python绘图交互操作

❶ python作图程序

实战小程序：画出y=x^3的散点图

样例代码如下：

[python]view plain

• #coding=utf-8

• importpylabasy#引入pylab模块

• x=y.np.linspace(-10,10,100)#设置x横坐标范围和点数

• y.plot(x,x*x*x,'or')#生成图像

• ax=y.gca()

• ax.spines['right'].set_color('none')

• ax.spines['top'].set_color('none')

• ax.xaxis.set_ticks_position('bottom')

• ax.spines['bottom'].set_position(('data',0))

• ax.yaxis.set_ticks_position('left')

• ax.spines['left'].set_position(('data',0))

• ax.set_yticks([-1000,-500,500,1000])

• y.xlim(x.min(),x.max())#将横坐标设置为x的最大值和最小值

• y.show()#显示图像

[python]view plain

• importpylabasy

• 程序中引入的pylab属于matplotlib的一个模块，将其名字用y代替，其中包括了许多NumPy和pyplot模块中常用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用。



[python]view plain

• y.np.linspace(-10,10,100)

• 此为numpy中的一个函数，返回的是等间距的值，numpy.linspace(a,b,c):a指的是开始位置，b表示的是结束位置，c表示产生点的个数（默认为50）

举例：

[python]view plain

• >>>np.linspace(2.0,3.0,num=5)

• array([2.,2.25,2.5,2.75,3.])

[python]view plain

• y.plot(x,x*x*x,'or')#生成图像

• 后面加上‘o'表示为散点图

'r'可设置颜色为红色，基本上和matlab的操作很像。

[python]view plain

• y.xlim(x.min(),x.max())

• 这条语句使用了xlim函数，将横坐标设置为x的大小

❷ 用python对txt数据进行绘图

• ## 绘制该文件中的数据

• ## 需要引入pylab库，里面用到的函数和MATLAB里的非常类似

• def plotData(X, y):

• length = len(y)

• pylab.figure(1)

• pylab.plot(X, y, 'rx')

• pylab.xlabel('Population of City in 10,000s')

• pylab.ylabel('Profit in $10,000s')

• pylab.show()#让绘制的图像在屏幕上显示出来

❸ 怎么用python实现鼠标绘图

首先，你需要用到python的图形用户界面的模块
其次，你需要用到里面绘制界面和添加鼠标响应的功能模块

❹ Python是否可以通过beautifulSoup扩展包进行绘图可视化操作

bs4是用来提取数据的，可视化的话可以使用matplotlib，pyecharts等库

❺ java中如何让使用Python的统计包绘图

看来是同道。你提到的这个问题很难。
java调用python容易。 java甚至可以直接调用python的类。python调用java更容易了。
不过GUI要想融合，据目前20年的技术来看，只有本土的可以。 比如以前的微软件ActiveX，不管你是什么语言开发的都可以在windows下用OLE方式嵌入。

java的制图功能，因为它的设计理念 ，它是封闭的。也就是说，除非你使用了它本地化的GUI方法，否则就不可能实现。

那么说，如果我一定要实现怎么办呢？只能走很长的弯路。方法还是有几个的。
方法1：
在java的panel里嵌入一个浏览器，然后在浏览器里显示统计图表。这个真是不要太容易了。 不管是你是python生成的本地图片，还是直接用javascript生成的图都可以嵌入进去。美观不用说

方法2：
绘图使用开源的，比如plt之类的。不过它被本地化成java版本的。然后用java调用python，再用python产生数据后，通过jython调用java本地化的绘图工具。

表面上看，这个东西就是没有价值的，为什么不直接用java调用绘图。关键在于python本身对于数据处理的优势太明显。轻松就可以完成复杂的数据结构处理。所以还是有价值的

方法3：
浮动窗口方式。这个就不说了。如果你的java是固定在窗口特定位置的。这个就容易了。怎么浮动窗口要根据操作系统而定。

方法4：简单方案
python生成图片后，输出成JPEG或者是PNG或者是GIF，然后让JAVA显示这个图片。这个可能是最最简单的。

方法5：windows专用，不知道可否使用
仅限于特定场景，在要显示图片的地方，显示一个品红色的纯色图。然后让python的图形输出转到directshow之类的API，直接写显卡。这样就可以显示动画效果。

❻ 怎么用python绘图

你可以使用numpy和matplotlab这两个库来实现的你功能。

你的图可以参考：

http://matplotlib.org/examples/pylab_examples/histogram_percent_demo.html

importmatplotlib
fromnumpy.randomimportrandn
importmatplotlib.pyplotasplt
frommatplotlib.tickerimportFuncFormatter

defto_percent(y,position):
#Ignorethepassedinposition.
#ticklocations.
s=str(100*y)

#
ifmatplotlib.rcParams['text.usetex']==True:
returns+r'$\%$'
else:
returns+'%'

x=randn(5000)

#Makeanormedhistogram.It'llbemultipliedby100later.
plt.hist(x,bins=50,normed=True)

#_percent.Thismultipliesallthe
#defaultlabelsby100,makingthemallpercentages
formatter=FuncFormatter(to_percent)

#Settheformatter
plt.gca().yaxis.set_major_formatter(formatter)

plt.show()

最主要的就是x轴和y轴的处理，我按照对数算了一下你提供的数据，好像和这个图效果不一样。

如果解决了您的问题请采纳！
如果未解决请继续追问

❼ python中交互方式

# 第一种交互方式

name = input("name:")
age = input("age:")
job = input("job:")
salary = input("salary")
info = '''
---------- info of '''+name+''' -----------
Name:'''+name+'''
Age:'''+age+'''
Job:'''+job+'''
Salary:'''+salary+'''
'''
print(name,age,job,salary)# 第二种交互方式 %s 字符串 %d 整数 %f 浮点数 %.2f 浮点数保留两位
name = input("name:")
age = input("age:")
age = int(input("age:")) # 强制转换成int
print(type(age)) # 打印一个变量的数据类型
#print(type(str(age)))# 整型转换成字符串
job = input("job:")
salary = input("salary:")
info = '''
---------- info of %s -----------
Name:%s
Age:%s
Job:%s
Salary:%s
''' %(name,name,age,job,salary)
print(info)第三种交互方式
name = input("name:")
age = input("age:")
job = input("job:")
salary = input("salary:")
info = '''
---------- info of {_name} -----------
Name:{_name}
Age:{_age}
Job:{_job}
Salary:{_salary}
''' .format(_name=name,
_age=age,
_job=job,
_salary= salary)
print(info)

# 第四种交互方式
name = input("name:")
age = input("age:")
job = input("job:")
salary = input("salary:")
info = '''
---------- info of {0} -----------
Name:{0}
Age:{1}
Job:{2}
Salary:{3}
''' .format(name,age,job,salary)
print(info)

❽ python中PQ5的画画事件和vtk中的交互事件冲突了怎么办

python中PQ5的画画事件和vtk中的交互事件冲突的解决办法如下
所有从QObject或其子类(例如Qwidget)派生的类都能够包含信号和槽。当对象改变其状态时，信号就由该对象发射(emit)出去，这就是对象所要做的全部事情，其不需要知道有没有人接收它发出去的信息。
槽用于接收信号，但它们是普通的对象成员函数。一个槽并不知道是否有任何信号与自己相连接。而且，对象并不需要了解具体的通信机制。
单个的槽可以和很多信号进行连接，同样，单个的信号与很多的槽进行连接，甚至于将一个信号与另外一个信号相连接也是可能的，这时无论第一个信号什么时候发射系统都将立刻发射第二个信号。总之，信号与槽构造了一个强大的部件编程机制。

❾ python怎么用交互式模式

Python有两种运行方式：交互式和脚本式。交互式可以通过cmd命令行窗口或者IDEL实现，而脚本式通过写一个脚本（.py结尾的文档）实现。其中交互式主要用于简单的python运行或者测试调试python时用到，而脚本式是运行python程序的主要方法。
下面我们来了解一下Python如何使用交互式运行：
通过Windows命令行工具进行交互式运行python。同时按下Windows键和R键，启动“运行”，在“运行”中输入cmd然后回车，即弹出命令行工具，然后输入python回车，即出现如下界面。
第二，然后输入print('Hello world！')，既可以敲一行代码，与python交互一次，python执行一次。
第三，通过IDEL交互式运行python。从“开始”中找到Python->IDEL，如下图。
启动IDEL后，同样输入print('Hello world！')，既可以敲一行代码，与python交互一次，python执行一次。只不过IEDL中python代码可以高亮显示。
更多Python相关技术文章，请访问Python教程栏目进行学习！以上就是小编分享的关于python怎么用交互式模式的详细内容希望对大家有所帮助，更多有关python教程请关注环球青藤其它相关文章！

❿ Python实操：手把手教你用Matplotlib把数据画出来

作者：迈克尔·贝耶勒（Michael Beyeler）

如需转载请联系华章 科技

如果已安装Anaconda Python版本，就已经安装好了可以使用的 Matplotlib。否则，可能要访问官网并从中获取安装说明：

http://matplotlib.org

正如使用np作为 NumPy 的缩写，我们将使用一些标准的缩写来表示 Matplotlib 的引入：

在本书中，plt接口会被频繁使用。

让我们创建第一个绘图。

假设想要画出正弦函数sin(x)的线性图。得到函数在x坐标轴上0≤x＜10内所有点的值。我们将使用 NumPy 中的 linspace 函数来在x坐标轴上创建一个从0到10的线性空间，以及100个采样点：

可以使用 NumPy 中的sin函数得到所有x点的值，并通过调用plt中的plot函数把结果画出来：

你亲自尝试了吗？发生了什么吗？有没有什么东西出现？

实际情况是，取决于你在哪里运行脚本，可能无法看到任何东西。有下面几种可能性：

1. 从.py脚本中绘图

如果从一个脚本中运行 Matplotlib，需要加上下面的这行调用：

在脚本末尾调用这个函数，你的绘图就会出现！

2. 从 IPython shell 中绘图

这实际上是交互式地执行Matplotlib最方便的方式。为了让绘图出现，需要在启动 IPython 后使用所谓的%matplotlib魔法命令。

接下来，无须每次调用plt.show()函数，所有的绘图将会自动出现。

3. 从 Jupyter Notebook 中绘图

如果你是从基于浏览器的 Jupyter Notebook 中看这段代码，需要使用同样的%matplotlib魔法命令。然而，也可以直接在notebook中嵌入图形，这会有两种输出选项：

在本书中，将会使用inline选项：

现在再次尝试一下：

上面的命令会得到下面的绘图输出结果：

如果想要把绘图保存下来留作以后使用，可以直接在 IPython 或者 Jupyter Notebook 使用下面的命令保存：

仅需要确保你使用了支持的文件后缀，比如.jpg、.png、.tif、.svg、.eps或者.pdf。

作为本章最后一个测试，让我们对外部数据集进行可视化，比如scikit-learn中的数字数据集。

为此，需要三个可视化工具：

那么开始引入这些包吧：

第一步是载入实际数据：

如果没记错的话，digits应该有两个不同的数据域：data域包含了真正的图像数据，target域包含了图像的标签。相对于相信我们的记忆，我们还是应该对digits稍加 探索 。输入它的名字，添加一个点号，然后按Tab键：digits.<TAB>，这个操作将向我们展示digits也包含了一些其他的域，比如一个名为images的域。images和data这两个域，似乎简单从形状上就可以区分。

两种情况中，第一维对应的都是数据集中的图像数量。然而，data中所有像素都在一个大的向量中排列，而images保留了各个图像8×8的空间排列。

因此，如果想要绘制出一副单独的图像，使用images将更加合适。首先，使用NumPy的数组切片从数据集中获取一幅图像：

这里是从1797个元素的数组中获取了它的第一行数据，这行数据对应的是8×8=64个像素。下面就可以使用plt中的imshow函数来绘制这幅图像：

上面的命令得到下面的输出：

此外，这里也使用cmap参数指定了一个颜色映射。默认情况下，Matplotlib 使用MATLAB默认的颜色映射jet。然而，在灰度图像的情况下，gray颜色映射更有效。

最后，可以使用plt的subplot函数绘制全部数字的样例。subplot函数与MATLAB中的函数一样，需要指定行数、列数以及当前的子绘图索引（从1开始计算）。我们将使用for 循环在数据集中迭代出前十张图像，每张图像都分配到一个单独的子绘图中。

这会得到下面的输出结果：

关于作者：Michael Beyeler，华盛顿大学神经工程和数据科学专业的博士后，主攻仿生视觉计算模型，用以为盲人植入人工视网膜（仿生眼睛），改善盲人的视觉体验。 他的工作属于神经科学、计算机工程、计算机视觉和机器学习的交叉领域。同时他也是多个开源项目的积极贡献者。

本文摘编自《机器学习：使用OpenCV和Python进行智能图像处理》，经出版方授权发布。