Panda_1875的博客

1.核心原理height_default, dpi_default= (4.8, 100) fig = plt.figure()plt.plot(x, y)fig.canvas.draw()fig_str = fig.canvas.tostring_rgb()data = np.frombuffer(fig_str, dtype=np.uint8).reshape((int(height_default*dpi_default), -1, 3)) / 255.0主要步骤为：（1）创

1. 问题复现当重复绘图（主要是重复创建figure）之后，即使只是在函数内部的局部变量有定义，或者已经使用plt.close()关闭绘图，pyplot内依然保留部分内容，但具体是哪一部分暂时没找到。下面是来自Github的bug复现片段：import matplotlib.pyplot as pltimport numpy as npimage = np.random.randn(256, 256, 3)image= np.array(image/image.max()*255, dtype

1. 原因window应用缩放模糊也是祖传的了，一般的解决方法是：[右键点击软件]->[属性]->[兼容性设置]->[更改高DPI行为]->[勾选"替代高DPI缩放行为",并选择"应用程序"]matplotlib的问题在于找到需要修改兼容性设置的"应用程序"。2. 解决方法对"python.exe"执行以上操作即可python.exe的路径可以通过cmd找到：打开该目录，[右键点击对应版本的python.exe]->[属性]->[兼容性设置]->[更改

1.效果图1.1 网格Mesh1Mesh_1Mesh1​Mesh2Mesh_2Mesh2​1.2 应力（使用COMSOL求解）missesmissesmisses应力切应力3.程序import numpy as npimport scipy.interpolate as siimport matplotlib.pyplot as pltN_origin= 10 # 初始矩阵尺寸N_inter= 50 # 插值之后矩阵尺寸t_0=

1.程序# 1 eV/mol = 1.6021766208×10^-19 J# 1 J*6.02214076×10^23 = J/mol# 1KJ/mol = 0.2389029576186153 Kcal/molC= 1.6021766208*6.02214076*10*0.2389029576186153file_name_read = "Cu_u3.eam"file_name_write = "/home/zxy/Documents/lammps/eam_test/Cu_u3_rea

1.效果2. 原理椭圆有个性质：椭圆上的点到椭圆两焦点的距离为常数。令：1、椭圆上的点到两焦点的距离之和为 LtargetL_{target}Ltarget​2、两焦点坐标为(xfocus,1 ,yfocus,1),(xfocus,2 ,yfocus,2)(x_{focus,1}\,,y_{focus,1}),(x_{focus,2}\,,y_{focus,2})(xfocus,1​,yfocus,1​),(xfocus,2​,yfocus,2​)3、nnn个样本点坐

1.用途用于查看曲线趋势（衰减规律等）2.效果此处拟合为 的形式3.脚本PS：直接运行的图可能不太好看，因为需要载入调整过的style文件，即第47行的 # plt.style.use("zxy")import numpy as npimport matplotlib.pyplot as pltdata= [ 0.6510, 0.6583, 0.6630, 0.6702, 0.6782, 0.6870, 0.7...

1. 程序1.1 导入库import numpy as npimport sympy as sy1.2 函数def NewtonInt(x_value, y_value): """ 计算牛顿插值差商表 :param x_value: x序列 :param y_value: y序列 :return: 差商表矩阵, 字符串插值多项式 """ N=len(x_value) res= np.zeros((N, N)) re

1. 引言上一篇文章python 二分法求解非线性方程所有实数解，初步实现了对非线性方程解的查找。由于采用的是二分法，收敛速度较慢，这里改进为牛顿迭代，并对收敛速度进行对比。2.程序2.1 调用库import numpy as npimport matplotlib.pyplot as plt2.2 求解程序def solveFun(fun, min_x=0, max_x=1, n_step=1000, max_lter=64, max_error= 1e-6, plot=Fa

1. 导入库import numpy as npimport matplotlib.pyplot as plt2.求解方法def solveFun(fun, min_x=0, max_x=1, n_step=1000, max_lter=64, plot=False, print_log=False): """ :param fun: 需要求解的函数 :param min_x: 自变量求解区间下限 :param max_x: 自变量求解区间上限 :p

1. 概述pyplot是替代matlab的一个很好的选择，不过默认的曲线绘图不够美观，这里对一些细节参数进行了修改，以供各位参考。2. 绘图效果对比修改前（右图）与修改后（左图）对比 注：图中曲线数据来源是对文献Hu Chengzhi, Tang Dawei, Lv Jizu, et al. Molecular dynamics simulation of frictional properties of Couette flow with striped superhyd

1. 程序及结果1.1 程序# -*- coding:utf-8 -*-import reimport numpy as npimport matplotlib.pyplot as pltfile_name= "log.lammps" # log 文件名jump_step= 20 # 需要跳过的step数，主要用于忽略势能最小化或弛豫产生的输出数据max_lines= 1