用python畫一階科赫曲線

① 怎麼用python中的turtle畫希爾伯特曲線

代碼如下：
import sys, math, time
import turtle
count = 0
def moveto(x,y):
turtle.penup()
turtle.goto(x,y)
turtle.pendown()
def hilbert(x0, y0, xi, xk, yi, yk, n):
if n <= 0:
X = x0 + (xi + yi)/2
Y = y0 + (xk + yk)/2
X2 = X * 600 -300
Y2 = Y * 600 -300
global count
if count < 1:
count = count + 1
moveto(X2,Y2)
turtle.color(X,Y,X*Y)
turtle.goto(X2,Y2)
else:
hilbert(x0, y0, yi/2, yk/2, xi/2, xk/2, n - 1)
hilbert(x0 + xi/2, y0 + xk/2, xi/2, xk/2, yi/2, yk/2, n - 1)
hilbert(x0 + xi/2 + yi/2, y0 + xk/2 + yk/2, xi/2, xk/2, yi/2, yk/2, n - 1)
hilbert(x0 + xi/2 + yi, y0 + xk/2 + yk, -yi/2,-yk/2,-xi/2,-xk/2, n - 1)

def main():
turtle.colormode(1.)
turtle.speed(0)
for depth in range(9):
if 7 > depth > 4: # for faster rendering.
turtle.getscreen().tracer(0)
global count
count = 0
hilbert(0.0, 0.0, 1.0, 0.0, 0.0, 1.0, depth)
turtle.getscreen().tracer(1)
time.sleep(2)
turtle.Screen().exitonclick()

if __name__ == "__main__":
main()

② python的turtle怎麼畫曲線

turtle.circle()畫圓

Turtle庫是Python語言中一個很流行的繪制圖像的函數庫，想像一個小烏龜，在一個橫軸為x、縱軸為y的坐標系原點，(0,0)位置開始，它根據一組函數指令的控制，在這個平面坐標系中移動，從而在它爬行的路徑上繪制了圖形。

③ python語言，利用遞歸繪制彩色四階五邊形科赫雪花,並上傳代碼和科赫雪花效果圖

import random

import turtle

def random_color():

rgbl=[255,0,0]

random.shuffle(rgbl)

return tuple(rgbl)

def koch(size,n):

if n==0:

turtle.fd(size)

else:

for angle in [0,60,-120,60]:

cc = random_color()

turtle.pencolor(cc[0], cc[1], cc[2])

turtle.left(angle)

koch(size/3,n-1)

def main():

turtle.colormode(255)

turtle.setup(600,600)

turtle.penup()

turtle.goto(-200,100)

turtle.pendown()

turtle.pensize(2)

level=4 #4階科赫雪花，階數

koch(400,level)

turtle.right(120)

koch(400,level)

turtle.right(120)

koch(400,level)

turtle.hideturtle()

turtle.done()

main()

效果如圖：

④ 如何用python turtle畫斐波那契螺旋曲線

我把矩形和圓弧都用不同顏色填充了，你按照自己的需求修改一下吧，你的題目說的不清楚。

#Python3.6
#使用turtle繪制Fibonacci螺旋
defdraw_fibonacci(x):
#F0=1
#F1=1
#Fn=F（n-1）+F（n-2）

#產生斐波那契數列，用於查表
#像這種計算復雜性指數增長的計算，不要寫個函數去每次求一個數
#最好的辦法是，按照規律寫出查找表，用查找的方法來得到數據
f_list=[]
foriinrange(x):
ifi==0:
f_list.append(1)
elifi==1:
f_list.append(1)
else:
f_list.append(f_list[i-1]+f_list[i-2])

#像素比例
f0=50

#設置畫筆屬性
turtle.pensize(5)
turtle.pencolor("black")
turtle.penup()
turtle.home()
turtle.pendown()

foriinrange(0,len(f_list)):
#繪制速度，1~10個不同速度等級，小於1或者大於10立即繪制
turtle.speed(1)
turtle.pendown()

#繪制矩形
ifi==0:
fill_color="black"
else:
fill_color=(random.random(),random.random(),random.random())
turtle.fillcolor(fill_color)
turtle.begin_fill()
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.end_fill()

#繪制圓弧
fill_color=(random.random(),random.random(),random.random())
turtle.fillcolor(fill_color)
ifi==0:
turtle.forward(f_list[i]*f0/2)
turtle.begin_fill()
turtle.circle(f_list[i]*f0/2,360)
turtle.end_fill()
#移動到一下起點
turtle.forward(f_list[i]*f0/2)
continue
else:
turtle.begin_fill()
turtle.circle(f_list[i]*f0,90)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.end_fill()

#移動到一下起點
turtle.speed(0)
turtle.penup()
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.forward(f_list[i]*f0)

turtle.done()


if__name__=="__main__":
draw_fibonacci(6)

下面是我跑出來的結果：

⑤ python 怎麼畫與其他方法進行比較的ROC曲線

使用sklearn的一系列方法後可以很方便的繪制處ROC曲線，這里簡單實現以下。
主要是利用混淆矩陣中的知識作為繪制的數據（如果不是很懂可以先看看這里的基礎）：

tpr(Ture Positive Rate)：真陽率 圖像的縱坐標

fpr(False Positive Rate)：陽率（偽陽率） 圖像的橫坐標

mean_tpr：累計真陽率求平均值

mean_fpr：累計陽率求平均值

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm, datasets
from sklearn.metrics import roc_curve, auc
from sklearn.model_selection import StratifiedKFold

iris = datasets.load_iris()
X = iris.data
y = iris.target
X, y = X[y != 2], y[y != 2] # 去掉了label為2，label只能二分，才可以。
n_samples, n_features = X.shape
# 增加雜訊特徵
random_state = np.random.RandomState(0)
X = np.c_[X, random_state.randn(n_samples, 200 * n_features)]

cv = StratifiedKFold(n_splits=6) #導入該模型，後面將數據劃分6份
classifier = svm.SVC(kernel='linear', probability=True,random_state=random_state) # SVC模型 可以換作AdaBoost模型試試

# 畫平均ROC曲線的兩個參數
mean_tpr = 0.0 # 用來記錄畫平均ROC曲線的信息
mean_fpr = np.linspace(0, 1, 100)
cnt = 0
for i, (train, test) in enumerate(cv.split(X,y)): #利用模型劃分數據集和目標變數 為一一對應的下標
cnt +=1
probas_ = classifier.fit(X[train], y[train]).predict_proba(X[test]) # 訓練模型後預測每條樣本得到兩種結果的概率
fpr, tpr, thresholds = roc_curve(y[test], probas_[:, 1]) # 該函數得到偽正例、真正例、閾值，這里只使用前兩個

mean_tpr += np.interp(mean_fpr, fpr, tpr) # 插值函數 interp(x坐標,每次x增加距離,y坐標) 累計每次循環的總值後面求平均值
mean_tpr[0] = 0.0 # 將第一個真正例=0 以0為起點

roc_auc = auc(fpr, tpr) # 求auc面積
plt.plot(fpr, tpr, lw=1, label='ROC fold {0:.2f} (area = {1:.2f})'.format(i, roc_auc)) # 畫出當前分割數據的ROC曲線

plt.plot([0, 1], [0, 1], '--', color=(0.6, 0.6, 0.6), label='Luck') # 畫對角線

mean_tpr /= cnt # 求數組的平均值
mean_tpr[-1] = 1.0 # 坐標最後一個點為（1,1） 以1為終點
mean_auc = auc(mean_fpr, mean_tpr)

plt.plot(mean_fpr, mean_tpr, 'k--',label='Mean ROC (area = {0:.2f})'.format(mean_auc), lw=2)

plt.xlim([-0.05, 1.05]) # 設置x、y軸的上下限，設置寬一點，以免和邊緣重合，可以更好的觀察圖像的整體
plt.ylim([-0.05, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate') # 可以使用中文，但需要導入一些庫即字體
plt.title('Receiver operating characteristic example')
plt.legend(loc="lower right")
plt.show()

⑥ 用python的 turtle 怎麼畫這個曲線

urtle庫是python的基礎繪圖庫,這個庫被介紹為一個最常用的用來介紹編程知識的方法庫,其主要是用於程序設計入門,是標准庫之一,利用turtle可以製作很多復雜的繪圖。turtle名稱含義...

CSDN技術社區

⑦ Python畫koch曲線如何填充顏色

#很簡單啦，不廢話直接貼代碼了，我知道你喜歡這樣

fromturtleimport*

defsnowflake(lengthSide,levels):
iflevels==0:
forward(lengthSide)
return
lengthSide/=3.0
snowflake(lengthSide,levels-1)
left(60)
snowflake(lengthSide,levels-1)
right(120)
snowflake(lengthSide,levels-1)
left(60)
snowflake(lengthSide,levels-1)

deffull_snowflake(lengthside,levels):
foriinrange(3):
snowflake(lengthside,levels)
right(120)

if__name__=="__main__":
speed(0)
length=300.0
begin_fill()
fillcolor('green')
penup()
backward(length/2.0)
pendown()
full_snowflake(length,4)
begin_fill()
end_fill()