import numpy as np
from matplotlib import pyplot as plt
a = np.ndarray((2,8))
a[0] = [0,10,21.5,25.2,70,89,112,150] # row for all X values
a[1] = [0,5,10,15,20,25,30,35] # row for all Y values
#Value by curve fitting - 7th order polynomial
trend = np.polyfit(a[0], a[1], 7)
trendpoly
我使用集群实现,我希望数据X形成我在算法中定义的集群数量(我相信这就是它的工作方式)。但这种行为令人困惑。
cm = FCM(n_clusters=6)
cm.fit(X)
此代码生成一个带有4个标签的图- 0,2,4,6
cm = FCM(n_clusters=4)
cm.fit(X)
此代码生成一个带有4个标签的图- 0,1,2,3
当我初始化簇号时,我期望标签0,1,2,3,4,5为6。
代码:
from fcmeans import FCM
from matplotlib import pyplot as plt
from seaborn import scatterplot as s
我对Python相当陌生,我想出了一个关于情节的问题。有人能解释一下为什么这条线图会这样连接吗?在对变量进行排序时,我似乎遗漏了一个关键步骤。
要澄清的是,如果数据是以这种方式设置的,那么如何才能得到(1,2)点(1,2)移动到(2,5),向下对角移动到(3,1),然后向上移动到(4,2)和(5,4)的线状图?
import matplotlib.pyplot as plt
a = [3,1,5,4,2]
b = [1,2,4,2,5]
plt.plot(a, b)
我在matplotlib中显示直方图时遇到了问题,因为同时使用了histtype='stepfilled‘和log=True选项。我在matplotlib版本1.1.0中遇到了这个问题,并发现这个问题在版本1.2.0中仍然存在。
不幸的是,我没有发布图片的权利,但是你可以用这个简单的代码来检查这个行为:
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
mu, sigma = 200, 25
x = mu + sigma*np.random.randn(10000)
n, bins,
如何计算非线性曲线拟合的判定系数(R2)和均方误差(RMSE)。下面的代码直到曲线拟合为止。那么如何计算R2和RMSE呢?
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
def func(x, a, b, c):
return a * np.exp(-b * x) + c
x = np.linspace(0,4,50)
y = func(x, 2.5, 1.3, 0.5)
yn = y + 0.2*np.random.normal(size=len(x)
为什么这个程序绘制的是错误的东西?
我是说..。为什么光线(x=0, y<=0)丢失?这不是一个bug吗?
import matplotlib.pyplot
from numpy import arange
from numpy import meshgrid
delta = 0.025
xrange = arange(-20.0, 20.0, delta)
yrange = arange(-20.0, 20.0, delta)
X, Y = meshgrid(xrange,yrange)
# F is one side of the equation, G is the other
我正在尝试检索matplotlib热图上每个单元的颜色,该热图由imshow()函数生成,例如由下面的magic_function执行: import matplotlib.pyplot as plt
import numpy as np
hm = plt.imshow(np.random.rand(10, 10))
color_matrix = hm.magic_function() #returns matrix containing the RGB/Hex values of each cell
我正在创建一个有大约100个子图/轴的图形,每个子图/轴都有几千个数据点。目前,我正在遍历每个子图,并使用plt.scatter来放置这些点。然而,这相当慢。是否有可能使用多个CPU来加快绘图速度,方法是将工作划分为每个子图一个核心,或者在单个子图中绘制数据点?
到目前为止,我已经尝试使用joblib来使用并行进程来创建子图,但是它不是在同一图中创建新的子图,而是为每个子图生成一个新的图。我已经尝试使用后端PDF、Qt5Agg和Agg。下面是我的代码的一个简化示例。
import matplotlib as mpl
mpl.use('PDF')
import seaborn a
在下面,您可以在matplotlib中看到我的数据和面图。
import pandas as pd
import numpy as np
pd.set_option('max_columns', None)
import matplotlib.pyplot as plt
import matplotlib as mpl
# Data
data = {
'type_sale': ['g_1','g_2','g_3','g_4','g_5','g_6'
我有一个直方图(见下文),我正在尝试找出均值和标准差以及将曲线拟合到直方图的代码。我认为在SciPy或matplotlib中有一些东西可以提供帮助,但我尝试过的每个示例都不起作用。
import matplotlib.pyplot as plt
import numpy as np
with open('gau_b_g_s.csv') as f:
v = np.loadtxt(f, delimiter= ',', dtype="float", skiprows=1, usecols=None)
fig, ax = plt.subplo
我在Windows10机器上运行Python3.6。我想显示一个简单的matplotlib图,如下所示:
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 5, 0.1);
y = np.sin(x)
plt.plot(x, y)
不幸的是,我得到了错误:
ModuleNotFoundError: No module named 'tkinter'
我尝试通过我的终端安装tkinter:
> pip install tkinter
Collecting tkinter
Could