python读取.mat、matplotlib绘制折线图

YALE和COIL20数据集的可视化(Python实现) 本文使用的数据集是YALE_32X32.mat和COIL20.mat数据集,这两个数据集应该是很容易就可以得到的。这里给出两个数据集链接 https://pan.baidu.com/s/1wrBpIHUjC9tCwGwVPKMPNg 提取码:s45a 用Python来可视化数据集其实很简单当然也可以用C++或Matlab可视化也可以的,但是本人偏向于喜欢用Python来而且Python的优点很多接... 阅读详情
from scipy.io import loadmat
import matplotlib.pyplot as plt
import numpy as np


mat_path = "/mnt/data/dataset/test.mat"

data = loadmat(mat_path)

#print(type(data))
list_obj1_x_t = []
for key, value in data.items():
    if key.startswith("obj1_x_t"):


        h = value.shape[0]
        for i in range(h):
            list_obj1_x_t.append(value[i][0])
            
len_obj1_x = len(list_obj1_x_t)

y_data = [x for x in range(len_obj1_x)]


#设定画布。dpi越大图越清晰,绘图时间越久
fig=plt.figure(figsize=(8, 4), dpi=800)

plt.plot(y_data,list_obj1_x_t,'r-', alpha=0.5, linewidth=0.5, label='obj1_x')
# plot中参数的含义分别是横轴值,纵轴值,线的形状('s'方块,'o'实心圆点,'*'五角星   ...,颜色(r),透明度,线的宽度和标签 ,
plt.legend()
plt.xlabel('number') #x_label
plt.ylabel('x')#y_label

#show出图形
#plt.show()
fig.savefig('save.jpg')

在这里插入图片描述

线条设置

字符 类型 字符 类型
‘-’ 实线
‘–’ 虚线
‘-.’ 虚点线
‘:’ 点线
‘.’ 点
‘,’ 像素点
‘o’ 圆点
‘v’ 下三角点
‘^’ 上三角点
‘<’ 左三角点
‘>’ 右三角点
‘1’ 下三叉点
‘2’ 上三叉点
‘3’ 左三叉点
‘4’ 右三叉点
‘s’ 正方点
‘p’ 五角点
‘*’ 星形点
‘h’ 六边形点1
‘H’ 六边形点2
‘+’ 加号点
‘x’ 乘号点
‘D’ 实心菱形点
‘d’ 瘦菱形点
‘_’ 横线点

颜色color:表示颜色的字符参数有

字符 颜色
‘b’ 蓝色,blue
‘g’ 绿色,green
‘r’ 红色,red
‘c’ 青色,cyan
‘m’ 品红,magenta
‘y’ 黄色,yellow
‘k’ 黑色,black
‘w’ 白色,white

Python读取mat(matlab数据文件)并画图 Python读取mat(matlab数据文件)并画图。 效果图: 代码: import matplotlib.pyplot as plt import numpy as np import scipy.io plt.rcParams['axes.unicode_minus'] = False #显示负号 data_snr = scipy.io.loadmat(r'C:\Users\Administrator\Desktop\mat1\angle1.mat') # 横坐标数据,读取mat文件 data 阅读详情

相关推荐

如何在python中读取matlab输出的.mat文件

经常会使用matlab处理数据,比如之前在进行空间滤波发现matlab自带的空间滤波函数。但是,由于后续使用python绘图更熟练一点,所以涉及到在python中读取matlab输出的文件,一般以.mat文件为主。下面测试了几种读取方式,选了一个比较好用的方式。这里简单将读取的.mat1、array数组(如网格数据)2、str字符串列表(如网页链接)总体上,比较了对于纯数组array以及纯字符str输出的mat文件在python中的读取方式。对于array输出的mat文件,推荐使用。

【更新于公众号 | 简谱学记】 1379

python读取mat格式文件或直接读取matlab工作区中的变量

总结如何利用python读取mat格式文件,或直接读取matlab工作区中的变量进行绘图。

qq_47647762的博客 2774

C++数据可视化实战:Qt、OpenGL与Matplotlib混合架构全解析

数据可视化是将抽象数据转化为直观图形的关键技术,广泛应用于数据分析、工业监控和科学计算等领域。其核心原理在于通过图形渲染引擎将数值映射为视觉元素,从而揭示数据内在的模式与趋势。在C++高性能计算场景中,可视化技术价值尤为突出,它能够实现零开销抽象、低延迟渲染,并与现有系统深度集成。常见的应用场景包括实时流数据处理、工业级应用界面构建以及科学计算结果的图形展示。针对这些需求,开发者通常需要根据项目特点在多种工具链中做出抉择。例如,Qt框架适合快速开发带交互界面的桌面应用,其QChart模块和QCustomPl

cuiji1279的博客 433

使用Python实现.mat文件转换、读取

有时候我们拿到一个数据文件不是excel或者csv的怎么办呢?比如:你可恶的同门用MATLAB丢给你一个mat矩阵文件时,该怎么办呢?别慌,数产小黑娃带你解决这个问题!学完本篇文章后,你就可以将矩阵文件与表格文件实现互转了。

静水流深,沧笙踏歌 6528

YALE与COIL20数据集的可视化实战:Python代码解析与优化

本文详细解析了如何使用Python对YALE与COIL20两个经典计算机视觉数据集进行可视化实战。从环境搭建、数据读取到核心代码的逐行优化,提供了健壮且高效的解决方案,并分享了按标签分组、降维可视化等高级技巧,帮助开发者深入理解数据,为后续模型训练奠定坚实基础。

weixin_29053073的博客 224

数学建模可视化实战:用Python构建可论证的四层视觉链

数学建模可视化不是数据绘图,而是科学论证的视觉化表达。其核心在于将抽象模型、验证过程与决策逻辑,转化为具备信息层级的图形语言——从准确呈现数据(L1),到揭示模型结构(L2),再到支撑可靠性判断(L3),最终驱动参数优化与方案选择(L4)。这一过程高度依赖Python的计算-绘图一体化能力,尤其在Matplotlib中通过坐标语义控制、误差带渲染、敏感性热力图等技术实现精准表达。它广泛应用于全国大学生数学建模竞赛、亚太杯等赛事的论文图表设计,是提升成果说服力与评审通过率的关键工程实践。

weixin_33770878的博客 404

python读取mat画图_python如何使用Matplotlib画图(基础篇)

本文转载自:雪里挑灯使用python的matplotlib包绘图,分为以下部分。基础知识常见图形 与安装导入包列表绘图步骤多图绘制数组绘图一、绘制基础知识熟悉官方文档matplotlib.lines.Line2D - Matplotlib 3.1.3 documentation​matplotlib.org一些绘图基础知识画板figure,画纸Sublpot画质,可多图绘画画纸上最上方是标题tit...

weixin_42224303的博客 1533

Python与Matlab工程选型指南:6大维度实测对比

在数据科学与机器学习工程实践中,Python和Matlab并非简单优劣之分,而是面向不同交付约束的工具选择。Python作为通用胶水语言,凭借丰富生态(如pandas、PyTorch、FastAPI)在实时流接入、异构系统集成、容器化部署及团队协作中展现强大适应性;Matlab则以闭环工作台设计,在单机分析、工业协议原生支持、算法快速验证及强监管场景下显著降低认知负荷与版本风险。本文基于27个跨行业真实项目,从数据接入、算法开发、模型验证、可视化、工程部署到团队协作六大维度,提供可复现的性能数据与断点分析,

weixin_30394669的博客 387

python画折线图代码-python编程:如何使用python代码绘制折线图?

推荐(此处已添加圈子卡片,请到今日头条客户端查看)折线图:import pandas as pdimport matplotlib.pyplot as pltwomen_degrees = pd.read_csv('percent-bachelors-degrees-women-usa.csv')plt.plot(women_degrees['Year'], women_degrees['Biol...

weixin_37988176的博客 820

5【python】:常用扩展程序库

NumPy是Python数据分析的核心库,通过C语言实现高效数组运算。其核心数据结构ndarray支持多维数组,具备shape、dtype等属性,提供向量化运算能力。安装方式包括pip和conda两种主流方法。NumPy提供丰富的数组创建函数(如zeros、arange)、数学运算(sin、log)、统计方法(mean、max)及线性代数操作(dot、inv)。支持高级索引切片和广播机制,能自动扩展不同形状数组进行运算。关键特性包括:高效内存布局、类型化数组、轴方向统计(axis参数)以及随机数生成等功能,

2302_79172058的博客 256

PID控制器(位置式和增量式)

PID控制算法

zhinian_hao的博客 4512

python如何读取mat文件可视化_python 数据分析--数据可视化工具matplotlib

说明:数据可视化中的数据集下载地址:(数据来源:从零开始学python数据分析和挖掘)链接:https://pan.baidu.com/s/1zrNpzSNVHd8v1rGFRzKipQ 提取码:mx9d数据可视化是数据分析中的一部分,可用于数据的探索和查找缺失值等,也是展现数据的重要手段。matplotlib是一个强大的工具箱,其完整的图表样式函数和个性化的自定义设置,可以满足几乎所有的2D和一...

weixin_39657521的博客 1373

HFSS - 侧馈矩形微带天线设计与仿真

一、设计指标 中心频率:2.45GHz 介质板厚度:1.6mm 介质板相对介电常数:4.4 二、理论计算 辐射贴片宽度w=c2f(εr+12)−12w=\frac{c}{2 f}\left(\frac{\varepsilon_{r}+1}{2}\right)^{-\frac{1}{2}}w=2fc​(2εr​+1​)−21​ 辐射贴片长度L=cfεe−2ΔLL=\frac{c}{f \sqrt{\varepsilon_{\mathrm{e}}}}-2 \Delta LL=fεe​​c​−2ΔL

MaxWei 1万+

MAT下载实战:从数据获取到分析全流程

MAT文件是MATLAB的专有格式,用scipy.io的loadmat函数就能读取。这里有个坑要注意:MAT文件可能包含多个变量,返回的是字典结构。我习惯先打印keys()查看所有变量名,然后用类似字典的方式提取目标数据。这个平台内置了Python环境,不用配置就能直接运行代码,还能一键保存项目。最棒的是可以实时看到图表输出,调试起来非常高效。这个案例从数据下载到分析可视化一气呵成,特别适合需要快速处理MAT格式数据的场景。用pandas处理特别方便:转换数据类型、处理缺失值、去除异常值等。

SapphireOwl29的博客 448

《python神经网络编程》程序实现

《python神经网络编程》程序实现 通过对这本书的学习,结合这本书的内容: 完成了以下代码: 其中NN.py实现了一个类,这个类可以完成神经网络的初始化,训练以及输入数据并得出结果。 而run.py则是对神经网络类的使用 NN.py: import numpy import scipy.special #神经网络类的实现 class neuralNetwork: #构造函数初始化类 def __init__(self,inputnodes,hiddennodes,outputnodes

ms8617484的博客 620

Flask基础项目:从零到一搭建用户管理系统

本文介绍了一个基于Flask的用户管理系统,具有完整的增删改查功能。系统采用SQLAlchemy ORM进行数据库操作,自动处理SQL注入并首次运行时创建表结构。主要特点包括:实时统计用户总数和平均年龄、智能即时搜索、前后端双重数据验证、邮箱唯一性检查、流畅动画效果和响应式设计。后端使用Flask框架实现RESTful API,前端采用现代化UI设计,支持异步操作不阻塞界面。系统安装简单,只需创建数据库并安装依赖即可运行,适合作为基础用户管理系统的参考实现。

数据知道的博客 3838

零基础入门:MAT下载与简单数据处理

不用配置环境,打开网页就能直接运行代码,还能一键部署成可访问的在线应用。我试了下把MAT处理工具放上去,部署过程特别顺畅,朋友打开链接就能直接使用,不用再折腾安装各种依赖库。比如计算矩阵总和用sum(),平均值用mean(),转置用.T属性。准备工作需要安装几个Python库,主要是scipy用于MAT文件读写,numpy处理数据,matplotlib做简单可视化。今天把摸索出来的经验整理成笔记,希望能帮到同样刚入门的朋友们。下载MAT文件时,可以用requests库从网络获取,也可以直接读取本地文件。

GoldenleafRaven13的博客 445

第六部分:VTK进阶(第182章 体素化与隐式建模)

本文系统介绍了基于点云构建有符号距离场(SDF)的核心原理与VTK实现方法。主要内容包括:1)SDF的基本概念与算法原理,通过体素网格隐式表达几何表面;2)关键参数配置指南,如体素分辨率、边界范围和影响半径的选择;3)点云法向估计、SDF计算与等值面提取的完整工作流程;4)常见问题解决方案与性能优化建议。文中提供了详细的C++代码示例,展示从随机点云生成SDF并重建曲面的完整过程,特别强调了法向估计、参数调优和后处理等关键环节。该方法适用于点云表面重建、几何处理等应用场景。

仰望星空的博客 530

怎么用matlab把表格画成曲线图,如何用电脑画出一个公式的图表,如折线图

如何用电脑画出一个公式的图表,如折线图以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!如何用电脑画出一个公式的图表,如折线图用EXCEL 之类的软件就可以如何用电脑制作双纵轴折线图可以用EXCEL来做,要有两个系列及以上,点其中一个系列,右键,设置数据系列格式,坐标轴,次坐标轴,这样就有两个纵轴了如何用matplotli...

weixin_30580403的博客 1471

利用 RSAU_LOG_API 把 SAP 安全审核日志接入企业 SIEM 的完整指南

在 SAP 世界里,安全审核日志(Security Audit Log,简称 SAL)是审计和合规的核心基础设施之一。系统会在后台把安全相关的关键事件记录下来,比如:(用户登录与登录失败用户锁定、解锁权限对象或角色变更远程调用(RFC)相关活动关键事务码的启动程序直接执行、批处理作业相关的敏感操作传统 ABAP 系统里,这些日志会写到本地应用服务器上的审计文件中(背后对应类似表RSAUENTR2的结构),包含事件标识、客户端、用户、终端、事务码、时间戳等信息。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 163

ER图从入门到精通:数据库建模全攻略

本文为数据库建模领域的 ER 图全面指南,系统解析从基础概念到实战应用的核心要点。首先介绍 ER 图的定义、三大组成元素(实体、属性、关系)及三种基础关系类型(一对一、一对多、多对多);其次详解绘制流程,涵盖工具选择(如 Visio、PowerDesigner)、需求分析方法及实体 - 属性 - 关系的分步建模技巧;进一步探讨弱实体、复合属性等高级概念,结合范式理论讲解模型优化策略;针对实体属性混淆、关系类型误判等常见问题提供解决方案;最后通过电商系统、图书馆管理系统等实际案例展示 ER 图设计全流程。

邓邓子的博客 4213

python Matlotlib基本绘图参数

以上的(1,4)(2,8)是作者自己标明上去的。以上就是绘制简单的图表了。

devil_jjli的博客 189

从 Classic ABAP 到 ABAP Cloud:一份面向开发者的 SAP 学习路线图与实战指南

ABAP技术演进路线:从语法到架构思维 本文系统梳理了现代ABAP开发者的能力成长路径。在S/4HANA与云时代,ABAP已从传统过程式语言转变为支持面向对象、测试驱动和云原生开发的现代技术栈。学习路线应围绕四大核心维度展开:1) 语言基础(ABAP OO/Modern ABAP);2) 工程化实践(ABAP Unit/ATC/Clean ABAP);3) 数据建模(CDS/AMDP);4) 服务化架构(Gateway/OData/Fiori)。文章强调以交付形态倒推技术栈,通过真实案例展示了如何将零散技术

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 363

AI助力MAT下载:自动解析与代码生成

版本兼容性:不同MATLAB版本生成的文件可能有差异,需要做好兼容处理内存管理:大文件处理时要注意内存使用,可以分块读取错误处理:对损坏或不规范的文件要有容错机制性能优化:批量处理时可以考虑多进程或异步IO。

CrystalwaveEagle34的博客 166

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

CodeIgniter 数据库驱动参考:CI_DB_driver 核心 API 全解析

本文是 CodeIgniter 数据库层基类 `CI_DB_driver` 的完整参考指南,覆盖连接建立、查询执行、事务管理、转义安全、元数据获取、查询缓存等全部核心 API。无论你是要排查数据库连接问题、手动编写原生 SQL,还是想深入理解 Query Builder 的底层运作,本文都能为你提供可直接对照源码的方法签名、返回类型与实战用法。读完本文,你将能熟练运用这套平台无关的数据库接口,在不

gitblog_00280的博客 1014

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

数学建模基础操作题系统解答:MATLAB/Python实战与避坑指南

数学建模是连接数学理论与现实问题的重要桥梁,其核心在于通过建立数学模型对实际问题进行量化分析与求解。在建模过程中,数据处理、算法实现与结果可视化是三大关键技术环节。掌握这些基础操作不仅能提升建模效率,更是确保模型结果可靠性的基石。例如,利用Python的NumPy和Pandas库进行向量化运算与数据清洗,可以大幅提升代码执行效率与健壮性;而通过MATLAB或SciPy求解线性方程组、进行数据拟合及微分方程数值解,则是验证模型逻辑的关键步骤。这些技术的价值在于将抽象的数学公式转化为可复现的计算机程序,广泛应用

weixin_34274029的博客 437

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

上一篇: torch.argmax()用法示例
下一篇: 找不到opencv_world470d.dll
YL_python_C++_java
博客等级 码龄7年 1392粉丝 142原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值