人工智能—图形

Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。

Windows 系统安装 Matplotlib

进入到 cmd 窗口下，执行以下命令：

python -m pip install -U pip setuptools python -m pip install matplotlib

Linux 系统安装 Matplotlib

可以使用 Linux 包管理器来安装：

• Debian / Ubuntu：

sudo apt-get install python-matplotlib

• Fedora / Redhat：

sudo yum install python-matplotlib

Mac OSX 系统安装 Matplotlib

Mac OSX 可以使用 pip 命令来安装：

sudo python -mpip install matplotlib

安装完后，你可以使用 python -m pip list 命令来查看是否安装了 matplotlib 模块。

$ python -m pip list | grep matplotlib matplotlib (1.3.1)

人工智能实现简单的画图功能，例如柱状图，曲线图，散点图。

柱状图

主要用于数据的统计与分析，早期主要用于数学统计学科中，

数码相机的曝光值用柱状图表示

到现代使用已经比较广泛，比如现代的电子产品和一些软件的分析测试，如电脑，数码相机的显示器和photoshop上都能看到相应的柱状图。

易于比较各组数据之间的差别。

# 导包

import matplotlib.pyplot as plt

 

# 导入字体库

from matplotlib.font_manager import FontProperties

 

# 设置本机字体 字体样式 字体大小

# font = FontProperties(fname="c:/Windows/Fonts/simhei.ttf",size=30)

 

# 柱状图

# 设置数据

salary = [9000,10000,5000,3000]

group = ['beijing','shanghai','guangzhou','hebei']

# 填充数据

plt.bar(group,salary)

# 设置标题

plt.title('salary/group')

plt.show()

曲线图

曲线图又称折线图,是利用曲线的升、降变化来表示被研究现象发展变化趋势的一种图形。它在分析研究社会经济现象的发展变化、依存关系等方面具有重要作用。 [1] 

 

绘制曲线图时，如果是某一现象的时间指标,应将时间绘在坐标的横轴上,指标绘在坐标的纵轴上。如果是两个现象依存关系的显示，可以将表示原因的指标绘在横轴上,表示结果的指标绘在纵轴上。同时还应注意整个图形的长宽比例

 

 

# 导包

import matplotlib.pyplot as plt

 

# 导入字体库

from matplotlib.font_manager import FontProperties

 

# 设置本机字体 字体样式 字体大小

font = FontProperties(fname="c:/Windows/Fonts/simkai.ttf",size=30)

# 单指标

# # 填充数据 第一个x轴，第二个y轴

# plt.plot(['2019-03-01','2019-03-02','2019-03-03'],[0,10,10])

# # 绘制方法

# plt.show()

# 多指标曲线图

# d定制数据

x1 = ['2019-03-01','2019-03-02','2019-03-03','2019-03-04','2019-03-05','2019-03-06']

y1 = [0,5,6,1,10,9]

x2 = ['2019-03-01','2019-03-02','2019-03-03','2019-03-04','2019-03-05','2019-03-06']

y2 = [10,20,15,30,25,24]

# 填充数据 温度 :temperature

plt.plot(x1,y1,label='temperature')

 

# 湿度

plt.plot(x2,y2,label='water')

 

# 设置标题

plt.title('温湿度趋势图',FontProperties=font)

 

# 显示图例

plt.legend()

 

# 绘制方法

plt.show()

散点图

散点图是指在回归分析中，数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。

用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。

# 导包

import matplotlib.pyplot as plt

 

# 导入科学计算

import numpy as np

 

# 设置数据

# plt.scatter(2,4)

 

# # 绘制

# plt.show()

 

# 定义x轴数据 ：随机

x = list(range(0,101))

y = [xvalue * np.random.rand() for xvalue in x ]

# 填充数据

# s ：点的大小和粗细

# c: 颜色

plt.scatter(x,y,s=20,c='red')

plt.show()

 

总结：

柱状图关键字：bar()

曲线图关键字：plot()

散点图关键字：scatter()