matplotlib中的rcParams[]用法

matplotlib中的plt.rcParams[]

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
%matplotlib inline    

# 生成数据
x = np.linspace(0, 4*np.pi)
y = np.sin(x)

plt.rcParams['figure.figsize'] = (5.0, 4.0)     # 显示图像的最大范围
plt.rcParams['image.interpolation'] = 'nearest' # 差值方式，设置 interpolation style
plt.rcParams['image.cmap'] = 'gray'             # 灰度空间

#设置rc参数显示中文标题
#设置字体为SimHei显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
#设置正常显示字符
plt.rcParams['axes.unicode_minus'] = False
plt.title('sin曲线')
#设置线条样式
plt.rcParams['lines.linestyle'] = '-.'
#设置线条宽度
plt.rcParams['lines.linewidth'] = 3
#绘制sin曲线
plt.plot(x, y, label='$sin(x)$')
 
# plt.savefig('sin.png')
# plt.show()

(2)numpy.random.seed()的使用

import numpy as np
for i in range(5):
    np.random.seed(i)
    print(np.random.random())
#np.random.seed(i)每次生成随机数的时候np.random.random()的随机数种子都不相同，种子是用来指定生成随机数时的随机算法开始的整数值
print("chapter two:")
np.random.seed(10)
for i in range(5):
    print(np.random.random())
#np.random.seed(10)只作为第一次生成随机数的时候的种子，后三次都是使用的系统的时间作为随机数种子
print("chapter three:")
for i in range(5):
    np.random.seed(10)
    print(np.random.random())
#三次生成随机数使用的种子都是相同的，所以生成的随机数相同

　(3)np.random.normal(loc,scale,size)   loc为正态分布的均值，scale为正态分布的标准差，size默认为None，表示输出一个值

(3)绘制云模型

np.zero((3,4))生成相应shape的值为0的多维数组

#coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
def forwardCloud(Ex,En,He,N):       #正向云模型（生成云）
    Y=np.zeros(N)
    X=np.random.normal(loc=En,scale=He,size=N)
    for i in range(N):
        tmp=X[i]
        X[i]=np.random.normal(loc=Ex,scale=np.abs(tmp),size=1)
        Y[i]=np.exp(-(X[i]-Ex)*(X[i]-Ex)/(2*tmp*tmp))
    plt.scatter(X,Y,label='111',color='r')
    model_title = 'cloud model:Ex:%.2f,En:%.2f,He:%.2f,num:%d' % (Ex, En, He, N)
    plt.xlabel('x')
    plt.ylabel('u-隶属度')
    plt.title(model_title)
    plt.grid(True)
    plt.show()
forwardCloud(0,1,0,400)
forwardCloud(0,1,0.1,200)
forwardCloud(1,0,0.1,200)
forwardCloud(1,1,0.1,200)