其它课程中的python---4、Matplotlib最最最最简单使用

其它课程中的python---4、Matplotlib最最最最简单使用

一、总结

一句话总结：

慢慢来吧，不着急，心态平和和沉稳：每次和世界交互，你就能感受到无比的自信

 

1、如何区别python2和python3的pip？

已经帮你弄好了：分别打开python安装目录的Script，里面pip2，pip3啥的都分别命名好了

 

2、在windows的电脑中安装python2和python3之后，如何分别在命令行使用它们？

复制.exe，重命名：将python2安装目录下的python.exe复制一份重命名成python2，同理python3，然后这样python2就能访问到python2了

 

3、pycharm中如何使用 ipython？

安装jupyter，matplotlib，sympy包

 

4、python中的 jupyter 是什么？

交互式计算的命令shell：Jupyter Notebook提供了一个用于作为Web应用程序的交互式计算的命令shell。

Jupyter Notebook提供了一个用于作为Web应用程序的交互式计算的命令shell。该工具可以与多种语言一起使用，包括Python，Julia，R，Haskell和Ruby。它通常用于处理数据，统计建模和机器学习。 本教程将引导您设置Jupyter Notebook以在本地或从Ubuntu 16.04服务器运行，以及教您如何连接和使用笔记本。 Jupyter笔记本（或简称笔记本）是由Jupyter Notebook应用程序生成的文档，包含计算机代码和丰富的文本元素（段落，方程，数字，链接等），有助于呈现和共享可再现的研究。 在本指南结束时，您将能够使用运行在本地机器或远程服务器上的Jupyter Notebook运行Python 3代码。

 

5、numpy进行线性代数计算的函数有哪些？

dot  矩阵乘法

inv  计算方阵的逆

eig  计算方阵的本征值和本征向量

常用的numpy.linalg函数
diag  以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换为方阵（非对角线元素为0）
dot  矩阵乘法
trace  计算对角线元素的和
det  计算矩阵行列式
eig  计算方阵的本征值和本征向量
inv  计算方阵的逆
pinv  计算矩阵的Moore-Penrose伪逆qr计算QR分解
svd  计算奇异值分解（SVD）
solve  解线性方程组Ax=b，其中A为一个方阵lstsq计算Ax=b的最小二乘解

 

 

6、numpy如何读入数据？

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

 

7、Matplotlib如何使用？

1、创建Figure对象：fig = plt.figure()

2、设置横纵轴等相关信息：ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes',ylabel='Y-Axis', xlabel='X-Axis')

3、添加横纵轴数据：ax.plot(x, y_sin)

4、显示图像：plt.show()

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
####创建Figure对象，理解成我们需要一张画板才能开始绘图
fig = plt.figure()
ax = fig.add_subplot(111)
####设置横纵轴等相关信息
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)
####添加横纵轴数据
ax.plot(x, y_sin)
####显示图像
plt.show()

 

 

 

二、Matplotlib如何使用（最简单使用）

1、截图

 

 

 

2、代码

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
####创建Figure对象，理解成我们需要一张画板才能开始绘图
fig = plt.figure()
ax = fig.add_subplot(111)
####设置横纵轴等相关信息
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)
####添加横纵轴数据
ax.plot(x, y_sin)
####显示图像
plt.show()