国产片侵犯亲女视频播放_亚洲精品二区_在线免费国产视频_欧美精品一区二区三区在线_少妇久久久_在线观看av不卡

腳本之家,腳本語言編程技術及教程分享平臺!
分類導航

Python|VBS|Ruby|Lua|perl|VBA|Golang|PowerShell|Erlang|autoit|Dos|bat|

香港云服务器
服務器之家 - 腳本之家 - Python - Matlab、Python為工具解析數據可視化之美

Matlab、Python為工具解析數據可視化之美

2022-03-02 00:11CaiBirdHu Python

下面介紹一些數據可視化的作品(包含部分代碼),主要是地學領域,可遷移至其他學科,本文通過實例代碼給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友參考下吧

在我們科研、工作中,將數據完美展現出來尤為重要。
數據可視化是以數據為視角,探索世界。我們真正想要的是 ― 數據視覺,以數據為工具,以可視化為手段,目的是描述真實,探索世界。
下面介紹一些數據可視化的作品(包含部分代碼),主要是地學領域,可遷移至其他學科。

 

Example 1 :散點圖、密度圖(Python

import numpy as np
import matplotlib.pyplot as plt

# 創建隨機數
n = 100000
x = np.random.randn(n)
y = (1.5 * x) + np.random.randn(n)
fig1 = plt.figure()
plt.plot(x,y,'.r')
plt.xlabel('x')
plt.ylabel('y')
plt.savefig('2D_1V1.png',dpi=600)

nbins = 200
H, xedges, yedges = np.histogram2d(x,y,bins=nbins)
# H needs to be rotated and flipped
H = np.rot90(H)
H = np.flipud(H)
# 將zeros mask
Hmasked = np.ma.masked_where(H==0,H) 
# Plot 2D histogram using pcolor
fig2 = plt.figure()
plt.pcolormesh(xedges,yedges,Hmasked)  
plt.xlabel('x')
plt.ylabel('y')
cbar = plt.colorbar()
cbar.ax.set_ylabel('Counts')
plt.savefig('2D_2V1.png',dpi=600)
plt.show()

Matlab、Python為工具解析數據可視化之美

Matlab、Python為工具解析數據可視化之美

 

Example 2 :雙Y軸(Python)

import csv
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime

data=pd.read_csv('LOBO0010-2020112014010.tsv',sep='\t')
time=data['date [AST]']
sal=data['salinity']
tem=data['temperature [C]']
print(sal)
DAT = []
for row in time:
DAT.append(datetime.strptime(row,"%Y-%m-%d %H:%M:%S"))

#create figure
fig, ax =plt.subplots(1)
# Plot y1 vs x in blue on the left vertical axis.
plt.xlabel("Date [AST]")
plt.ylabel("Temperature [C]", color="b")
plt.tick_params(axis="y", labelcolor="b")
plt.plot(DAT, tem, "b-", linewidth=1)
plt.title("Temperature and Salinity from LOBO (Halifax, Canada)")
fig.autofmt_xdate(rotation=50)

# Plot y2 vs x in red on the right vertical axis.
plt.twinx()
plt.ylabel("Salinity", color="r")
plt.tick_params(axis="y", labelcolor="r")
plt.plot(DAT, sal, "r-", linewidth=1)

#To save your graph
plt.savefig('saltandtemp_V1.png' ,bbox_inches='tight')
plt.show()

Matlab、Python為工具解析數據可視化之美

 

Example 3:擬合曲線(Python)

import csv
import numpy as np
import pandas as pd
from datetime import datetime
import matplotlib.pyplot as plt
import scipy.signal as signal

data=pd.read_csv('LOBO0010-20201122130720.tsv',sep='\t')
time=data['date [AST]']
temp=data['temperature [C]']
datestart = datetime.strptime(time[1],"%Y-%m-%d %H:%M:%S")
DATE,decday = [],[]
for row in time:
  daterow = datetime.strptime(row,"%Y-%m-%d %H:%M:%S")
  DATE.append(daterow)
  decday.append((daterow-datestart).total_seconds()/(3600*24))
# First, design the Buterworth filter
N  = 2    # Filter order
Wn = 0.01 # Cutoff frequency
B, A = signal.butter(N, Wn, output='ba')
# Second, apply the filter
tempf = signal.filtfilt(B,A, temp)
# Make plots
fig = plt.figure()
ax1 = fig.add_subplot(211)
plt.plot(decday,temp, 'b-')
plt.plot(decday,tempf, 'r-',linewidth=2)
plt.ylabel("Temperature (oC)")
plt.legend(['Original','Filtered'])
plt.title("Temperature from LOBO (Halifax, Canada)")
ax1.axes.get_xaxis().set_visible(False)

ax1 = fig.add_subplot(212)
plt.plot(decday,temp-tempf, 'b-')
plt.ylabel("Temperature (oC)")
plt.xlabel("Date")
plt.legend(['Residuals'])
plt.savefig('tem_signal_filtering_plot.png', bbox_inches='tight')
plt.show()

Matlab、Python為工具解析數據可視化之美

 

Example 4:三維地形(Python)

# This import registers the 3D projection
from mpl_toolkits.mplot3d import Axes3D  
from matplotlib import cbook
from matplotlib import cm
from matplotlib.colors import LightSource
import matplotlib.pyplot as plt
import numpy as np

filename = cbook.get_sample_data('jacksboro_fault_dem.npz', asfileobj=False)
with np.load(filename) as dem:
  z = dem['elevation']
  nrows, ncols = z.shape
  x = np.linspace(dem['xmin'], dem['xmax'], ncols)
  y = np.linspace(dem['ymin'], dem['ymax'], nrows)
x, y = np.meshgrid(x, y)

region = np.s_[5:50, 5:50]
x, y, z = x[region], y[region], z[region]
fig, ax = plt.subplots(subplot_kw=dict(projection='3d'))
ls = LightSource(270, 45)

rgb = ls.shade(z, cmap=cm.gist_earth, vert_exag=0.1, blend_mode='soft')
surf = ax.plot_surface(x, y, z, rstride=1, cstride=1, facecolors=rgb,
                     linewidth=0, antialiased=False, shade=False)
plt.savefig('example4.png',dpi=600, bbox_inches='tight')
plt.show()

Matlab、Python為工具解析數據可視化之美

 

Example 5:三維地形,包含投影(Python)

Matlab、Python為工具解析數據可視化之美

 

Example 6:切片,多維數據同時展現(Python)

Matlab、Python為工具解析數據可視化之美

 

Example 7:SSH GIF 動圖展現(Matlab

Matlab、Python為工具解析數據可視化之美

 

Example 8:Glider GIF 動圖展現(Python)

Matlab、Python為工具解析數據可視化之美

 

Example 9:渦度追蹤 GIF 動圖展現

Matlab、Python為工具解析數據可視化之美

到此這篇關于數據可視化之美 -- 以Matlab、Python為工具的文章就介紹到這了,更多相關python數據可視化之美內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家!

原文鏈接:https://blog.csdn.net/weixin_45492560/article/details/121309333

延伸 · 閱讀

精彩推薦
883
主站蜘蛛池模板: 免费a级毛片在线观看 | 欧美成人一区二区三区片免费 | 精品一区二区在线观看 | 夜夜操操 | 午夜资源 | 91麻豆精品国产91久久久久久久久 | 成人精品鲁一区一区二区 | 亚州av| 97在线观看视频 | 日韩精品一区二区三区精品av | 久久久久久久久国产 | 天天天天干| 精品伊人久久 | 日本综合久久 | 久久免费精品一区二区三区 | 亚洲国产精品一区二区第一页 | 亚洲国产一区二区在线观看 | а天堂中文最新一区二区三区 | 曰韩一级鸥美一级 | 久久久国产一区 | 日韩视频在线一区二区 | 日韩精品一区二区三区免费视频 | 久久国产亚洲 | 精品一区二区三区免费毛片 | 亚洲精品一区中文字幕乱码 | 日本一区二区三区中文字幕 | 偷偷干夜夜拍 | 午夜免费 | 亚洲精品在线视频 | 国产黄色电影 | 欧美亚洲国产激情 | 久久久艹 | 在线日本视频 | 91在线视频播放 | 国产99精品 | 欧美成人激情视频 | 亚洲福利一区二区 | 在线国产视频 | 国产99久久 | 国产精品亚洲成在人线 | 在线手机电影 |