翊小宸的博客

使用椭圆绘制圆一般而言，我们可以使用类Ellipse绘制圆，但是不可以使用类Circle绘制椭圆。因为我们使用类Ellipse绘制圆，只需要保证参数width和height的取值相同而且刻度线的变化量相同即可完成圆的绘制任务。如果参数width和height的取值相同，但是刻度线的变化量不一致，则也可以使用类Circle完成绘制椭圆的任务。我们使用类Circle绘制椭圆，如果参数width和height的取值不相同，就无法完成使用类Circle绘制椭圆的工作。...

使用折线绘制圆绘制几何图形中的圆形不仅可以通过类Circle实现，也可以通过折线实现

圆弧和楔形的绘制方法圆弧的实现方法是借助类Arc实现的楔形是通过类Wedge进行绘制

import matplotlib.pyplot as pltimport numpy as np#绘制椭圆可以通过类Ellipse实现from matplotlib.patches import Ellipsefig, ax = plt.subplots(1, 2, subplot_kw={"aspect":"equal"})# subplot(121)#通过调用“np.linspace(0, 135, 4)”语句，获取旋转角度数组angles = np.linspace(0, 135,

import matplotlib.pyplot as pltimport numpy as npfrom matplotlib.patches import Circlefig, ax = plt.subplots(2, 2)# subplot(221)#生成子区1中圆心在（2，2）处、半径为2、填充颜色为白色和轮廓颜色为矢车菊蓝的圆的实例circle = Circle((2, 2), radius=2, facecolor="white", edgecolor="cornflowerbl

import matplotlib.pyplot as pltimport numpy as np# 函数np.ma.masked_greater（）中的参数y2是需要进行数值掩饰的数组，掩饰的条件是将数组y2中大于1.0的元素进行掩饰处理，将未被掩饰的元素仍然在数组显示fig,ax = plt.subplots(1,2)# subplot(121) datax = np.linspace(0,2,500)y1 = np.sin(2*np.pi*x)y2 = 1.2*np.sin(3*n

import matplotlib.pyplot as pltimport numpy as npy = np.linspace(0,2,500)x1 = np.sin(2*np.pi*y)x2 = 1.1*np.sin(3*np.pi*y)fig = plt.figure()ax = fig.add_subplot(111)#plot x1 and plot x2ax.plot(x1,y,color="k",lw=1,ls="-")ax.plot(x2,y,color="k",lw

import matplotlib.pyplot as pltimport numpy as npx = np.linspace(0,2,500)y1 = np.sin(2*np.pi*x)y2 = 1.1*np.sin(3*np.pi*x)fig = plt.figure()ax = fig.add_subplot(111)# 调用实例方法fill_between()来实现水平方向的交叉曲线的颜色填充#plot y1 and plot y2ax.plot(x,y1,color=

import matplotlib.pyplot as pltimport numpy as npx = np.linspace(0,2,500)y1 = np.sin(2*np.pi*x)y2 = 1.1*np.sin(3*np.pi*x)# 通过调用plt.subplots(3,1,sharex="all")语句，可以获得一个画布对象fig和一个坐标轴列表ax# 这是一个3行1列的共享x轴的网格布局的子区fig,ax = plt.subplots(3,1,sharex="all")

import matplotlib.pyplot as pltimport numpy as npx = np.linspace(0,2*np.pi,500)y = np.sin(x)# 通过调用fill函数来完成绘制不规则多边形的任务，参数x和y是用来绘制封闭区域的顶点的有序数对plt.fill(x,y,color="cornflowerblue",alpha=0.4)# 折线函数plot,给填充区域添加区域轮廓，alpha设置透明度plt.plot(x,y,color="cornfl

import matplotlib.pyplot as pltimport numpy as npx = [0,0,5,10,15,15,10,5]y = [5,10,15,15,10,5,0,0]# 通过调用fill函数来完成绘制八边形的任务，参数x和y是用来绘制封闭区域的顶点的有序数对plt.fill(x,y,color="cornflowerblue")# 使用xlim和ylim完成多边形相对位置的调整plt.xlim(-1,16)plt.ylim(-1,16)# 使用xti

绘制简单图形散点图和折线图引入matplotlib的pyplot包import matplotlib.pyplot as plt引入Seaborn包import seaborn as sns散点图Pyplot中的scatter()plt.scatter(x,y,marker=None)Seaborn中的jointplot()sns.jointplo...

第三章 matplotlib组成元素matplotlib简介官方文档：https://matplotlib.org/支持图库：http://matplotlib.org/gallery.htmlMatplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过 Matplotlib，开发者可以仅需要几行代码，便...

大数据技术介绍大数据应用开发流程数据采集与预处理大数据存储与管理大数据分析与挖掘大数据可视化1.数据采集与预处理数据来源人所产生的数据机器、设备和物体的数据（通过传感器）行业、科研实验数据（大型数据）数据采集方法系统日志采集方法网站点击率、网页浏览痕迹等网页数据采集方法推文、评论、新闻信息等数据预处理初始数据的获取数据清理数据...

数据可视化的基础** 视觉感知**1.视觉感知和视觉认知视觉感知视觉感知是人类大脑的最主要功能之一。视觉感知在我们的生活中骑着至关重要的作用。视觉感知是指客观事物通过人的视觉感官在人脑中形成的直接反映。（人眼对客观事物的第一映像）视觉低级：与物体性质相关，如深度、形状、边界、表面材质等。视觉高级：对物体的识别和分类，是一种基本的视觉分类。视觉认知是指对所观察到的...

数据可视化概述及环境介绍什么是数据可视化1.什么事数据可视化Visualize，VisualizationVisualize：“设想”，表示生成可视化图像，利用可视化方式传递信息Visualization：“形象化”，表示可视化过程，对某个原本不能描述的事物形成一个可感知的画面的过程。2.什么是数据可视化在计算机视觉领域，数据可视化是对数据的一种形象直观的解释，实现从不同维度观察...