本文目录一览:
- python画图的问题~
- [Python 的Tkinter 如何画线?线框?](#Python 的Tkinter 如何画线?线框?)
- [python 怎么画cost function的轮廓线 机器学习](#python 怎么画cost function的轮廓线 机器学习)
- python怎么画曲线
- [python matplotlib箱线图](#python matplotlib箱线图)
python画图的问题~
在Word中画三角形的角平分线、高、中线:
- 执行“视图/工具栏/绘图”命令,调出“绘图”工具栏;
- 在“绘图”工具栏上点击“绘图/绘图网格”打开“绘图网格”对话框;
- 在对话框中进行“网格设置”“水平间距”“0.86行”、“垂直间距”“0.6行”,选中“在屏幕上显示网格线”“垂直间隔”“2”、“水平间隔”“2”;
- 单击“确定”按钮,文档中显示绘图网格线;
- 根据网格线绘制三角形的角平分线、高、中线(画线用“绘图”工具栏上的“直线”工具);
- 把绘制的三角形、角平分线、高、中线同时选中,并右击,执行“组合/组合”快捷菜单命令,把所绘制图形组合在一起,便于图形整体移动。
Python 的Tkinter 如何画线?线框?
如下解决方案:
listBox, column=0! /%i)
self, sticky=N)
self;python
# -*- coding:
self;usr/, column=2, height=1)
self;bin/Item%d'.grid(row=0.listBox.insert(i: utf8 -*-
from Tkinter import *
class Select(Frame).label = Label(self, 1][self.listBox, master)
self:
self:
def __init__(self.listBox.hideList = True
for i in xrange(10).buttonTkinter居然没有这种组件, column=1;)
self.triggle)
self.listBox = Listbox(self.grid(row=0:
Frame.config(height=[self, text=', text=quot.size().grid()
def triggle(self).label.grid(row=0, command=self, '.__init__(self, sticky=N)
self.hideList ^= 1
self, master=None),所以就只能模拟了
#;V'选择项目quot, sticky=N)
self.button = Button(self.hideList])
app = Select()
app
python 怎么画cost function的轮廓线 机器学习
在PS软件用钢笔工具即可。方法1、用钢笔或多边形套索工具把边缘描出,然后在选区填充。方法2、新建一个文档,像素要低,透明背景,然后不管用钢笔还是多边形套索工具,绘制出一段那张图中边,只要一段就好,可以画的长一点,然后再编辑--定义画笔预设--起个名字--确定,然后就成了众多画笔中的一个了。结论:用钢笔或是多边形套索工具会更自由些,要什么样的就画出什么样的,如果是现有的笔触,就不好控制了。在coreldraw中也可以,除了现有的笔触,还可用类似于ps中钢笔的贝兹曲线工具,自己控制形状。
python怎么画曲线
打开Python,使用import导入numpy和matplotlib.pyplot模块。输入函数数据,然后使用plt.show()展示绘制的图像即可。
python matplotlib箱线图
参考链接: 箱线图,又称箱形图(boxplot)或盒式图,不同于一般的折线图、柱状图或饼图等传统图表,只是数据大小、占比、趋势等等的呈现,其包含一些统计学的均值、分位数、极值等等统计量,因此,该图信息量较大,不仅能够分析不同类别数据平均水平差异(需在箱线图中加入均值点),还能揭示数据间离散程度、异常值、分布差异等等。 在python中常用matplotlib的boxplot来绘制,最简单绘制的如下:
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
np.random.seed(2) # 设置随机种子
df = pd.DataFrame(np.random.rand(5,4), columns=['A','B','C','D']) # 先生成0-1之间的5*4维度数据,再装入4列DataFrame中
df.boxplot() # 也可用plot.box()
plt.show()
Paste_Image.png 从图形可以看出,A、B、C、D四组数A、D数据较集中(大部分在上下四分位箱体内),但都有异常值,C的离散程度最大(最大值与最小值之间距离),以均值为中心,B分布都有明显右偏(即较多的值分布在均值的右侧),A、C则有明显左偏。 (2) 从分析的角度来说,上面boxplot最初始图形已经够用,但是在matplotlib库下boxplot函数中包含n多参数,涉及到对框的颜色及形状、线段线型、均值线、异常点的形状大小等等设置,由于大多并不常用,用了几个常用参数,作图如下:
df.boxplot(sym='r*', vert=False, patch_artist=True, meanline=False, showmeans=True)
plt.show()
Paste_Image.png 其中,sym='r*', 表示异常点的形状, vert=False,表示横向还是竖向(True), patch_artist=True,(上下四分位框内是否填充,True为填充) meanline=False, showmeans=True,是否有均值线及其形状,meanline=True时,均值线也像中位数线一样是条红色线段,这样容易与中位数线混淆。 另外,还有其他参数,比如notch表示中间箱体是否缺口,whis为设置数据的范围,showcaps、showbox是否显示边框,可以参见,如该网页中图形: Paste_Image.png 左上图是默认图形,中上、右上是显示均值点及形状,左下是是否显示箱体边框,中下是带缺口的箱体,右下是是否显示异常值。 (3) 前边说过,很多参数使用很少,但对于图形来说,可能还能用到的就是美化,比如各条线的颜色,粗细程度等等。这里可用for循环来构造。
f = df.boxplot(sym='r*', patch_artist=True)
for box in f['boxes']:
# 箱体边框颜色
box.set(color='#7570b3', linewidth=2)
# 箱体内部填充颜色
box.set(facecolor='#1b9e77')
for whisker in f['whiskers']:
whisker.set(color='r', linewidth=2)
for cap in f['caps']:
cap.set(color='g', linewidth=3)
for median in f['medians']:
median.set(color='DarkBlue', linewidth=3)
for flier in f['fliers']:
flier.set(marker='o', color='y', alpha=0.5)
plt.show()
Paste_Image.png 其中,boxes, 是25分位值和75分位值构成的box, medians, 是中位值的横线, 每个median是一个Line2D对象 whiskers, 是指从box 到error bar之间的竖线. fliers, 是指error bar线之外的离散点. caps, 是指error bar横线. means, 是均值的横线, (4) 还可以做子图,如我们在最开始的DataFrame数据中加入分类数据列:
df['E'] = np.random.choice(['X','Y'], size=20) # 加入以X、Y随机分类的E列
print(df)
plt.figure()
df.boxplot(by='E')
plt.show()
Paste_Image.png 这样我们就可以比较,不同类别X、Y在同一列下的数据分布情况及其差异。 链接: 来源: