo/map.jpeg
img = Image.open('map.jpg')# 转换为数组
data = np.array(img)# 绘制地图
plt.imshow(data)# 隐藏坐标轴
plt.axis('off')# 显示图像
plt.show()


http://www.ppmy.cn/server/171963.html

相关文章

C语言综合案例:学生成绩管理系统

C语言综合案例&#xff1a;学生成绩管理系统 需求 1.存储最多50名学生的信息&#xff08;不使用结构体&#xff09; 2.每个学生包含&#xff1a; 学号&#xff08;字符数组&#xff09;姓名&#xff08;字符数组&#xff09;3门课程成绩&#xff08;一维数组&#xff09; …

python中单例模式应用

数据库连接池单例模式 1. 为什么使用单例模式 创建数据库连接是一个昂贵的过程&#xff08;涉及网络通信、认证等&#xff09;。单例模式的连接池可以在程序启动时初始化一组连接&#xff0c;并在整个生命周期中重用这些连接&#xff0c;而不是每次请求都新建连接。同时还可…

uniapp中页面跳转及encodeURIComponent转码的使用详解

文章目录 一、uniapp页面跳转方法汇总1. uni.navigateTo2. uni.redirectTo3. uni.reLaunch4. uni.switchTab5. uni.navigateBack 二、encodeURIComponent转码的使用场景1. 参数中有特殊字符时2. 参数值可能变化时 一、uniapp页面跳转方法汇总 1. uni.navigateTo 保留当前页面…

DeepSeek R1 + 飞书机器人实现AI智能助手

效果 TFChat项目地址 https://github.com/fish2018/TFChat 腾讯大模型知识引擎用的是DeepSeek R1&#xff0c;项目为sanic和redis实现&#xff0c;利用httpx异步处理流式响应&#xff0c;同时使用buffer来避免频繁调用飞书接口更新卡片的网络耗时。为了进一步减少网络IO消耗&…

Python正则

1.正则表达式 1.1含义&#xff1a;记录文本规则的代码&#xff0c;字符串处理工具 注意&#xff1a;需要导入re模块 1.2特点&#xff1a; 1.语法比较负杂&#xff0c;可读性较差 2.通用性很强&#xff0c;适用于多种编程语言 1.3步骤&#xff1a; 1.导入re模块 import…

docker创建nginx

docker run -d -p 8080:80 --name my-nginx-container nginx docker&#xff1a;命令 run&#xff1a;命令 -d&#xff1a;在后台运行容器 -p&#xff1a;8080:80&#xff1a;将容器内部的80端口映射到宿主机的8080端口。 --name my-nginx-container&#xff1a;为容器指定一个…

Spring MVC 的执行流程

Spring MVC 是一个基于 Java 的请求驱动型 Web 框架&#xff0c;其核心设计围绕 前端控制器模式&#xff0c;通过 DispatcherServlet 协调各个组件处理 HTTP 请求。以下是其完整的执行流程&#xff0c;共分为 8 个核心步骤&#xff1a; 1. HTTP请求到达DispatcherServlet 入口…

Kafka 赋能高效消息队列管理:从原理到实战

Kafka 赋能高效消息队列管理:从原理到实战 作者:Echo_Wish 引言:为什么选择 Kafka? 在现代分布式系统中,消息队列已经成为微服务架构、实时数据处理、日志采集等场景的基石。而 Apache Kafka 以其高吞吐、低延迟、分布式存储的特性,成为众多大厂的首选。 那么,Kafka 究…