热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

jupyter中保存图片_露哥的摸爬滚打|Jupyter从零开始

今天,是7月的最后的一天适合结束一些东西开始一些新的东西没错我要开始新的板块啦取个名字,就叫做“露哥的摸爬滚打|Jupyter”01讲在前面在这里&#x

今天,是7月的最后的一天

适合结束一些东西

开始一些新的东西

没错

我要开始新的板块啦

取个名字,就叫做

“露哥的摸爬滚打| Jupyter”

01

讲在前面

在这里,主要是我的笔记或者心得,所以并不能保证百分百正确,当然也欢迎大家多多指正啦。其内容主要为Jupyter的相关操作,发到这里,也算是对自己的一种监督吧。

废话不说,看就完事了!

02

Jupyter是啥

Jupyter项目是一个非盈利的开源项目,源于2014年的ipython项目, 并逐渐发展为支持跨所有编程语言的交互式数据科学计算的工具。

  • Jupyter Notebook,原名IPython Notbook,是IPython的加强网页版, 一 个 开源Web应用程序。

  • 名字源自Julia、 Python和R (数据科学的三种开源语言)。

      Ju--Julia

      py--Python

      ter--R

  • 是一款程序员和科学工作者的编程/文档/笔记/展示软件。

  • .ipynb文件格式是用于计算型叙述的JSON文档格式的正式规范。

03

如何快速上手

快捷键

cell操作

cell: 一对In Out会话被视作一个代码单元,称为cell

编辑模式:enter

命令模式:esc

执行代码: shift + enter

命令模式: 

A,在当前cell的上面添加cell

B,在当前cell的下面添加cell

双击D:删除当前cell

编辑模式:

多光标操作: Ctrl键点击鼠标(Mac : CMD+点击鼠标)

回退: Ctrl+Z (Mac: CMD+Z)

补全代码:变量、方法后跟Tab键

为一行或多行代码添加/取消注释: Ctrl+/ (Mac:CMD+/)

markdown演示:

#一级标题

##二级标题

###三级标题

-缩进

d68a72dc95512845c0de8974b622a3be.png

04

matplotlib快速上车

画二维图表的python库

mat - matrix矩阵

二维数据-二维图表

plot -画图

lib - library库

matlab矩阵实验室

mat - matrix

lab实验室

Matplotlib三层结构

1)容器层:

  画板层:是位于最底层的系统层,在绘图的过程中充当画板的角色,即放置画布(Figure)的工具。

  画布层:是画板上方的第一层,也是需要用户来操作的应用层的第一层,在绘图的过程中充当画布的角色。

  绘图区/坐标系:是应用层的第二层,在绘图的过程中相当于画布上的绘图区的角色。一个画布层有多个绘图区

2)辅助显示层:是绘图区内的除了根据数据绘制出的图像以外的内容,主要包括轴外观、边框线、坐标轴、坐标轴名称、坐标轴刻度、坐标轴刻度标签、 网格线、图例、 标题等内容。

3)图像层:是指绘图区内通过plot等函数根据数据绘制出的图像。

折线图绘制与保存图片

简单用matplotlib画个图

import matplotlib.pyplot as plt

#显示露哥的近6年的身高数据(纯属虚构)

#1.创建画布

plt.figure()

#2.绘制图像

plt.plot([1,2,3,4,5,6],[160,163,165,167,170,173])

#3.显示图像

plt.show()

576137c3458804e385b8f6d024485739.png

设置画布属性与图片保存

plt. figure(figsize=(), dpi=)

figsize :指定图的长宽

dpi:图像的清晰度

返回fig对象

plt. savefig(path)

整个示例

import matplotlib.pyplot as plt

#显示露哥的近6年的身高数据

#1.创建画布

#设置画布属性

plt.figure(figsize=(15,8),dpi=80)

#2.绘制图像

plt.plot([1,2,3,4,5,6],[160,163,165,167,170,173])

#保存图片

plt.savefig("test1.png")

#3.显示图像

plt.show()

#plt.show 会释放figure资源,如果在显示图像后保存图片只能保存空图。

2b88c0435851939d73cf4cc6253614f3.png

写一送一

#画出四川11点到12点1一个小时内每分钟的温度变化折线图,温度范围在15度-18度

import random

#1.准备数据 x y

x=range(60)

y_sichuan=[random.uniform(15,18) for i in x]

#2.创建画布

plt.figure(figsize=(20,8),dpi=80)

#3.绘制图像

plt.plot(x,y_sichuan)

x_label = ["11点{}分".format(i) for i in x]

plt.xticks(x[::5],x_label[::5])

plt.yticks(range(0,40,5))

#4.显示图

plt.show()

3e365ed0abc2dcfc58bedf30b8188fa3.png

ps:关于横坐标的中文乱码问题,我还没整出来,下次吧!

05

参考资料

1)视频学习

https://www.bilibili.com/video/BV1xt411v7z9

2)jupyter画图中文显示乱码问题解决办法

https://www.cnblogs.com/dearL/articles/9374894.html

06

说到最后

从时间线来看,拖了快一周。

这篇微推就当做一个开始吧。

好好生活,好好学习。

somylu

2020.08.06



推荐阅读
  • EzPP 0.2发布,新增YAML布局渲染功能
    EzPP发布了0.2.1版本,新增了YAML布局渲染功能,可以将YAML文件渲染为图片,并且可以复用YAML作为模版,通过传递不同参数生成不同的图片。这个功能可以用于绘制Logo、封面或其他图片,让用户不需要安装或卸载Photoshop。文章还提供了一个入门例子,介绍了使用ezpp的基本渲染方法,以及如何使用canvas、text类元素、自定义字体等。 ... [详细]
  • 本文比较了eBPF和WebAssembly作为云原生VM的特点和应用领域。eBPF作为运行在Linux内核中的轻量级代码执行沙箱,适用于网络或安全相关的任务;而WebAssembly作为图灵完备的语言,在商业应用中具有优势。同时,介绍了WebAssembly在Linux内核中运行的尝试以及基于LLVM的云原生WebAssembly编译器WasmEdge Runtime的案例,展示了WebAssembly作为原生应用程序的潜力。 ... [详细]
  • 如何用UE4制作2D游戏文档——计算篇
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了如何用UE4制作2D游戏文档——计算篇相关的知识,希望对你有一定的参考价值。 ... [详细]
  • 使用Ubuntu中的Python获取浏览器历史记录原文: ... [详细]
  • ZSI.generate.Wsdl2PythonError: unsupported local simpleType restriction ... [详细]
  • 【MEGA DEAL】Ruby on Rails编码训练营(97%折扣)限时特惠!
    本文介绍了JCG Deals商店提供的Ruby on Rails编码训练营的超值优惠活动,现在只需29美元即可获得,原价为$1,296。Ruby on Rails是一种用于Web开发的编程语言,即使没有编程或网页设计经验,也能在几分钟内构建专业的网站。该训练营共有6门课程,包括使用Ruby on Rails进行BDD的课程,使用RSpec 3和Capybara等。限时特惠,机会难得,赶快行动吧! ... [详细]
  • 本文介绍了计算机网络的定义和通信流程,包括客户端编译文件、二进制转换、三层路由设备等。同时,还介绍了计算机网络中常用的关键词,如MAC地址和IP地址。 ... [详细]
  • 展开全部下面的代码是创建一个立方体Thisexamplescreatesanddisplaysasimplebox.#Thefirstlineloadstheinit_disp ... [详细]
  • Webmin远程命令执行漏洞复现及防护方法
    本文介绍了Webmin远程命令执行漏洞CVE-2019-15107的漏洞详情和复现方法,同时提供了防护方法。漏洞存在于Webmin的找回密码页面中,攻击者无需权限即可注入命令并执行任意系统命令。文章还提供了相关参考链接和搭建靶场的步骤。此外,还指出了参考链接中的数据包不准确的问题,并解释了漏洞触发的条件。最后,给出了防护方法以避免受到该漏洞的攻击。 ... [详细]
  • 不同优化算法的比较分析及实验验证
    本文介绍了神经网络优化中常用的优化方法,包括学习率调整和梯度估计修正,并通过实验验证了不同优化算法的效果。实验结果表明,Adam算法在综合考虑学习率调整和梯度估计修正方面表现较好。该研究对于优化神经网络的训练过程具有指导意义。 ... [详细]
  • 在重复造轮子的情况下用ProxyServlet反向代理来减少工作量
    像不少公司内部不同团队都会自己研发自己工具产品,当各个产品逐渐成熟,到达了一定的发展瓶颈,同时每个产品都有着自己的入口,用户 ... [详细]
  • 也就是|小窗_卷积的特征提取与参数计算
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了卷积的特征提取与参数计算相关的知识,希望对你有一定的参考价值。Dense和Conv2D根本区别在于,Den ... [详细]
  • ASP.NET2.0数据教程之十四:使用FormView的模板
    本文介绍了在ASP.NET 2.0中使用FormView控件来实现自定义的显示外观,与GridView和DetailsView不同,FormView使用模板来呈现,可以实现不规则的外观呈现。同时还介绍了TemplateField的用法和FormView与DetailsView的区别。 ... [详细]
  • 欢乐的票圈重构之旅——RecyclerView的头尾布局增加
    项目重构的Git地址:https:github.comrazerdpFriendCircletreemain-dev项目同步更新的文集:http:www.jianshu.comno ... [详细]
  • 网址:https:vue.docschina.orgv2guideforms.html表单input绑定基础用法可以通过使用v-model指令,在 ... [详细]
author-avatar
阁下贵姓
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有